基于发音运动特征的舌部肌肉建模及仿真

人舌结构较为复杂,运动灵活,在虚拟人物发音及表情运动过程中起着关键的作用,但现有舌部模型结构较单一,实现的虚拟运动相对简单,描述能力不足,且需要大量数据驱动。针对以上问题,通过对舌部解剖结构的研究,提出一种基于肌肉运动特征的舌部模型及控制方法。将舌部内外肌群按其运动及发音功能进行分类,仅需获得多条肌肉不同的收缩量,即可利用各自的控制函数确定出参数值,进而实现模型前升高、后升高和谷形等多种常见运动。实验结果表明,该方法能够较为灵活便捷地控制虚拟舌体,仿真出符合生理特征的多种舌部运动。

降峰双元音是一个动态目标而升峰双元音是两个目标:宁波方言双元音的声学与发音运动学特性

文章以宁波方言的声学与发音运动学为例,探讨汉语方言中普遍存在的降峰双元音与升峰双元音的语音学上的区别。文章的声学录音来自20位发音人(10男10女),发音运动材料来自6位发音人(4男2女)。声学研究发现:宁波方言的升峰双元音的两个组成成分的声学特性均比较稳定,可变性较小;相比较而言,宁波方言的降峰双元音的两个组成成分之中只有首成分的声学特性相对稳定,而其尾成分则变异性非常大。发音运动学的研究结果则进一步揭示了形成这两类双元音的这种系统性差异的深层机制。本文的研究结果支持这样一个观点,即降峰双元音是一个动态目标,而升峰双元音则由两个静态目标组成。

构音障碍发音异常运动区间分布研究

为研究构音障碍患者和正常人发音运动数据的差异,利用多伦多大学开发的TORGO数据库,采用对数正态分布拟合及正态分布拟合的方法,分别以25 mm和2.58个标准差为阈值,对比分析构音障碍患者和正常人在舌根、舌中、舌尖处的发音异常运动区间所占比例。研究表明,与正常人相比,构音障碍患者舌部在前后、左右、上下三方向的发音运动区间较宽,发音运动异常区间所占比例大于正常人;在以2.58个标准差为阈值时,构音障碍患者舌部左右方向发音异常运动区间占10%左右,而正常人在1%左右;同时相比前后、上下方向,构音障碍患者和正常人在舌部左右方向的发音运动区间更窄。

言语想象的神经机制

言语想象不仅在大脑预处理机制方面起到重要的作用,还是目前脑机接口领域研究的热点。与正常言语产生过程相比,言语想象的理论模型、激活脑区、神经传导路径等均与其有较多相似之处。而言语障碍群体的言语想象、想象有意义的词语和句子时的脑神经机制与正常言语产生存在差异。鉴于人类言语系统的复杂性,言语想象的神经机制研究还面临一系列挑战,未来研究可在言语想象质量评价工具及神经解码范式、脑控制回路、激活通路、言语障碍群体的言语想象机制、词语和句子想象的脑神经信号等方面进一步探索,为有效提高脑机接口的识别率提供依据,为言语障碍群体的沟通提供便利。

汉维语音教研思维框架的转换

对语言教学存在的实际语音问题,要有针对性地进行语音研究。语音教学的研究不应只停留在对言语中的语音从物理角度进行静态描述,还应在此基础上寻找不同语言的语音系统所赋予的个人言语发音运动的共性,也就是所谓的"言语发音运动模式",使第二语言学习者能够把握住所学语言言语发音的特点,在模仿发音时不会太盲目,而且有利于减少母语发音模式所带来的负迁移影响,进而掌握二语的标准发音。笔者以直观和整体的方法,分析并对比了维吾尔语和汉语的发音运动模式,针对汉维发音运动模式的差异,提出要进行有针对性的训练。

基于双模态融合特征的模糊语音识别研究

针对模糊语音发音机理相近、听觉上容易混淆和容易被智能机器误识的问题,该文设计了一个双模态模糊语音数据库,并提取不同特征用于分类研究。数据库包括语音信号和发音器官运动信号两种模态,共计语音数据6 300条,运动信号数据1 268条。提取声学特征与运动学特征,在特征层进行双模态的融合,通过核主成分分析降维来得到双模态融合特征,选择支持向量机分类模型进行分类识别。实验结果表明,单模态声学特征中,对数变化的耳蜗倒谱系数特征具有较高的识别率,最高可达86.95%。双模态融合特征相比于单模态特征识别率有明显的提高,在低信噪比情况下提升效果更加明显,最大可提高6.53%。