一、语音的产生
- 语音产生过程：激励-调制模型（Exicitation-Modulation Model）/源-滤波模型（Source-Filter Model）
- 激励（声源）：肺部产生气流，通过猴头时冲击声带，使声带产生振动；
- 调制（调音）：声带振动引起气流疏密变化，并在口腔和鼻腔中产生共鸣，这一共鸣会导致气流的疏密模式发生变化。
- 最后，这些疏密相间的模式由口唇辐射出来，产生我们听到的语音（周期性变化+纵波传播）。
- 启发：将声音分解成声带激励+声道调制。（分析发音内容时应更关注声道调制，分析情绪变化时应更关注声带激励的变化）
- 语音波形图（语音信号的时域表示）
- 采样：如果在空间中确定一个位置，每隔一个非常短的时间（如1/16000秒）记录一次空气密度，即可记录下该点处的语音信号。
- 采样点：每个记录值。
- 采样频率：一秒内的采样次数（16000）。
- 语音信号的波形图：将密度值表示为时间的函数。
【注：空气密度变化和压力变化是一致的，因此语音波形记录的也是空气压力的变化】
- 语音频谱图（语音信号的频域表示）
- 语音信号的短时平稳属性：从波形图可看出，在一较短时间内（如0.01秒）信号的特性变化很小，但长时间看，不同时段的信号特性会发生明显的变化。
- 短时分析：将语音信号切分成一个个短时片段（信号稳定），利用各种稳态信号分析工具对这些片段进行处理。
- 语音帧：这些短时语音片段，一般长度为0.01秒左右。
- 短时频谱分析（一种常用的短时分析方法）：提取每一帧中不同频率成分的能量大小。
- 某帧的频谱/短时频谱：该语音帧在不同频率上的能量。
- 某段语音的频谱：该段语音中的所有语音帧的短时频谱。
- 频谱图：横轴：频率。
[参考：https://www.cnblogs.com/tibetanmastiff/p/6741930.html]
- 语谱图：横轴：时间；纵轴：频率；颜色深浅：频率强度。
[参考：https://www.cnblogs.com/tibetanmastiff/p/6741930.html]
二、语音的感知
- 计算机看到的语音：一维振动的采样序列。
- 语音信号中嵌入的信息：发音内容、说话人身份、说话方式、目标与动机等。
- 语音信号中的随机性：发音过程中的无意识变动（如送气和舌位差异）、外界环境的噪声、声音采集设备的差异等。
