%%感染了一个学年的语音氛围，自己也做了一些这方面的研究，但仿佛空中架楼，很多基础不是很扎实，而且前晚忽然意识到语音的重要，所以打算一点一点把语音基础知识积累起来，而且为了加深理解和便于复习，特此记录下来，供自己也供语音学习者作为参考，此系列多来自赵力的《语音信号处理》这本书，再加一些自己理解，但写博客是一件很辛苦的事，希望自己坚持下来。
通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息的形式。说话人识别和语种识别是语音识别的两种特殊形式，它们和语音识别一样都是通过提取语音信号的特征和建立相应的模型进行分类判断的，说话人识别力求找到包含在语音信号中的说话人的个性因素，强调不同人之间的特征差异；而语种辨别则要从一个语音片段中判别它是哪种语种，所以尽可能找到不同语种的差异特征。
语音基本声学特性：语音室发声器官发出的一种声波，具有一定音色音调，音强和音长，其中，
音色：即音质，是一种声音区别另一种声音的基本特性；
音调：声音的高低，取决于声波的频率；
音强：声音的强弱，由声波的振动幅度决定；
音长：取决于发音时间的长短。
一 音节
说话时一次发出的，具有一个响亮的中心，并被明显的感觉到的语音片段叫音节。一个音节由一个音素或几个因素构成，音素是语音发音的最小单位，任何语言都有语音的元音（vowel）和辅音（Consonant）。 元音构成一个音节的主干，无论从长度还是能量看，元音在音节中都占主要部分辅音则只出现在音节的前端或后端或前后两端，时长和能量相对都很小。
1.1 元音
元音是当声带振动发出的声音从喉腔、咽腔进入口腔从唇腔出去时，这些声腔完全开放，气流顺利通过产生的音。
决定元音音色的主要因素是舌头的形状及其在口腔中的位置和嘴唇的形状等，元音的一个重要特性是共振峰（Formant），声道可以看成是一个根具有非均匀截面的声管，在发音时起共鸣器的作用，当元音激励进入声道时会引起共振特性，产生一组共振频率，称为共振峰频率或共振峰。
1.2 辅音
辅音包含了浊音和清音。
辅音是呼出的声流，由于通路的某一部分封闭起来或受到阻碍，气流被阻不能畅通，而克服发音器官的这种阻碍而产生的音素为辅音。发辅音时由声带是否振动引起浊音和清音的区别，振动的是浊音，不振动的是清音。
辅音：辅音没有明确的共振峰结构，分为以下几类：
(1)塞音又称爆破音：如普通话中[p]、[t]、[k]、[b]、[d]、[g]。
(2)摩擦音：如[f]、[s]、[sh]、[x]、[h]。
(3)塞擦音：如[z]、[zh]。
(4)鼻音：如[m]、[n]。
(5)边音：舌尖形成阻碍不让气流通过，但舌尖两边有空隙能让气流通过的音，如[l]。
(6)颤音：如[ra]、[r]。
(7)通音，又为半元音或半辅音：通音一般是浊音，性质接近元音，如[w]、[y]。
1.3 半元音
这些音素，虽然声道基本%%感染了一个学年的语音氛围，自己也做了一些这方面的研究，但是仿佛空中架楼，很多基础不是很扎牢，而且前晚失眠忽然意识到语音的重要，所以打算一点一点把语音基础畅通，但某处声道比较狭窄，引起轻微摩擦音，成为半元音。
二 汉语语音学
汉语由音素构成声母和韵母，有时，将含有声调的韵母成为调母，由单个调母或由声母和调母拼音成为音节，汉语的一个音节就是汉语的一个字的音，即音节字。汉语音节一般由声母、韵母和声调三部分组成。
2.1 声母
普通话中二十二个声母分为六大类:擦音、塞音、塞擦音、边音、鼻音、零声母，除零声母外，其他都是单辅音。
2.2 韵母
普通话中38个韵母可以分为三类：8个单韵母，14个复韵母和16个鼻韵母。
（上图均为我在百度搜到的图，和赵力的那本《语音信号处理》中有点不一致，供参考）。
三 语音发音系统
人的发音器官包含：肺、气管、喉、咽、鼻和口，这些器官共同形成一条形状复杂的管道，喉的部分称为声门，从声门到嘴唇的呼气通道叫做声道，声道的形成主要由嘴唇、颚和舌头的位置决定，由声道形状的不断改变而发出不同的音。
语音是从肺部呼出的气流通过在喉头至嘴唇的器官的各种作用发出的，作用方式有三种，第一是把从肺部呼出的直气流变为音源即变为交流的断续流或者乱流；第二是对音源起共振和反共振的作用，使它带有音色；第三是从嘴唇或鼻孔向空间辐射的作用。下图为发音器官的部位和名称：
四语音听觉系统
人的听觉系统是一个十分巧妙的音频信号处理器，结构图如下：
其中1-耳翼 2-颞骨 3-鼓膜 4-锤骨 5-詀骨 6-半规管 7-镫骨 8-前庭窗 9-鼓窗 10-耳蜗 11-耳蜗神经 12-外耳道 13-前庭 14-腮腺 15-内耳道 16-咽鼓管
工作机能想了解的可以自己查查，这里说说听觉系统的一些特性。
4.1 耳蜗对于声信号的时频分析特性
当声音经外耳传入中耳时，镫骨的运动引起耳蜗内流体压强的变化，从而引起行波沿基底膜的传播。从这个意义上讲，耳蜗就像一个频谱分析仪，将复杂的信号分解成各种频率分量。
4.2人耳听觉掩蔽效应
心理声学中的听觉掩蔽效应指，一个强信号附近，弱信号将变得不可闻，被掩蔽掉了，如工厂机器音会淹没人的谈话声音，此时，被掩蔽掉的不可闻信号的最大声压级称为掩蔽门限，在这个阈值以下的声音将被掩蔽掉。下图为一个掩蔽曲线：
