汉语最小语音对和语音清晰度关系的初步研究

目的从最小语音对的角度建立《最小语音对检测表》,分析最小语音对和语音清晰度的关系,为语音评估和治疗提供理论依据。方法选择语音障碍患者60例,其中腭裂患者和非腭裂患者各30例,进行《最小语音对检测表》的测评,通过SPSS 17.0软件进行分析,统计语音清晰度和最小语音对误念率。通过相关分析,寻找与语音清晰度密切相关的语音对。结果腭裂组的语音清晰度范围为35.0%～91.0%。语音对误念率范围为0.10～0.63。误念率最高的6类语音对(从高到低排列)依次为:舌面音和舌尖前音(0.63)、塞擦音的不送气和送气对(0.61)、塞音的不送气和送气对(0.54)、舌尖中音和舌根音(0.52)、不送气塞擦音和擦音(0.48)、送气塞音和鼻音(0.47);非腭裂组的语音清晰度范围71.0%～94.0%。语音对误念率范围0.10～0.78。误念率最高的6类语音对(从高到低排列)依次为:舌尖中音和舌根音(0.78)、舌尖后音和舌尖前音(0.61)、塞擦音的不送气和送气对(0.58)、舌面音和舌尖后音(0.51)、舌面音和舌尖前音(0.49)、不送气塞擦音和擦音(0.47)。结论《最小语音对检测表》的建立,从最小语音对的角度考察,可以有效地对语音障碍患者的语音状况进行定性和定量评估,弥补了以往研究中字表只能定量评估的不足。

一种联合广义旁瓣抵消麦克风阵列和MMSE-LSA的语音增强系统

单通道语音增强算法自20世纪60年代以来有了长足的发展,但由于时频域处理的局限性,现有的单通道语音增强算法无法有效抑制背景噪声中的突发噪声成分。突发噪声通常表现为短时、能量强、时频域有纹理特征,在参数上无法和语音进行有效区分。但背景噪声中的突发噪声,在空间上通常具有方向性。因此,提出了一种联合空间和时频域的语音增强系统。即在语音采集的前端使用GSC麦克风阵列形成波束,使主瓣对准期望语音信号、旁瓣对准突发噪声从而从空间上抑制突发噪声,然后对采集到的语音信号进行时频域语音增强处理。选取MMSE-LSA作为时频域的处理算法,因其在保留语音的可懂度、自然度方面有突出的性能。实验表明,该系统可以有效地抑制含有突发噪声的背景噪声。

中日音节的特征

日语除了“音节”概念外还有“拍(=モ一テ)”表示音长的概念，两者定义时常被混淆，本文通过中日音节特征的比较，力图说明日语的“拍(=モ一テ)”更能体现日语语音特色。日语中的“拨音”、“长音”、“促音”是拍节而不是音节。