第五章 元 音.docx

1、第五章 元 音第五章 元 音第一节 | 第二节 |第三节 |第四节 | 第五节 | 第六节 | 第七节元音是一种准周期信号，由于它在音节中长度和强度上占有较大优势，因此一直成为语音学家和言语工程专家研究的重点。本章将着重介绍元音的产生理论、生理属性和声学特征，希望能对元音的客观特征有一个较为完整的描述。此外还将对元音的感知特征人的听觉系统对语音客观特征的主观反应作一介绍。 第一节 元音的舌位模型 从生理观点看，气流从一开一闭的声门通过，成为浊音流，经过咽腔、口腔、鼻腔的共鸣（而非阻塞和节制）就产生了元音。在声腔的调音作用中，最活跃、最积极的是舌头。因此早期人们对元音的研究，也是首先将注意力集中

2、在舌头上。 Bell- Sweet 模型1867年，AMBell发表了名署可见语言 （Visible Speech）。提出了划分元音的一整套标准，这就是舌头位置的高度维和前后维。在高度维上分为高、中、低，前后继上分为前、央、后。这样就形成了九个“基本”舌位（见图）。此外，Bell还增加了另外两个描写元音音质的因子：唇开展（也称为圆唇展唇）和咽宽度。1877年，Sweet 发表了语音学手册 （Handbook of Phonetics），修改和推广了 Be11 的模型，使之能区分72个元音。这就是语言学史上有名的Be11- Sweet理论。这个理论只讲舌头位置而不讲听觉感受，他们认为人们有能力根

3、据对调音 器官肌肉的感受来辨别各个元音，后来人们把这一理论称为“本体感受论”。很清楚，Be11- Sweet在描写和划分元音的类别方面主要依赖于他们对舌位的感觉，因之，这一理论完全是建筑在调音器官动觉感受基础上的，与听觉感知无关。Be11- Sweet模型是一种三维（舌位的高低，前后和唇的圆展）在元音的X光照片上测量舌位有两种方法，一种是测量舌头隆起最高点的位置，另一种是测量上腭与舌背所形成的最狭窄点。这两种方法的最大差别是在前高元音的前后位置有所不同，前者使i、y偏央；后者使、y居前。我们认为后一种测量方法比较接近元音的产生理论，这将在下一节加以论述。 收紧点槽型声道收紧点模型早期是由Ste

4、vens和House（1955）提出来的，他门写道：“通过X光研究发现，当发元音时，声道空间主要受控于舌头收紧点的位置和收紧点的程度。”由这点出发，他们用三个参数来描写声道的形状有为其面积变化，这三个参数是：收紧点位置d，指由声门到声道最狭窄处的距离（）；收紧的程度r是指该处声道面积的半径（）；A / l ，是出口处的 面积和长度的比值，这一比值也可用来说明唇形的圆展度。图52为Stevens和House三参数收紧点模型的图示，图中的左端为声门，右端为出口处，A、B、C、D、分别相当于四个不同的元音。Stevens和House利用这个模型计算了元音共振峰的变化。Wood（1979）根据这一模型

5、将元音区分为四大类：（）硬腭元音码l和y（）软腭元音uU和i（）上咽元音o和 （）下咽元音a 再根据一些附加条件，如收紧程度、开口度和圆唇度等可将所有元音区分开来。声道面积函数逼近声道面积函数A（x）是指声道由声门至唇轴线上各点的面积A，因此可以认为是声道长度和形状最完整的描述。此外声道面积函数还可用来计算元音共振峰频率和带宽；27是沿声道长度轴线上的测量点（x），图（B）是七个测量点上的面积A。假定我们沿轴线逐点测得其面积，最后就得到一幅该声道的面积函数A（x），如图53（C）所示，图上纵轴代表面积A ，单位是平方厘米（2）；横轴是声道长度（x），单位是厘米（）。声道轴线上的测量点数原则上是

6、越多越能逼近真实的形状，但在实际应用中要根据计算所需要达到的精度来确定。如要计算头五个共振峰的数值，至少需要十个点的面积函数。图53（D）是该声道的阶跃式面积函数。由图53可知，推导面积函数首先要确定测量点，测出该点的横截距离d，这一步很容易在普通的元音X光照片上取得。由d到A的计算，一般都果用指数函数的形式，A =axb，其中x就是d。由于声道的不同部分有不同的面积形状，因而这个指数函数中的系数a和幂b也是不一样的。在我们的实验中，采用图54中第2号发音人的X光照片。面积变换中的a、b数值见表51。根据这些数值计算到的面积函数见表52。第一测量点是双唇张开的面积，是按椭圆形公式Aab求值的，

7、a为唇高度h的一半，b为两个唇角直线距离的一半。第18个测量点是声门，其间等分声道为17段。第五章 元 音第一节 | 第二节 |第三节 |第四节 | 第五节 | 第六节 | 第七节第二节 普通话单元音的生理分析 舌位分析普通话单元音调音器官的生理特性已得到了初步研究（鲍怀翘，1984），图54和55分别是四个发音人的普通话九个单元音的调音器官X光矢状面图和腭位图。其中1、3是成年男性。2、4是成年女性。在舌位分析中，舌高点的定义是“口腔中上腭与舌头隆起构成的最狭窄点”。这个定义既不同于“收紧点”，也不同于“舌头隆起最高点位置”。前者允许在咽腔中山现收紧点，后音会使前高元音l、/y等舌位移向硬腭

8、中部。表53是普通活的元音的舌高点数据，表中第一横项中的数字1、2是发音人的序号，第5号发音人（女）的材料公布在周殿福、吴宗济（1963）的普通话发音图谱中。每一个人有两行数值：原始和规整。 原始值是实测值。它是恨据发音人的真实发音器官X光照片测到的。这里的“前后”是指舌高点至门齿的距离；“高低”是指舌高点处上腭与舌背的距离。以舌高点“高低”为纵轴、“前后”为横轴就得到普通话单元音的生理舌位图（原型）。见图56。在这个图上我们可以看出各元音音位互相叠接、穿插，如 / I / 和/ y / 混在一起，u、/x和/o/的混淆更为严重。假若我们考虑到这些数据的性别差异和个人声腔差别，并对此进行规整处

9、理，舌位图上音位之间的叠混现象就会改观。规整方法：首先求出每个发音人每项特征（舌高点的前后和高低）的比例因子（或称修正因子）R，然后用比例因子去修正原始数据： 式中I为发音人个数，5个发音人i1，2，5；j代表特征项，j = 1 为舌高点高低，j=2为前后；k为元音，如k=1 为/ i /，k= 2为 /u / ，等等。因此 就是第i位发音人某个元音（k）的某项特征（j）的数值, 是 的规整值。 为某个发音人某项特征九个元音的平均值，Y1是某项特征五位发音人的平均值。根据式（51）计算了五个发音人两项舌高点特征的平均值和它们各自比例因子R ij，见表54。表53规整栏中的数值就是经由比例因子修

10、正后得到的。X 的元音舌位图（图57）显示出，经规整后各元音的位置相对集中了，i和/y在前高的位置上，且/i的舌位高于y；e处在居中地位；a处在三角形的顶尖上；/u、/和o虽然仍聚在起，但仔细分析还是能分开的，/前于u、o是合理的；而u也略高于o。 舌尖元音/和/是 普 通 话 语音的特点之一。由图54可以看出，舌 尖元音的舌形特点是舌尖上举接近齿或硬腭前缘。舌面形状分两类：一类是舌面中部下凹、两头上翘，成为鞍形；另一类舌面基本上是平的。这种差别可 能皮映了X光照相时所选择的时间差异，在X光照相实验中，让发音人发ts和t，延长元音发音，操作人员凭听感来控制电钮，选择的时刻靠前，就拍到了马鞍型；

11、选择的时刻靠后，得到的是平面型。我们认为由马鞍型过渡到平面型反映了舌尖元音真实的舌位。以图54中的马鞍型而论，的舌尖位置比偏前，而从舌面后部（或舌根）的位置看，比前，因此的咽腔比宽。舌尖元音的这种舌位特点可称之为双高点（或双焦点），即使是在平面舌形中，山于上腭呈圆弧状，因而在齿龈和软腭部位形成了两个“狄窄点”，所以“双高点”的说法对平面型舌尖元音也是合适的。舌尖元音的这种特殊舌形将在声学特征（共振峰频率）上得到相应的表示。元音舌位图的另一种画法是“重迭法”。所谓重迭法就是将各元音的X光照片以硬腭为基准重迭在一起，勾划出它们的舌轮廓线，每条轮廓线上的舌高点就会显示出一幅元音舌 位图，如图58。上

12、面的舌高点数据和元音舌位图说明：一定的元音有其典型的和平均的舌位。这种舌位大体与听觉位置一致。我们对实侧舌位的要求不能太苛刻，只要它们排列的方向和次第正确就可以认为舌高点模型（及其测量方法）是合理的。个人之间的差别应该是允许的，正象音位存在变体一样，舌高点也存在着“个人”的变体。下颌开度上、下门齿间的距离被定义为下颌开度。发音时，下颌是运动的，开度是变化的，那末下颌开度与元音舌位的高度有什么关系呢，很多学者对此作了专门的研究。 Lindblom 等（1971）通过瑞典语发音的测量证明颌骨的开度与元音直接有关，通常认为“闭”元音是以小的颌骨开度为特征的，而作为“开”元音的有较大的颌骨开度。在模型

13、的研究中，保持别的调音器官参量不变的条件，仅仅改变颌骨开度，可以造成元音开口度变化的效果。所以说，颔骨运动对元音发音是直接有关的。我们感兴趣的是普通话元音的下颌开度跟舌高点高度的关系。我们在元音X光图上，在测量舌位数据的同时，也测量了下颌开度，测量到的数据汇总在图59中。图中1、2 5代表五位发音人；曲线的位置越高代表下颌开度越小，反之则越大。我们可以看到，通常认为的高元音（闭元音）下颌开度小，而低元音a具有最大的下颌开度。从平均值上看，与舌高点高度的平均值几乎是完全吻合的。由此我们认为，在正常（自然）发音条件下，下颌开度能够反映出元音音色的变化并能表征元音舌位的高低。 唇形比铰a唇突度。唇突

14、度指门齿至双唇外侧线的距离。五位发音人的唇突度表明（图5 10），它们没有明显的规律。从平均值看，各元音之间的差别甚微，因此唇突度对区分元音圆展的意义是不大的。b唇开度。 唇开度是指双唇垂直维上的距离。距离大说明上下唇的开度大，距离小就是开度小。图511是普通话五位发音人的唇开度比较。从这张图上可以看出，高元音的圆展对立很明显：圆唇元音开度小，展唇元音开度大。从平均值上看，也是展唇元音大于圆唇元音。 第五章 元 音第一节 | 第二节 |第三节 |第四节 | 第五节 | 第六节 | 第七节第三节 元音产生的声学理论 元音的产生过程可分为三个部分：声源e（t）、声道的传递特性 h（t）和辐射阻抗r

15、（t），最终成为元音s（t）： s（t）= e（t）* h（t）* r（t）s（f）= E（f）H（f）R（f）上式表示时间域的运算，下式为频率域的运算，因此S（f）是元音时域信号s（t）的频谱，两式等号右边各项都一一相当。图5.12是元音产生的图解，底 部 一 行 （从左到右） 分 别为 E（f）、H（f）、R（f）和S（f）。本节要详细讨论这些成份的特性及其对元音音质的影响。 声源频谱对元音声学特性的完整描述，不能不涉及声门声源的频率特性，因为它极大地影响元音的色彩。至于声带在第三章中已介绍了它的生理特点、振动形式及振动机理。现在讨论它的频率特性。声带振动时，由声门喷射出一个个气流脉冲，见

16、图513（A）。它的重复频率及其波形对声源谱是非常甩要的，前者决定了声源谱各分量的间距（即基频），后者决定了各谐波分量的振幅模式。a理想声门气流波形及其频谱。图513（A）是一幅理想声源波形，图513（B）则是其频谱。基频为100Hz（周期T0=10ms），即第一条谱线为100Hz，各分是的间距也就是100Hz。各分量（谐波）的振幅从低频到高频，依次递减。这种下降的振幅所形成的包络线是一条斜线，其倾斜度叫“斜率”。它是以每倍频和加（）或减（）多少分贝来度量的，若这条线是下降的，那就用一分贝倍频程（dBoct）来表示。表5 13中的理想声源谱是以12dBoct，为其特征的，即每增加一个倍频程，

17、振幅减少12dB。这种理想声源谱往往成为声源滤波器理论讨论的基础。b由声门波形参数计算声源谱。一般说来，声门波的形状唯一地决定了声源谱的特性（斜率）。Sundberg 和Gauffin（1979）提出了由少是的波形参数计算声源谱的简便公式。图514是声门波形（A）和它的声谱（B），声门波形参数S是关闲相的时长，它决定了关闭相的斜率，时长越短斜率越大，时长越长斜率越小；Te是闭合相长度，一般说它与密切相关。Te越长则Se越短；Te是周期时间。由此诸参量可计算出该声门波的谱斜率Mv：Mv4.517log(SeT0/Te)式（53）表明，Te值越大或Se越短，那末声源谱斜率就越小，这意味着声额谱包络

18、线的斜度很小，因此高频分量将有较大的能量，整个谱的宽度也会增大。反之，Te很短，甚至根本不存在，那末Se将会根长，此时的声源谱斜率将会很大，高频能量很快衰减，使频谱宽度缩窄。一般说，嗓音宏亮、悦耳，它的声源谱斜率一定比较小；声带发生病变，声带在振动时闭合不全，此时Te段很短而Se段很长，于是声源谱斜率很大，高频分量衰减很快，听起来就会有干瘪和沙哑之感。式（53）还可以预测，当基频提高时，由于的缩短，因而声源谱斜率Mv也会变小，相应地使高颇分量得到增强。与此相关的是发声力度提高时，Ps也会增大，必然地引起基频的提高（即周期T0缩短），因此也会使斜率变小。一个真实的声门波形和它的频谱当然不会像图（

19、53）那样。真实的声源谱各谐波分量的振幅是参差不齐的，如图（B）所示，图中的谱斜率虽然是12dB，但它是由平均各谐波振幅与这一条斜线的差值得到的声源频谱特性（及其相应的声门波形）对元音合成是至关重要的，处理不好就不像人的声音。其次对歌唱发声、嗓音病理的研究也是很重要的，它能告诉我们嗓音质量的好坏，因此除了语声工作者外，声源特性的研究也为声乐界和医学界所重视。 第五章 元 音第一节 | 第二节 |第三节 |第四节 | 第五节 | 第六节 | 第七节第四节 元音声学分析 元音共振峰的定义及计算方法共振峰这个词的本义是指声腔的共鸣频率，因此广义而论，它既适用于元音也适用于辅音，但通常是指以声带振动为

20、声源、有严整谐波结构的元音和响辅音。在元音（和响辅音）产生中，以12Db/oct。为特征的声源谱（见图512）经过声腔的调制，改变了原来的谐波振幅关系，它们不再随频率的升高而依次递减，而是有的加强了，有的减弱了，形成有起有伏的新的包络曲线，曲线的峰巅位置被定义为共振峰，因此，共振峰与上面提到的声道共鸣频率是指同一个东西。就元音来说，头三个共振峰对元音音色有质的规定性，其中头两个共振峰，F1和F2，对舌位、唇形的改变特别敏感，因而在语音学上常常以、F2的数值作为描写元音音色的依据。现在介绍共振峰频率测量方法。以频率为横轴轴）、振幅为纵轴（Y轴）的二维声谱图上，已有的共振峰由三条谱线（即三个谐波）

21、组成，见图518。按“权重中心”的定义，那末共振峰的位置应偏离到次强谐波一边，如中心线（AF）所示。中心线两边两个三角形的夹角是完全相等的，按吴宗济（1964）的推导，计算共振峰F的公式为：F = = 0d1/2d2 其中为最强谐波频率，为最强谐波与共振峰的距离（OE），图上EI等于d1、JG等于d2， 0为基频。由式（58）可知，当JG与EI相等时，DE（或HI）就等于1/2 0、由于F小于、所以F=；当最强谐波两侧谐波的幅值相等时，F与重合；当JG的方向换到右边时，F= 。在三维语图上，共振峰表现为色泽较深的“共振峰横条”，它们在频率轴上由低到高依次排列，最低一条为F1，依次为F2、F3。

22、共振峰横条一般比较宽（在300Hz带宽滤波器条件下），横条的中线就是共振峰的频率值。当两个共振峰频率间距小于150Hz时，它们就会落在同一横条上，一般采用中线频率加减75Hz来区分。如中线频率为1000Hz，那末F1、=925，F2=1075。吴宗济（1986）提出计算合峰型共振峰频率的方法是：横杠下缘的频率（）加上150Hz即为F1；横杠上缘频率（ H）减去150Hz就是F2，见图519元音共振峰在频率轴上排列的形式称为“共振峰模式”，元音音色不同，其模式也不一样。图版51是普通话单元音的共振峰模式图，在这张图上，粗黑条为共振峰，一 般 说，后 圆唇元音的F1、F2靠得较近，与的距离较大；前

23、展唇元音的F1、F2分开的距离较大，而F2 、F3之间却彼此靠拢。在所有的元音中，要数/y/元音的F2 、F3靠得最紧。上面提到的两个共振峰很接近的元音，它们的共振必就会发生合并现象。在测量元音共振峰时，我们必须要牢记这些模式，否则 会 将/ a /的F1、F2峰误认为是 F1，把 F3当作F2，由此将会引出错误的判断。方法示意图（引自吴宗济，1986） 它是以共振峰巅值以下3 d B处的宽度来定义的，因此又叫半功率带宽。从语音产生理论上说，Bn的大小取决于声道内声波传递的损耗，如热损耗、唇端的轴射损耗、声门与气管结合损耗，此外还有粘性损耗和腔壁振动引起的损耗等。一般说，共振峰带宽与元音音质无

24、关而与共振峰的次第有关，B1最窄，B2次之，。据Dunn（1961）的报道，美国英语元音共振峰平均带宽为：B149.7。B2=64HZ，B3= 115.2 Hz。在语音描写中，除了鼻化元音低共鸣以较宽的带宽作为特征外，一般是无意义的。共振峰带宽的最大用处是作为元音合成时的一个参量，特别是串联共鸣型语音合成，共振峰的带宽与振幅互相制约，当带宽被确定，振幅也就自动被选定了。共振峰的第三个参数是振幅，共振峰振幅Ln代表共振峰的能量，它对音色有一定的影响。Fant（1956）提出由共振峰频率和带宽预测声谱包络L（）和共振峰振幅Ln的算法：（59）式中F、B分别为共振峰的频率和带宽。当F时，则（510）

25、由式（510）可以看出L和B存在一种反比关系，即带宽越宽振幅就越小。 声学元音图a目的和标准。利用元音舌高点的位置可以绘制成元音舌位图，那末能否利用共振峰频率绘制声学元音图（或称之为元音共振峰图）呢？回答是肯定的。但是在具体讨论绘制方法以前首先必须明确绘制声学元音图的目的和标准。Eli Fiischer-Jrgensen（1958）认为这样的元音图应成为能安排某一特定语言音位及其变体的声学空间。元音是一个复杂的声学结构，有各种特征参量可供利用。各种方法都尝试过了，选择这个或那个标准必须来自外部。在一个声学元音图上，音位及其变体的彼此叠接在某些语言中本来就是存在的，这些音位之间的交叉在实际交谈中

26、，受到前后语音环境的制约是不会引起歧义的；但是在相同环境中不同音位的变体彼此重叠说明这个声学空间是不合适的。我们的目标不仅要选择对一种语言，而且是对世界上所有语言都适用的声学空间。此外。还要考虑在声学元音图上音位及其变体之间的距离大致要和听觉距离相一致。提到听辨标准，问题更复杂一些了。在深入研究了元音的声学特征之后，我们发现有的语言中，音位之间的差别不在共振峰频率值的大小，如彝语、景颇语和瓦语的元音紧松对立或瑞典语的长短元音的对立等等。因此要求在一 张平面的元音图上（只有两个轴：x轴和y轴）使所有的元音声学特征都得到反映是不可能的。有人建议构筑三维声学元音图，即除了x（F1）、y（F2）两个轴

27、线外，再增加一个z（F3）轴，使之成为一个立体图，像Ladefoged主张元音舌位图增加圆唇唇轴，使舌位图成为一个立体的舌位空间一样（图520）。但是不管是生理的（舌位）还是声学（共振峰）的三维空间元音图，谁都没有认真对待过。 图520 三维生理元音图，长度维开度所以我们选择声学元音图的标准首先只能考虑元音宽度维前后，高度维圆展的主要声学特征，这些特征在区别世界上所有语言 （引自Ladefoged，1967）的元音系统方面起主要作用；其次，我们要恰当的选择标度以利于与听辨距离相一致。第五章 元 音第一节 | 第二节 |第三节 |第四节 | 第五节 | 第六节 | 第七节第五节 复合元音的声学分

28、析 复合元音是指一个音节核中有两个或三个目标元音，“当念复合元音的时候，口腔或舌头不是不变的，而是从一个元音滑到另一个元音的地位上去，两个（或三个）元音成分的分量（发音器官司的紧张度、响度，有时还跟高低、长短等有关系）往往不相等，只有一个成分特别显著”（罗常培、王均，1957）。本节将从声学的角度对复合元音进行剖析。 复合元音的性质复合元音从性质上可分为真性和假性炳大类，真性复合元音是指两个目标元音在语图上各自有较长的稳定段，两个目标值之间的过渡段却显得较短。与此相呼应的是在音强曲线上常常出现两个峰值，因此曲线呈马鞍形，或虽只有一个峰值，但在峰值之后有一段相当强的延续。瓦语和藏语阿里方言中的二

29、合元音是真性的，它们的语图见图版52。假性二合元音有两个目标位置，按它们在长度、强度上的差别又可分为前响二合元音和后响二合元音。以普通活为例，前响二合元音ai、ei、ao、ou的最佳时长比值为6 ：4；后响二合音ia、ie、ua、uo和ye的比值为4 ：6 （曹剑芬、杨顺安，1984）。在强度曲线上，峰值位置落在最响亮的那个元音位置上。从元音共振峰模式上看，它们处在滑动中，一般很少有稳定段，只有后响二合元音的后一元音有可能存在稳定部分（见图533）。真性、假性二合元音在一定条件下可以转化，也可以出现一些变体。图版52中藏语阿里方言的ia在平调中呈现典型的真性，在升凋中，i-的稳定段短了些而过渡

30、段却长了点；普通话中，假性二合元音在某些条件下也可能转为真性，如图版53ia的上声“嗲”和俩，i、a两目标元音都有较长的稳定段，在振幅曲线上，也有两个峰值。 二合元音与三合元音从音节核中元音的个数上可区分为二合元音和三合元音。普通话三合元音有4个：iao、iou、uai、uei。三合元音只有假性而无真性，即三个元音中只有居中者最响亮，两头的比较弱。从长度上看，三个元音的最佳长度比为4 ：4 ：2（曹剑芬、杨顺安，1984）。图533为普通话复合音元音共振峰模式（A）及其声学元音图（B）。在声学元音图上，可用一条近似直线将二合元音的两个端点联结起来。三合元音有两个端点和一个折点，通过三点可以构成

31、一条折线，折点就是三合元音中最响亮的目标位置，也就是主要元音。 介音问题 普通话的三合元音中，第一元音被称为“介音”，一般认为这是个半元音，如iao、iou中的i-和uai、uei中的u-。介音（半元音）的特点是时程短、音量弱，其声学表现主要是F2的变化速率快。所谓变化速率是指F2频率变化的差值与延续时间之比，用来表征。如半元音的时长为50ms，频率差值为600HZ，那末=6005012 HZ。F2由高变低称为“压速率”，由低变高称为“负速率”。据任宏谟（Hongmo Ren，1986）报导，普通话iao中i-的F2变化速率 =10.9 HZ，iou中的i-为11.6 HZ, uai中的u-为7.62Hz，而对uei的韵,他相应的分析了ei、uei和tuei三个音节,得到ei中e-的 =-3.39 Hz，uei中u-的=-13