汉语语音清晰度客观评测方法研究

Due to the inadequacies of present speech articulation objective evaluation methods and some related international standards when appling in predicting Chinese articulation. This project is aimed to propose an objective evaluation method of speech articulation for Chinese-STIC(Speech Transmission Index),according to reinforcing the basic research of Chinese speech articulation theories, which can better predict Chinese speech articulation under various kinds of transmitting conditions and provide better references for auditorium acoustics design, public address system and many other speech communication systems. The research includes the study on Chinese diagnostic rhyme test words based on Chinese initials distinctive features; the measuring of Chinese average spectrum and average envelope spetrum; the listening experiments under various kinds of transmitting conditions; the study on mutual dependence and weighting function of frequency bands for Chinese. A computation model will be established and the corresponding Chinese articulation objective evaluation method will be proposed based on the above researches. This work will provide a new physical measure STIC for predicting Chinese speech articulation, and contribute to the development of Chinese articulation basic theoretical system, which has important scientific significance and a broad application.

针对当前常用语音清晰度客观评价方法及相关国际标准预测汉语清晰度表现出的不足，本课题拟通过加强汉语清晰度相关基础理论的研究，提出一种适合汉语的清晰度客观评测方法-汉语语音传输指数STIC（Speech Transmission Index for Chinese）。该评测方法能够较好预测各类复杂传递条件下的汉语清晰度水平，为汉语环境中的厅堂音质设计、扩声系统、语音通讯等语音传输系统的研制提供更为可靠的依据。具体研究内容包括基于汉语声母区别特征设计汉语清晰度诊断押韵词及改进清晰度测试方法；测量汉语平均频谱和平均包络谱；复杂传递条件下汉语清晰度听感实验；汉语清晰度频带交互度和权重函数研究。在此基础上建立汉语语音传输指数STIC的计算模型和汉语清晰度客观评测方法。该项工作为汉语清晰度评测提供基于汉语自身特点的新方法，同时又可以完善汉语清晰度的基础理论体系，具有重要的科学意义和广泛的应用价值。

语音清晰度是衡量语言传输系统性能优劣的重要指标，然而当前常用的语音清晰度客观评价方法-语言传输指数STI以及相关国际标准评价汉语语音清晰度存在一定的不足与缺陷，因此本课题的研究目的就是通过加强汉语清晰度相关基础理论的研究，提出一种适合汉语的清晰度客观评价方法，为汉语传播环境中的厅堂音质设计、扩声系统、语音通信系统的研制和验收提供可靠的依据。课题的主要研究内容有：(1)不同声传递条件下的汉语知觉特性。结果发现声母的主要知觉特征是舌的发音部位(摩擦部位)和送气-不送气，其中舌的发音部分是声母最重要的知觉特征；韵母的主要知觉特征是起始部分元音的舌位。声母的清-浊特征和韵母的韵尾在混响环境下对语音知觉几乎不起作用；（2）通过大量不同声学传递条件下的汉语清晰度主观听感实验，论证了语言传输指数STI评价汉语清晰度的失效性，并建立了汉语语音清晰度与语言传输指数STI的关系；（3）对语言传输指数STI算法模型中的权重系数进行优化，得到一组更适合评价汉语清晰度的权重系数，该组系数预测的汉语清晰度得分与实测汉语清晰度得分的标准差达到5%以下。（4）测量了汉语语言谱窄带噪声的向上掩蔽效应，结果发现相邻倍频带的向上掩蔽斜率会随着掩蔽声的声压级以及掩蔽声的频率的提高而上升。但是掩蔽斜率变化范围不明显，并没有随着掩蔽声声压级和频率的变化也产生很大波动，掩蔽斜率的范围约为30dB~35dB/octave。（5）得到了混响和噪声对汉语语音清晰度影响的等效关系，建立二者的等效函数关系。（6）研究了声学头模对语音清晰度测量的影响。客观测量结果发现有头模的双耳测量模式下声源位置对STIPA的影响显著，左右耳STIPA均随声源位置的变化而变化，且左耳和右耳STIPA的变化规律差异明显，无头模的单只传声器测量值更接近左右耳结果较差的劣势耳结果。主观听感实验表明，双耳听闻条件下，语声源和噪声源位置重叠的听感清晰度最低，声源分离可以显著提高听感清晰度。主观听感清晰度与无声学头模常规STIPA的相关性较差，加入声学头模后的STIPA与听感清晰度拟合度较高，单侧耳STIPA可以很好的预测单侧耳清晰度的变化规律，而双耳听感清晰度与左右耳STIPA较高值的变化规律相一致。（7）初步建立汉语语音清晰度客观评价方法。