數(shù)字語(yǔ)音處理復(fù)習(xí)題

1、第一章 緒論1.語(yǔ)音信號(hào)處理是以語(yǔ)音語(yǔ)言學(xué)和數(shù)字信號(hào)處理為基礎(chǔ)而形成的一門涉及面很廣的綜合性的學(xué)科。p1d32.語(yǔ)音信號(hào)處理的應(yīng)用技術(shù)列舉：語(yǔ)音編碼、語(yǔ)音識(shí)別、語(yǔ)音合成、說(shuō)話人識(shí)別和語(yǔ)種辨識(shí)、語(yǔ)音轉(zhuǎn)換和語(yǔ)音隱藏（語(yǔ)音信息偽裝、語(yǔ)音數(shù)字水印技術(shù)）、語(yǔ)音增強(qiáng)等p4d33.當(dāng)前語(yǔ)音信號(hào)處理應(yīng)用的3個(gè)主流技術(shù)：矢量量化技術(shù)、隱馬爾可夫模型技術(shù)、人工神經(jīng)網(wǎng)絡(luò)技術(shù)。p4d3第二章 語(yǔ)音信號(hào)處理基礎(chǔ)知識(shí)1.語(yǔ)音是組成語(yǔ)言的聲音，是聲音（Acoustic）和語(yǔ)言（Language）的組合體。p5d22.語(yǔ)音的基本聲學(xué)特性包括音色，音調(diào)，音強(qiáng)、音長(zhǎng)。p7d2Ø 音色：也叫音質(zhì)，是一種聲音區(qū)別于另一種聲

2、音的基本特征。Ø 音調(diào)：是指聲音的高低，它取決于聲波的頻率。Ø 音強(qiáng)：聲音的強(qiáng)弱，它由聲波的振動(dòng)幅度決定。Ø 音長(zhǎng)：聲音的長(zhǎng)短，它取決于發(fā)音時(shí)間的長(zhǎng)短。3. 說(shuō)話時(shí)一次發(fā)出的，具有一個(gè)響亮的中心，并被明顯感覺(jué)到的語(yǔ)音片段叫音節(jié)（Syllable）。一個(gè)音節(jié)可以由一個(gè)音素（Phoneme）構(gòu)成，也可以由幾個(gè)音素構(gòu)成。音素是語(yǔ)音發(fā)音的最小單位。p7d34.任何語(yǔ)言都有語(yǔ)音的元音（Vowel）和輔音（Consonant）兩種音素。p7d38.當(dāng)聲帶振動(dòng)發(fā)出的聲音氣流從喉腔、咽腔進(jìn)入口腔從唇腔出去時(shí)，這些聲腔完全開(kāi)放，氣流順利通過(guò)，這種音稱為元音。p7d39.呼出的聲流，

3、由于通路的某一部分封閉起來(lái)或受到阻礙，氣流被阻不能暢通，而克服發(fā)音器官的這種阻礙而產(chǎn)生的音素稱為輔音。p7d37.發(fā)輔音時(shí)由聲帶是否振動(dòng)引起濁音和清音的區(qū)別，聲帶振動(dòng)的是濁音，聲帶不振動(dòng)的是清音。p7d38.元音構(gòu)成音節(jié)的主干（因?yàn)闊o(wú)論從長(zhǎng)度還是能量看，元音在音節(jié)中都占主要部分。）p7d39.元音的一個(gè)重要聲學(xué)特性是共振峰（Formant）。共振峰參數(shù)是區(qū)別不同元音的重要參數(shù)，它一般包括共振峰頻率（Formant Frequency）的位置和頻帶寬度（Formant Bandwidth）。p7d5 16.人類的聲道和鼻道可以看作是非均勻截面的聲道管，聲道管的諧振頻率稱為共振峰頻率（共振峰）。p

4、7d510.漢語(yǔ)音節(jié)一般由聲母、韻母和聲調(diào)三部分組成。漢語(yǔ)普通話中有6000多個(gè)常用字，每個(gè)漢字是一個(gè)音節(jié)。p10d610. 發(fā)濁音時(shí)，氣流通過(guò)聲門時(shí)使聲帶發(fā)生振動(dòng)，產(chǎn)生準(zhǔn)周期激勵(lì)脈沖串，這個(gè)脈沖串的周期就稱為基音周期（pitch），其倒數(shù)成為基音頻率。11.漢語(yǔ)是一種聲調(diào)語(yǔ)言，聲調(diào)的變化就是濁音基音周期（或基音頻率）的變化。p14d513. 無(wú)論是單音節(jié)語(yǔ)音還是連續(xù)語(yǔ)音，其中濁音段的基因頻率是隨時(shí)間而變化的，基因頻率的不同軌跡成為聲調(diào)。p9d1114. 當(dāng)兩個(gè)響度不同的聲音作用于人耳時(shí)，響度較高的頻率成分的存在會(huì)影響到對(duì)響度較低的頻率成分的感受，使其變得不易察覺(jué)，這種現(xiàn)象成為掩蔽效應(yīng)。15.

5、語(yǔ)音信號(hào)的生成模型可由激勵(lì)模型、聲道模型和輻射模型三個(gè)子模型構(gòu)成，三者是串聯(lián)（串聯(lián)/并聯(lián)）的關(guān)系。p21-2616.語(yǔ)音信號(hào)激勵(lì)模型一般分為濁音激勵(lì)和清音激勵(lì)，發(fā)濁音時(shí)激勵(lì)模型為脈沖波。p21d617.語(yǔ)音信號(hào)激勵(lì)模型一般分為濁音激勵(lì)和清音激勵(lì)，發(fā)清音時(shí)激勵(lì)信號(hào)通常被模擬為隨機(jī)白噪聲。p22d216.語(yǔ)音信號(hào)生成模型的輻射模型是一階類高通濾波器。 p25d217.設(shè)截取的一段語(yǔ)音共有160個(gè)樣本，而采樣頻率為8kHz，則該段語(yǔ)音持續(xù)時(shí)間為20ms。18.設(shè)采樣頻率為8kHz，則25ms長(zhǎng)的語(yǔ)音共有200個(gè)采樣值。18.研究語(yǔ)音的時(shí)頻分析特性所采用的與時(shí)序相關(guān)的傅立葉分析的顯示圖形稱為語(yǔ)譜圖（S

6、onogram，或者Spectrogram）p29d119.語(yǔ)譜圖是一種三維頻譜，它是表示語(yǔ)音頻譜隨時(shí)間變化的圖形，其縱軸為頻率，橫軸為時(shí)間，任一給定頻率成分在給定時(shí)刻的強(qiáng)弱用相應(yīng)點(diǎn)的灰度或色調(diào)的濃淡來(lái)表示。p29d120.傳輸函數(shù)形式為的共振峰模型為（2）數(shù)學(xué)模型；1.全零點(diǎn)；2.全極點(diǎn)；3.極零點(diǎn)；4.以上都不是；21.傳輸函數(shù)形式為的共振峰模型在結(jié)構(gòu)上為（1 ）模型；1.級(jí)聯(lián)型2.并聯(lián)型；3.混合型；4.以上都不是；22.傳輸函數(shù)形式為的共振峰模型為（3）數(shù)學(xué)模型；1.全零點(diǎn)；2.全極點(diǎn)；3.極零點(diǎn)；4.以上都不是；23.傳輸函數(shù)形式為的共振峰模型在結(jié)構(gòu)上為（2）模型；1.級(jí)聯(lián)型2.并聯(lián)

7、型；3.混合型；4.以上都不是；24.簡(jiǎn)述語(yǔ)音產(chǎn)生過(guò)程的三個(gè)模型：25.基音頻率、共振峰、語(yǔ)譜圖的概念，會(huì)從語(yǔ)音波形中識(shí)別基音周期與共振峰頻率。 發(fā)濁音時(shí)，氣流通過(guò)聲門時(shí)使聲帶發(fā)生振動(dòng)，產(chǎn)生準(zhǔn)周期激勵(lì)脈沖串，這個(gè)脈沖串的周期就稱為基音周期（pitch），其倒數(shù)成為基音頻率。一般來(lái)說(shuō)，男性說(shuō)話的基音頻率大致分布在50-200Hz范圍內(nèi)，女性和小孩的基因頻率在200-450Hz之間。 人類的聲道和鼻道可以看作是非均勻截面的聲道管，聲道管的諧振頻率成為共振峰頻率，簡(jiǎn)稱共振峰。共振峰由低到高依次為第一共振峰、第二共振峰、第三共振峰、。，相應(yīng)的頻率用F1、F2、F3。表示。一般濁音中可以辨識(shí)的共振峰有5

8、個(gè)，其中前三個(gè)對(duì)于區(qū)別不同語(yǔ)音至關(guān)重要。 語(yǔ)譜圖描述了語(yǔ)音信號(hào)隨時(shí)間而變化的頻譜特性。縱軸對(duì)應(yīng)于頻率、橫軸對(duì)應(yīng)于時(shí)間，圖像的黑白度對(duì)應(yīng)于信號(hào)的能量。26.漢語(yǔ)中的四種聲調(diào)與基音頻率的關(guān)系是什么？ 無(wú)論是單音節(jié)語(yǔ)音還是連續(xù)語(yǔ)音，其中濁音段的基因頻率是隨時(shí)間而變化的，基因頻率的不同軌跡成為聲調(diào)。29.音調(diào)：音調(diào)是聽(tīng)覺(jué)分辨聲音高低時(shí)，用于描述這種感受的一種特性。音調(diào)與聲音的頻率并不成正比，還與聲音的強(qiáng)度及波形有關(guān)。描述音調(diào)的單位是美（mel）。一個(gè)高于聽(tīng)閾40dB、頻率為1KHz的純音所產(chǎn)生的音調(diào)定位1000mel，如果一個(gè)純音聽(tīng)起來(lái)比1000mel的聲音調(diào)子高一倍，則其音調(diào)為2000mel。音調(diào)與

9、頻率的關(guān)系近似表示為：27.掩蔽效應(yīng)：當(dāng)兩個(gè)響度不同的聲音作用于人耳時(shí)，響度較高的頻率成分的存在會(huì)影響到對(duì)響度較低的頻率成分的感受，使其變得不易察覺(jué)，這種現(xiàn)象成為掩蔽效應(yīng)。第三章 語(yǔ)音信號(hào)分析21.語(yǔ)音信號(hào)分析采用短時(shí)分析技術(shù)。p32d220. 語(yǔ)音信號(hào)分析，根據(jù)所分析出的參數(shù)的性質(zhì)的不同可以分為：時(shí)域分析、頻域分析、倒頻域分析、線性預(yù)測(cè)分析等。根據(jù)分析方法的不同，分為模型分析方法和非模型分析方法兩種。p32d322.由于輻射模型的影響，語(yǔ)音信號(hào)高頻部分衰減較大，所以在預(yù)處理中需采用預(yù)加重技術(shù)，即提升高頻部分，使信號(hào)的頻譜變得平坦。23.不論是分析怎么樣的參數(shù)以及采用什么分析方法，在按幀進(jìn)行語(yǔ)

10、音分析，提取語(yǔ)音參數(shù)之前，有一些經(jīng)常使用的、共同的短時(shí)分析技術(shù)必須預(yù)先進(jìn)行，如語(yǔ)音信號(hào)的數(shù)字化、語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)、預(yù)加重、加窗和分幀等23.語(yǔ)音信號(hào)加窗、分幀常用的窗函數(shù)有矩形窗、漢明窗等（列舉兩個(gè)）。25.對(duì)于頻率分布為03400Hz的語(yǔ)音信號(hào)，最低無(wú)失真采樣頻率應(yīng)為6800Hz25.若信號(hào)波形的變化足夠大，或量化間隔足夠小時(shí)，以下有關(guān)量化噪聲描述錯(cuò)誤的是（4）p33d21.是平穩(wěn)的白噪聲過(guò)程2.量化噪聲與輸入信號(hào)不相關(guān)3.量化噪聲在量化間隔內(nèi)均勻分布，即具有等概率密度分布4.是服從高斯分布的隨機(jī)過(guò)程26.以下那種分析不屬于語(yǔ)音信號(hào)時(shí)域分析？（4）1.短時(shí)過(guò)零率分析；2.短時(shí)相關(guān)分析；3.

11、短時(shí)平均幅度差函數(shù)；4.同態(tài)分析；短時(shí)能量的主要用途不包括以下那一項(xiàng)（4）p38d51.可以區(qū)分濁音段和清音段；2.可以用來(lái)查找聲母和韻母的分界；3.可以用來(lái)查找無(wú)聲和有聲的分界；4.可以區(qū)分高頻和低頻分量；24.采用自相關(guān)函數(shù)法對(duì)基音周期進(jìn)行估計(jì)時(shí)，先用60900Hz的帶通濾波器對(duì)語(yǔ)音信號(hào)進(jìn)行濾波，以下描述錯(cuò)誤的是（4）p71d21.可減少共振峰的影響；2.可抑制50Hz的電源干擾；3.可保留基音頻率的一、二次諧波；4.為了防止8kHz采樣時(shí)發(fā)生混疊干擾；定義語(yǔ)音信號(hào)的短時(shí)自相關(guān)函數(shù)為：，則以下表述錯(cuò)誤的是（2）：p40d3(1) 如果是周期的，則是同周期的周期函數(shù)；(2) 是奇函數(shù)；(3)

12、 7.設(shè)序列x(n)的短時(shí)能量定義為：其中窗函數(shù)表示為：試求En的一個(gè)遞推公式，用En-1和輸入x（n）表示En8.設(shè)序列x(n)的短時(shí)能量定義為：其中窗函數(shù)表示為：試求En的一個(gè)遞推公式9.設(shè)短時(shí)平均過(guò)零率的定義為：證明1.語(yǔ)音的時(shí)變性與短時(shí)平穩(wěn)性(p32d2)：語(yǔ)音信號(hào)的波形有些波形段有較強(qiáng)的周期性，有的波形段有較強(qiáng)的噪聲性，并且周期性語(yǔ)音和噪聲性語(yǔ)音的特征也在不斷變化中，從而具有時(shí)變性。但在較短時(shí)間內(nèi)（10-30ms）語(yǔ)音信號(hào)的特征可以認(rèn)為基本保持不變，這就是語(yǔ)音信號(hào)的短時(shí)平穩(wěn)性。11.常用的時(shí)域基音檢測(cè)算法有哪些（任選兩種作答）？它們的基本原理是什么？Ø 自相關(guān)函數(shù)法：濁音信

13、號(hào)的自相關(guān)函數(shù)在基音周期的整數(shù)倍位置上出現(xiàn)峰值；而清音的自相關(guān)函數(shù)沒(méi)有明顯的峰值出現(xiàn)。因此檢測(cè)是否有峰值就可判斷是清音或濁音，檢測(cè)峰值的位置就可提取基音周期值。Ø 短時(shí)平均幅度差函數(shù)法：對(duì)周期性的濁音語(yǔ)音，短時(shí)平均幅度差函數(shù)也呈現(xiàn)與濁音語(yǔ)音周期相一致的周期特性，短時(shí)平均幅度差函數(shù)在周期的各個(gè)整數(shù)倍點(diǎn)上具有谷值特性而不是峰值特性，可確定基音周期；而對(duì)于清音語(yǔ)音信號(hào)，短時(shí)平均幅度差函數(shù)卻沒(méi)有這種周期特性。利用短時(shí)平均幅度差函數(shù)的這種特性，可以判定一段語(yǔ)音是濁音還是清音，并估計(jì)出濁音語(yǔ)音的基音周期。12.濁音與清音的短時(shí)能量、短時(shí)平均過(guò)零率、短時(shí)自相關(guān)函數(shù)和短時(shí)平均幅度差函數(shù)有什么差異？導(dǎo)

14、致這些差異的根本原因是什么？ 相對(duì)來(lái)說(shuō)濁音的短時(shí)能量大、短時(shí)平均過(guò)零率低、短時(shí)自相關(guān)函數(shù)的峰值位置具有周期性，短時(shí)平均幅度差函數(shù)的谷值位置具有周期性。這是因?yàn)闈嵋羰怯陕晭д駝?dòng)引起的脈沖波激勵(lì)聲道產(chǎn)生的，能量較大，頻率較低，具有與激勵(lì)波相同的周期性結(jié)構(gòu)，而清音是由白噪聲激勵(lì)而產(chǎn)生，能量較低，頻率較高，不具有周期性。13.若用信號(hào)的短時(shí)傅立葉變換來(lái)定義其短時(shí)能量譜密度：同時(shí)定義信號(hào)的短時(shí)自相關(guān)函數(shù)為：證明當(dāng)時(shí)，與互為傅立葉變換對(duì)。15.設(shè)階線性預(yù)測(cè)器表達(dá)式為，證明在最小均方預(yù)測(cè)誤差準(zhǔn)則下，預(yù)測(cè)系數(shù)滿足方程組：，其中。解：預(yù)測(cè)誤差為，均方誤差為，為使E2(n)最小，對(duì)aj求偏導(dǎo)，并令其為零，有：，即

15、又因?yàn)?，代入上式有設(shè)語(yǔ)音信號(hào)的線性預(yù)測(cè)模型為，模型增益，求該語(yǔ)音信號(hào)的線性預(yù)測(cè)譜表達(dá)式。p59解： 第四章 矢量量化技術(shù)1.根據(jù)量化的值的維數(shù)的不同，量化可分為標(biāo)量量化和矢量量化。2.矢量量化常用的失真測(cè)度有：歐式距離測(cè)度、加權(quán)歐式距離測(cè)度、Itakura-Saito距離、似然比測(cè)度和識(shí)別失真測(cè)度。3. 訓(xùn)練矢量量化碼本時(shí)，初始碼本的生成可采用隨機(jī)選取法、分裂法、鏈映射法等。3.矢量量化LBG算法每次迭代時(shí)將訓(xùn)練集分割為若干個(gè)子集所依據(jù)的是（1）：1.最鄰近準(zhǔn)則；2. Centroid質(zhì)心條件；3.收斂準(zhǔn)則；4.熵極大化準(zhǔn)則；3.矢量量化LBG算法每次迭代時(shí)計(jì)算新碼字所依據(jù)的是（2）：1.最鄰

16、近準(zhǔn)則；2. Centroid質(zhì)心條件；3.收斂準(zhǔn)則；4.熵極大化準(zhǔn)則；第五章 隱馬爾可夫模型1.HMM是一個(gè)雙內(nèi)嵌式隨機(jī)過(guò)程。2.HMM的輸出符號(hào)序列可見(jiàn)，而狀態(tài)序列不可見(jiàn)。3.下圖是一個(gè)三狀態(tài)HMM，S1是起始狀態(tài)，S3是終了狀態(tài)，該HMM只能輸出a和b兩種符號(hào)，由下圖的Viterbi算法可知輸出aab的最佳路徑為S1->S1->S2->S33.對(duì)于語(yǔ)音識(shí)別用HMM，可用六個(gè)參數(shù)來(lái)定義，這六個(gè)參數(shù)分別表示什么？ S是模型中狀態(tài)的有限集合；O是輸出的觀測(cè)值序號(hào)的集合；A是狀態(tài)轉(zhuǎn)移概率的集合；B是輸出觀測(cè)值概率的集合；pai是系統(tǒng)初始狀態(tài)概率的集合；F是終了狀態(tài)的集合。1.從

17、左到右型HMM（即狀態(tài)的轉(zhuǎn)移只能從左到右或者停留在原狀態(tài)，不能返回到以前的狀態(tài)）的狀態(tài)轉(zhuǎn)移矩陣具有何種形式？（1）1.上三角矩陣；2.下三角矩陣；3.對(duì)稱矩陣；4.非奇異矩陣；2.針對(duì)給定的HMM模型，尋找與給定觀察字符序列對(duì)應(yīng)的最佳狀態(tài)序列可采用（3）1.前向算法；2.后向算法；3.Viterbi算法；4.Baum-Welch算法訓(xùn)練HMM模型采用（4）1.前向算法；2.后向算法；3.Viterbi算法；4.Baum-Welch算法；下圖是一個(gè)三狀態(tài)HMM，S1是起始狀態(tài)，S3是終了狀態(tài)，該HMM只能輸出a和b兩種符號(hào)，試求解：（參考P98）1.該HMM的轉(zhuǎn)移概率矩陣A；2.從S1出發(fā)到S3

18、截止，輸出符號(hào)序列abb的概率；3.最大可能的狀態(tài)序列；第七章 語(yǔ)音編碼1.語(yǔ)音編碼（Speech Coding）的目的是在保證語(yǔ)音質(zhì)量和可懂度的條件下，采用盡可能少的比特?cái)?shù)來(lái)表示語(yǔ)音。即降低數(shù)碼率。2.信源編碼主要解決有效性問(wèn)題；信道編碼主要解決可靠性問(wèn)題。3.語(yǔ)音編碼通常分為三類：波形編碼、參數(shù)編碼與混合編碼。4.波形編碼力圖使重建后的語(yǔ)音時(shí)域信號(hào)的波形與原語(yǔ)音信號(hào)保持一致。具有適應(yīng)能力強(qiáng)、話音質(zhì)量好等優(yōu)點(diǎn)，缺點(diǎn)是編碼速率高。5.參數(shù)編碼又稱聲碼器技術(shù)，從聽(tīng)覺(jué)感知的角度注重語(yǔ)音的重現(xiàn)，通過(guò)建立語(yǔ)音信號(hào)的產(chǎn)生模型，提取其特征參數(shù)來(lái)編碼，波形上不要求與原信號(hào)匹配。優(yōu)點(diǎn)是編碼速率低；缺點(diǎn)是語(yǔ)音質(zhì)

19、量差，自然度低，對(duì)環(huán)境噪聲敏感。6.若普通電話通信中采用8kHz采樣，并進(jìn)行12bit量化，則數(shù)碼率為96Kbit/s。7.對(duì)語(yǔ)音信號(hào)進(jìn)行壓縮編碼的基本依據(jù)是語(yǔ)音信號(hào)的冗余度和人的聽(tīng)覺(jué)感知機(jī)理。8.人的聽(tīng)覺(jué)生理和心理特性對(duì)于語(yǔ)音感知的影響主要表現(xiàn)在：1）人類聽(tīng)覺(jué)系統(tǒng)具有掩蔽效應(yīng)；2）人耳對(duì)不同頻段聲音的敏感程度不同；3）人耳對(duì)語(yǔ)音信號(hào)的相位變化不敏感。9.感覺(jué)加權(quán)濾波器是根據(jù)人耳的掩蔽效應(yīng)來(lái)設(shè)計(jì)的。p138d110.均勻量化的特點(diǎn)是：大信號(hào)時(shí)量化信噪比大，小信號(hào)時(shí)量化信噪比小。10.在增量調(diào)制（DM）中，語(yǔ)音信號(hào)波形發(fā)生急劇變化時(shí)，容易出現(xiàn)譯碼波形不能充分跟蹤這種急劇變化而產(chǎn)生失真的現(xiàn)象，稱為斜率過(guò)載。p150d311.利用參數(shù)編碼實(shí)現(xiàn)語(yǔ)音通信的設(shè)備通常稱為聲碼器。p161d312.LPC聲碼器采用的編碼方式為參數(shù)編碼（波形編碼/參數(shù)編碼）。7語(yǔ)音信號(hào)中存在多種冗