论语音格局Word下载.docx
《论语音格局Word下载.docx》由会员分享，可在线阅读，更多相关《论语音格局Word下载.docx（22页珍藏版）》请在冰豆网上搜索。
实际上，人类的语音只是一个很狭小的分布范围，然而这已经足以供人类传递语言信息、交流各种思想情感。
人的耳朵也不是对任何声音都能听到的，在音强、音高方面都有严格的限度。
人耳所能听到的音高频率在20赫兹到20000赫兹之间。
20000赫兹以上的声波为超声；
20赫兹以下的声波为次声。
这些人耳都听不到。
音强方面也有限制，太弱则达不到听阈，太强会超过痛阈。
把音高和音强两个因素综合起来，就形成人类的听觉区域。
听觉区域中最外围的黑线划出人耳可听声的范围。
中间的虚线是音乐的声音达到的范围。
人的说话发音是最里面用虚线标出的一个小圈，位于听觉区域的中心地带（见图2）。
图1人类发音器官示意图图2人类的听觉区域（引自Eargle2003）
在人类生理的发音范围和心理的听觉区域这个客观基础上，各种语言的语音都是在这个有限的空间里，利用各种方式分聚配列，合纵连横，组成系统，完成交际。
语音格局的分析就是考察各种语言的语音怎样定位和分布，语音单位之间怎样相互联系与组合；
探索怎样以有限的语音进行无限的交际。
三量化分析的全过程
马克思说：
“如果所有现象都如实地反映了事物本质的话，那么一切科学都将成为多余。
”语音实验得出的数据表现常常参差不齐、千差万别。
怎样从中去粗取精、去伪存真，得到语音的本质特征，找出语言的内在规律？
现代语言学要从卡片之学到数据之学。
分析处理各种数据的科学方法成为研究的核心，成功的关键。
量化分析的全过程应该包括：
归一化、相对化、范畴化、层级化、系统化。
一般说来，人们对于同样的语音采用的发音方式是相同的，然而由于生理条件的差异，每个人在音高、音强、音质等维度上的分布范围各不相同。
归一化就是把每个人在相同维度上的不同的分布范围都作为单位1，其最大值作为100%，最小值为0%。
如甲发音人的音高范围为150赫兹—350赫兹，乙发音人是100赫兹—200赫兹，那么，对于甲来说，350赫兹就是100%，150赫兹是0%；
而对于乙来说，200赫兹是100%，100赫兹是0%。
归一化使不同的说话人具有可比性，为相对化打下基础。
在语言研究上，相对的数值比绝对的数值更为重要，更有意义。
对数据的相对化处理跟归一化处理是相互联系的。
整体归一化的同时，各部分按比例相对化。
如上例中，甲、乙两人都发一个150赫兹的声音，在甲的音高范围里是0%，处在最低限度；
在乙的音高范围里则是50%，位于中部。
实际上相对化就是去掉数据的具体单位，使其成为无量纲的百分数比值。
相对值容易对比分析，便于统计处理。
正如一个音位具有不同的变体，一个语言单位的发音在实验数据上有一定的分布空间。
在归一化和相对化基础上，界定和描写出不同语言单位的分布空间和相互关联，就是范畴化的工作。
同一种语言的发音人，各个范畴的定位特征和相对关系都是对应一致的。
层级有两种意义，一是历史层次；
二是结构层次。
不同层次的成分叠加在一起，常常会掩蔽或冲淡语音的系统性。
因此在分析中就要注意离析不同的层次，在同一层级上才能更清楚地考察各种语言单位的表现特征和变化规律。
（石锋1990）
归一化和相对化的最终目标是系统化。
这里得到的是量化的系统，是可见的系统，是图示的系统，是格局化的系统。
因此，系统化也就是格局化。
经过这样的过程，使语音研究具有可重复，可验证，可统计，可比较的客观分析规程。
从中得到语音的规律和规则，认识语言的类型与共性。
通过语音实验把语音内部各成分之间的相互关系显示为数据和图表，发现和证明语音的系统性。
在这个意义上，格局就是量化的系统，或者说是系统的量化。
马克思讲过：
“一个学科只有成功应用数学，才是达到完美的境地。
”我们应该朝这个方向努力。
四声调格局分析
语言的语音格局一般分为元音格局、辅音格局、语调格局等。
汉语等声调语言还会有声调格局。
汉语的语音格局研究以声调格局的分析为开端。
（一）声调T值的计算
声调格局就是由一种语言（或方言）中全部单字调所构成的格局。
广义的声调格局应该包括两字组及多字组连读的声调表现，那就成为声调的动态分析。
单字调的声调格局是静态的分析，是声调研究的基础形式，是考察各种声调变化的起始点。
利用语音实验取得一种语言或方言的一位发音人的全部单字调的测量数据，例如每个声调取9个测量点。
首先分别对各测量点上的数据分组计算，每个测量点得出一个平均值。
然后可以采用T值公式进行数据的归一化和相对化分析：
（石锋1986）
T=［（lgx–lgmin）/（lgmax–lgmin）］×
5
其中max为该发音人各点平均值中的最大值，即调域上限；
min为最小值，既调域下限；
x表示表示任一测量点的平均值。
取常用对数是使音高的赫兹单位接近人耳的听觉特性。
结果乘以5是为使实验数据跟传统的五度值记调法相对应。
实际上T值公式把不同发音人各自不同的调域进行了归一处理，得出的是某个测量点在该发音人整个调域中的相对位置，这就实现了音高数据的相对化。
计算中也可以采用简化的公式：
（石锋、廖荣蓉1994：
114）
T=［（x–min）/（max–min）］×
图3北京话单字音声调格局图4北京话四个声调的主体分布总图
在一个平面坐标图中把各个声调的T值数据依次标示为坐标点，再用平滑曲线分别把同一声调的各点联接起来，就成为这种语言或方言的声调格局图。
图3是北京话的声调格局图。
采用T值的计算方法得出声调格局图形，可以直观地表现声调的系统特征和相对关系，增强不同地点和不同发音人相互之间的可比性。
（二）声调格局数据的统计分析
在对于大样本声调实验数据进行统计分析中，需要在原有T值公式的基础上做适当调整。
适合大样本声调统计的T值公式如下：
T={[lgx-lg（min-SDmin）]/[lg（max＋SDmax）-lg（min-SDmin）]}×
跟原有T值公式相比，新的T值公式把最小值（min）改为（min-SDmin），即各测量点平均值中的最小值减去该点全部数据的标准差；
最大值（max）改为（max＋SDmax），即各测量点平均值中的最大值加上该点全部数据的标准差。
经过调整的T值公式消除了大样本统计分析中最大值（max）和最小值（min）受到的抑制作用。
原有的T值公式适合于单个发音人的小样本数据处理，调整的T值公式适合于多个发音人的大样本数据统计。
标准差根据一组数据中每个值跟平均值的差异量得出这组数据分布的离散程度，是数据统计特性的重要表现之一。
在声调统计分析中，可以基于各测量点T值数据的标准差来考察每个声调的主体分布。
图４为52位北京发音人的声调主体分布图。
其中，位于中间的曲线由9个点的平均值确定，这就是带状包络的中线或主线；
上方和下方的曲线分别由平均值加减标准差而得到。
每个声调的不同部位的数据分布各不相同。
数据集中的部位发音比较稳定。
依据数据集中的程度可以区分出每一声调的稳态段和动态段，进而可以考察声调的共时变化和历时变化的特点和规律。
（王萍、石锋2009）
（三）声调统计中的偏分布
人们通常假设一般样本的数据都是正态分布。
因此通常是在平均值上下各加减一个标准差的距离作为数据分布的主体范围。
理想正态分布的中位数跟平均数是重合的，如图5上；
实际上二者却常常是分开的，这就是数据的实际分布跟理想的正态分布有不同程度的偏离现象，如图5下。
如何描述和分析数据分布的偏离程度和偏离方向，在语言研究中十分重要。
图5正态分布、偏分布曲线图6北京话四个声调的偏分布总图
为了对这种数据偏离现象进行量化描述，可以采用以下一种简单的计算方法。
设：
N1为小于平均值的数据个数;
N2为大于平均值的数据个数;
D1为N1跟平均值之间的平均距离;
D2为N2跟平均值之间的平均距离。
M为样本数据总数。
得到
N1×
D1＝N2×
D2
N1：
N2＝D2：
D1
（N1/M）：
（N2/M）＝D2：
D1…………………………（3）
即N1与D1成反比关系。
N2与D2成反比关系。
把（N1/M）作为计算大于平均值的数据分布的偏离参数。
把（N2/M）作为小于平均值的数据分布的偏离参数。
就有
N1/MN2/M＝1或N2/M＝1N1/M……………………（4）
偏离参数（N1/M）为0.5表明数据是平均分布；
（N1/M）大于0.5表明数据分布偏向平均值下方；
（N1/M）小于0.5表明数据偏向平均值上方。
再设：
SD为标准差。
（N1/M）×
2SD得到的是数值大于平均值的数据在主体分布中的距离位置。
……（5）
（N2/M）×
2SD得到的是数值小于平均值的数据在主体分布中的距离位置。
……（6）
另外，如果把0.5定位为零点，那么大于0.5就是正值，小于0.5就是负值，变化偏离的方向看起来就会一目了然。
图6是通过计算声调的每个点的偏离参数（N1/M）而得到的北京话四个声调的偏分布总图。
结果表明：
声调数据的偏离表现突出和强化了各自的区别性特征。
相对于动态段而言，稳态段中数据的偏离方向更清晰、偏离程度更显著。
如阳平调稳态段调尾的数据多向平均值上方偏离，突出“高”、“升”特征；
上声调的2/3数据向平均值下方偏离，突出“低“特征，其中稳态段折点处偏离程度最大；
去声的调头和调干各点数据多朝向平均值上方偏离，突出开头的“高”特征，其中稳态段调头的偏离程度最显著。
（王萍、石锋2009）
五元音格局分析
（一）元音V值的计算
元音格局是元音系统性的表现，包括的内容可以有元音的定位特征，内部变体的表现，整体的分布关系等等。
元音格局重在主要元音的表现。
主要元音在音节中可以有各种组合：
出现在单韵母中的元音是一级元音，又称为基础元音；
能够带韵头的元音是二级元音；
能够带韵尾的元音是三级元音；
既能够带韵头也能带韵尾的元音是四级元音。
（石锋2008）
声学元音图的纵轴坐标为线性标度的元音第一共振峰（F1）数据，横轴坐标为对数标度的元音第二共振峰（F2）数据，坐标的零点设在右上角。
每个单元音的发音数据在图上都可以标示为一个点。
声学元音图跟发音舌位图在相对位置上大致对应，又称为声位图。
利用声位图分析元音的格局是很方便的。
首先，舌位高低跟F1密切相关：
舌位高，F1就小；
舌位低，F1就大。
其次，舌位前后跟F2密切相关：
舌位靠前，F2就大，舌位靠后，F2就小。
另外，F2和嘴唇的圆展也有关系，圆唇作用可以使F2降低一些。
我们从中可以直观地考察同一元音音位内部变体的表现，以及不同元音之间分布的相对关系等等。
（见图5）
图5 北京话基础元音声位图（石锋2008）图6 北京话基础元音格局图（石锋、时秀娟2007）
以元音声位图为基础，利用V值公式进行计算，可以得到相对化的元音格局图。
为了接近实际的听感距离，依次将全部共振峰频率值转换为对数性的巴克值（Bark）。
元音V值的计算公式如下（石锋、时秀娟2007）：
其中，V1为某元音第一共振峰的相对值，V2为这个元音第二共振峰的相对值。
B1max表示各元音第一共振峰中最大的巴克值，B1min为各元音第一共振峰中最小的巴克值，B1x表示某元音的第一共振峰巴克值；
B2的情况据此类推。
在V值计算中，一般首先要把频率值做对数性转换，包括常用对数、半音、美标度、巴克等，选择其中任何一种进行换算都可以。
关键是归一化、相对化的计算过程。
元音格局V值与声调格局T值的出发点是一致的。
V值计算的意义是实现元音分析的归一化、相对化。
将每一个元音放在该语言（或方言）的全部元音空间中来考察，得到各元音在元音空间中的相对表现。
从而淡化不同发音人的个性差异，突显同一语言元音系统的共性特征。
（二）元音三维分析图
对于元音声学特性的描写，可以采用三维的方法：
分别将F1、F2、F3-F2作为三维空间的三个维度，即x轴、y轴、z轴。
上文已经讲到F1、F2跟元音发音的对应关系。
圆唇和卷舌两种发音都同样会使第三共振峰（F3）降低，但圆唇作用使F2降低，卷舌作用使F2升高，从而跟F3彼此接近。
所以F3-F2这个参量能够较好地区分圆唇和卷舌这两种发音特征，从而增大元音间的区分度。
（参见图7）
各种元音在三维空间中不同平面（F1/F2、F1/F3-F2）的相对关系存在着补偿性。
主要表现为三种类型：
F1/F2平面上相互距离较小的元音，在F1/F3-F2平面上的距离显著增大；
F1/F2平面上彼此距离较大的元音，在F1/F3-F2平面上的距离反而会减小；
还有的元音在F1/F2和F1/F3-F2两个平面中与其它元音之间的距离都是比较适中，都能形成较好的区别性。
（王萍等2009）
图a图b
图7北京话基础元音三维平面声位图
相对于单纯的二维声学空间，三维声学空间在表现各元音的分布距离及相对关系上能够更有效、更全面地对不同元音进行定位，从而更真实地反映语音的实际表现。
（三）元音格局数据的统计分析
跟声调的统计分析一样，在对于大样本元音实验数据进行统计分析中，需要在原有V值公式的基础上做适当调整。
以第一共振峰（F1）为例，先分别统计所有元音的对数性Bark值中的最大值（B1max）和最小值（B1min），以及这两个Bark值所对应的元音的标准差（SD1max、SD1min）。
分别用B1max＋SD1max代替B1max；
用B1min－SD1min代替B1min。
第二共振峰（F2）也同样处理。
然后，就可以分别计算每个元音F1和F2的平均值、标准差，得到Bark标度的值；
最后，使用调整的V值公式进行归一化，将以上各个Bark标度的值转换为V值标度，画出相对的元音主体分布图。
（孙雪、石锋2009）
总括以上说明，适合大样本元音统计的V值公式如下：
经过调整的V值公式消除了大样本统计分析中位于顶点的元音分布区域受到的抑制作用，更符合实际发音事实。
原有的V值公式适合于单个发音人的小样本数据处理，调整的V值公式适合于多个发音人的大样本数据统计。
采用以上方法分析26种自然语言中的基本元音（见图8），可以看到：
//元音分布区域最小，集中程度最好，是元音发音的基点。
/、/元音分布区域增大。
//的差异主要体现在高低上；
//在前后维上游移较大。
图8自然语言基本元音声学分布图图9北京话基础元音中顶点元音的偏分布格局图
（四）元音统计中的偏分布
以V值公式为基础，同时按照上文所述的偏分布算法，我们对52位北京话发音人的基础元音的顶点元音进行了偏分布统计分析。
北京话元音//的数据偏分布在平均值的前半部分；
元音//的偏分布位于后上方；
元音/y/、/u/的偏分布都位于前上方。
（见图9）
偏分布分析可以使我们看到不同元音数据的偏离方向、偏离位置和偏离程度。
这些定量的表现提供了联系元音共时表现和历时变化的纽带。
//、//、/u/这三个顶点元音的数据偏分布的位置与它们各自的历时变化方向相一致，又可以预示未来的“音变方向”。
//的高化符合“低元音高化”的通则，//的前化符合“后元音前化”的通则。
（Labov1994：
116）//的前化符合发音省力的原则，同时从北京话的元音格局来看，//的前化有利于跟/y/的区别，保持相互之间的音位距离。
（王萍、石锋2008）
六辅音格局分析
辅音是构成音节的重要成员。
元音、声调的发音具有连续性的特点，而辅音则是多具离散性的表现，种类繁多，特征各异。
在辅音的研究中要按类别分为不同的系列，实验的程序方法和测算的指标也各有不同。
总的目标是使各类辅音系列成为辅音的下位子格局。
例如，塞音格局，擦音格局，以及鼻音和通音的鼻音度对比等。
（一）塞音格局
塞音（stop）是最能体现辅音特点的一类音，也是唯一一种所有语言都具有的辅音音类（R.Jakobson1958；
Henton,Ladefoged&
Maddieson1992:
65）。
辅音格局的分析是从塞音开始的。
闭塞段是塞音的重要声学特征，正是因为有了闭塞段才有塞音的名称。
浊音起始时间（voiceonsettime，VOT）是指塞音除阻爆发跟声带开始振动二者之间的相对时间关系。
浊音起始时间对于区分不同类别的塞音是一项有效的参量。
采用塞音的浊音起始时间（VOT）和闭塞段时长（GAP）作为二维平面坐标来构建塞音的声学空间是一种简便的方法。
下图是北京话6个塞音声母的格局图。
（石锋、冉启斌2008）
在塞音格局图上，纵轴表示的是塞音本身的性质，主要反映肌肉紧张程度的发音松紧特征。
横轴表示的是塞音发音方法上的属性，与塞音的带音与否和送气程度相关。
塞音格局图上的音类具有聚集特性，不同类别的塞音能够得到较好的区分；
同时也能很好地体现不同塞音自身的特性。
通过塞音格局可以观察到不同语言及方言各类塞音在格局中的分布特征和变化规律。
在这个基础上，通过分析具体语言，初步可以概括出塞音空间的分布区域参照图。
在这个图上，每一类塞音在理论上各分布在一定的区域范围。
图10北京话塞音声母格局图图11塞音空间中音类分布区域图
（二）擦音格局
擦音是很多语言中都有的音类，在汉语方言中发音部位达到12种（冉启斌2008）。
擦音在声学上突出的特点是能量集中区的存在和能量在频带分布上的分散性。
Svantesson（1986）使用频谱重心（centerofgravity）和能量的分散程度（dispersion）两个参数来构建擦音的声学空间。
为了匹配人耳的听觉特性，计算时先将即时功率谱转换为临界带（criticalband）谱。
在此基础上，可以对频谱重心参数和分散程度参数分别进行相对化。
频谱重心的相对化使用下式：
G=（Gx-Gmin）/（Gmax-Gmin）*100
其中Gmax表示5个擦音中谱重心的最大值，Gmin表示5个擦音中谱重心的最小值，Gx为某个擦音的谱重心值。
分散程度的相对化在形式、方法上均与上式相同，这里不赘述。
图12北京话擦音格局图图13北京话通音声母鼻化度对比图
从普通话5个清擦音的格局图（图11）可以看到，普通话中h[x]的分散程度最大，频谱重心最低；
s[s]的分散程度最小，频谱重心最高。
二者处在格局图的两个顶点位置上，确定了擦音格局图的范围，其他塞音处在这个范围以内。
[x]和[s]的极端性是它们各自特有的声学特性的反映，这是由不同的发音生理状态产生的。
两者发音体的质地、肌肉软硬各不相同，[x]靠软腭和舌面产生摩擦，缝隙面积较大，肌肉柔软，是柔性的摩擦；
[s]是由舌尖和齿龈产生摩擦，缝隙面积较小，骨质较硬，属于刚性的摩擦。
擦音格局较好地揭示了不同擦音各自的声学特性和相互之间的对比关系。
（冉启斌、石锋2009）
（三）鼻化度分析
鼻化度分析是使用鼻音计（Nasometer）对语音的鼻化度（Nasalance）所作的分析。
鼻化度就是语音发音时鼻音化的程度，也就是鼻音能量在整个口音、鼻音能量之和中所占的比例。
鼻化度的计算公式为：
N=100×
n／（n+o）
其中n表示鼻音能量（nasalacousticenergy），o表示口音能量（oralacousticenergy）。
鼻化度不仅限于鼻音的分析。
鼻音又称鼻通音，边音又称边通音。
在元音和通音中普遍存在不同程度的鼻化现象。
鼻化对比度越大，鼻音跟非鼻音的区分越清晰，越明显；
鼻化对比度越小，则鼻音跟非鼻音的区分越模糊，越含混，甚至有可能发生一定程度的音位合流现象。
对北京话通音声母进行的实验结果表明，北京话声母的鼻化对比度较高（见图13）。
考察北京话7个基础元音的内在鼻化度发现：
元音的内在鼻化度高低与发音舌位关系密切：
舌位较低、较前则鼻化度较高；
舌位较高、较后则鼻化度较低。
鼻音与非鼻音的鼻化度之间形成一个断裂带。
鼻化元音则是分布在这个断裂带上。
（石锋、时秀娟、冉启斌2008）
鼻化度数据因语言不同，因人不同，因语体不同，是语言分析的一个重要指标。
汉语语音历时发展的一个重要问题是鼻音的演化。
一些方言中鼻音边音混淆的现象是源于边音的鼻化度增大，其实仍是不自由的条件变体，并不是音位的自由变体。
七语音格局方法的应用
语音格局的观念和方法为语言学研究提供了新的思路，在当代语言研究中可以有以下多方面的应用。
（一）语言变异及演化研究
语言的量化分析使我们能够进行较大样本的语音统计。
语言的系统性和规律性就是以统计概率的形式表现出来的。
当代语言学关注语言在不同社会群体中的变异现象，尤其是系统性的格局化的变异情况。
依据52位北京发音人的较大样本，按性别、年龄、家庭语言环境进行声调数据的分组统计。
发现男女发音的声调曲线具有系统性差异。
老北京人各声调的分布依照年龄段呈现出有规律的分布，显示出北京话声调正在进行中的细微变化。
（石锋、王萍2006a;
b）
通过200位天津发音人的大样本统计分析，得到天津话连读变调的新派跟老派发音之间有系统性的差异。
按年龄段分别对语体差异和使用频度分组统计考察，发现了变化方向和变化速率的量化对应关系。
（石锋、王萍2004）共时语音的年龄差异有可能提供历时演变的轨迹，语音的量化统计使我们容易捕捉到那些正在进行中的语音变化。
（二）语言接触研究
语言接触和方言接触在一定条件下造成语言或方言混合现象。
采用元音格局与声调格局的方法分析湘语和赣语之间的方言接触，发现混合型方言的语音格局的构建、发展和演变是语言内部因素和外部因素共同作用的结果，在两种方言不同语音
升级会员 