歌聲信號(hào)的共鳴狀態(tài)研究.pdf

1、美聲唱法是一種區(qū)別于其他音樂(lè)流派的優(yōu)美的共鳴唱法。一直以來(lái)眾多學(xué)者對(duì)美聲的研究主要集中在尋找美聲與其他唱法的發(fā)聲方法差異以及頻譜能量分布差異上。本文進(jìn)行了基于源-濾波器模型的音色研究，提取時(shí)域、頻域以及倒頻域三類與共鳴有關(guān)的聲學(xué)特征，并研究這些特征對(duì)美聲歌唱聲與說(shuō)話聲以及美聲歌手與非專業(yè)歌手的分類識(shí)別能力。具體工作包括:
　　本文用基于源-濾波器模型的六種頻譜包絡(luò)提取算法以及正弦模型、諧波加噪聲模型進(jìn)行合成實(shí)驗(yàn)。在基于源-濾波器模

2、型的六種算法中，倒譜類算法不僅提取的包絡(luò)與頻譜匹配度高，而且合成信號(hào)的平均意見(jiàn)得分(MOS，MeanOpinionScore)也相對(duì)較高，但沒(méi)有超越正弦模型的合成效果。若考查全部八種算法，諧波加噪聲模型最好。需要指出的是，不管是哪種合成方法基本都保留了原信號(hào)的音色信息。譜包絡(luò)包含了大部分的音色信息，體現(xiàn)了不同類別聲音的共鳴特性。
　　時(shí)域的基頻微擾、振幅微擾和噪諧比三個(gè)標(biāo)量特征，衡量的是發(fā)聲者對(duì)聲帶振動(dòng)的控制能力。在對(duì)專業(yè)歌手的歌

3、唱聲和朗讀聲的分類實(shí)驗(yàn)中，基頻微擾的分類效果比振幅微擾和噪諧比都好。美聲專業(yè)學(xué)生在歌唱時(shí)可以更好地控制聲帶振動(dòng)的頻率。考察頻域的向量特征長(zhǎng)時(shí)平均譜，和歌聲功率比、歌手共振峰頻率、譜斜率、低高頻能量比等四個(gè)標(biāo)量特征發(fā)現(xiàn):美聲歌曲以及男性歌手有較高的歌聲功率比;美聲歌曲的譜斜率和低高頻能量比數(shù)值較高;歌手共振峰頻率對(duì)美聲、通俗、朗讀的分類效果很差，其他頻域特征的分類效果一般。考察倒頻域的倒譜系數(shù)、梅爾倒譜系數(shù)(MFCC，MelFrequen

4、cyCepstrumCoefficient)以及改進(jìn)的抑制諧波倒譜系數(shù)和抑制諧波MFCC等四個(gè)向量特征發(fā)現(xiàn)，向量特征并不是維數(shù)越高分類效果越好，且在三個(gè)分類實(shí)驗(yàn)中最佳維數(shù)并不恒定。
　　在三類特征中，倒頻域特征的分類效果最好，特別是抑制諧波的倒譜系數(shù)和MFCC。通過(guò)長(zhǎng)時(shí)平均譜可以看出美聲在3kHz附近能量值較大，而在5kHz以上頻段的能量值較小，這也是頻域、倒頻域特征對(duì)不同類別聲音進(jìn)行分類的基礎(chǔ)。將三類特征進(jìn)行組合并重新進(jìn)行分類實(shí)