主观汉语语言清晰度与客观声学参数C50的关系

采用室内声场仿真软件ODEON获取房间脉冲响应，然后将脉冲响应和消声室录制的语言清晰度测试信号卷积后通过耳机重放，进行汉语语言清晰度主观评价实验，建立和验证了主观汉语语言清晰度得分与客观声学参数C50之间的关系．结果表明：在双耳有差别听闻条件下C50（500～4000Hz）与主观汉语语言清晰度得分之间具有高相关性，采用C50（500～4000Hz）能较好地预测厅堂的主观汉语语言清晰度得分．     

特大型高铁车站候车厅建筑声环境分析

我国新建的高铁车站候车厅体积巨大,对该类超大体积空间的声场特性缺乏深入研究.文中以一候车厅为例,采用现场测量和声场计算机仿真技术,对该候车厅的室内声场参数进行深入分析和讨论.结果表明:该空间混响时间较长,呈现中频较长(达9.21 s)、低频和高频比中频短的频率特性;在该空间中,语言传输指数与早期衰变时间(500和1 000 Hz倍频带)高度相关,而与混响时间(500和1 000 Hz倍频带)的相关性不大;增加建筑界面的吸声量,声场参数得到显著改善;A声级与声源和接收点距离的对数值高度相关,混响时间(500和1 1000Hz倍频带)与声源和接收点的距离无关.在一定距离范围内,声场参数早期衰变时间(500和1 000Hz倍频带)、清晰度(500和1 000Hz倍频带)、语言传输指数与声源和接收点的距离高度相关.候车空间的分布式扬声器系统与旅客的距离需仔细设计,以满足语言清晰度的要求.     

个性化双耳房间脉冲响应对可听化质量的影响

可听化技术是室内声学研究的重要手段。在可听化研究中,为了方便,通常采用非个性化双耳房间脉冲响应（BRIR）来代替个性化BRIR,但这种替代可能在某些方面对可听化质量造成影响。为了研究这个问题,通过主观试验比较个性化BRIR和典型非个性化BRIR（KEMAR人工头BRIR）在可听化质量上的差异。首先,在一多媒体教室内,测量得到六名真人受试者和一个KEMAR人工头的BRIR,并与多种声音素材卷积得到双耳试验信号。然后,采用ABX主观比较方法对由受试者本人BRIR和KEMAR人工头BRIR合成的双耳信号进行试听比较。试验结果表明,受试者能通过音色等因素辨别两者的差异,四种试验信号的平均辨别正确率达到93％。这说明,个性化BRIR对可听化质量的影响是可被感知的。     

汉语平均频谱噪声下的汉语语言清晰度研究

在不同室内声学特性、不同信噪比条件下探讨汉语语言平均频谱干扰噪声及其方向对汉语语言清晰度的影响。汉语语言清晰度测试信号与干扰噪声信号按照一定的信噪比混合,由听音人进行汉语语言清晰度主观评价。结果表明：在汉语语言平均频谱干扰噪声作用下,听音位置的声场特性、信噪比和干扰噪声源方向对汉语语言的清晰度有显著影响;相比于房间声学特性和干扰噪声源方向,信噪比对汉语语言清晰度的影响更为显著;汉语语言清晰度随听音位置声场特性的改善和信噪比的提高而提高,随语言信号与噪声位置分开盼角度的增大而提高。     

对预测教堂内早期声能量衰变的延时耦合空间模型的改进

采用脉冲激励响应的方法对两种不同类型的教堂早期声能量衰变过程进行了研究．结果表明，在Barron模型中耦合效应比声源与接收点的距离影响更大．文中还提出了延时耦舍空间模型．将几何声学引入统计声学来检测扩散场条件，同时通过对声音从声源传播到每个扩散场子空间的延时，修正了关于脉冲宽度的初始条件．基于耦合空间的理论预测与实际测量结果较为一致．     

不同声学边界长空间内声场传播的相干模型

由于长空间的特殊空间尺寸,基于传统室内声学理论所假设的扩散声场分布规律和混响规律在长空间不完全适用.基于几何声学的虚源法可以对长空间的声场的传播进行研究.然而,虚源法建模忽略了长空间中声线在边界多次反射产生的干涉效应.在虚源法的基础上,通过对虚源之间的相干求和,考虑了多次反射形成的无限个虚源之间的干涉效应,并且将各不相同的边界阻抗率加入到模型中,实现了一种预测矩形长空间中声场的传播的复虚源模型.实验所用长空间的墙壁分别是密度板和吸声材料,以模拟不同的阻抗边界.实验采用衰减系数逾量描述数值模拟和实际测量的结果.实验证明了所提理论模型的有效性,所提理论模型的预测结果可以较好地模拟出不同边界长空间声场的衰减趋势,反映出不同频率的声波在长空间中的传播趋势,比基于声线法的软件ODEON的结果更接近实验结果.     

利用虚拟声环境研究教室语言清晰度

教室室内语言清晰度是教室声学研究的重点,而语言清晰度试验是研究教室室内听闻环境最直接的方法.但要找到声环境按照一定规律变化的教室并完成语言清晰度试验,往往很困难.处理教室实测脉冲信号,采用指数衰减法可以构建混响时间按一定规律变化的声环境,而采用噪声混入法则可以获得信噪比不同的虚拟声环境.通过对虚拟声环境下的语言清晰度试验结果进行数据分析,可以获得教室室内最佳混响时间和信噪比的最佳取值,证明了通过构建虚拟声环境来研究教室语言清晰度是可行的.     

计算气动声学进展与展望

本文首先介绍了计算气动声学的起源和研究范畴,然后对计算气动声学早期进展及应用情况进行了简要回顾,主要围绕高精度空间时间离散格式和无反射边界条件这两个关键要素;然后重点讨论了近五年来计算气动声学的研究热点,包括非线性无反射边界条件、非均匀时间步长时间推进方法、适用于复杂几何边界的空间离散方法以及宽频时域阻抗边界条件;最后对计算气动声学的未来发展进行了简略的展望.     

汉语母语听音人的室内汉语与英语语言清晰度比较

采用以汉语普通话为母语的听音人,对模拟仿真得到的具有不同客观语言清晰度参数的声学信号进行语言清晰度主观评价,获得汉语和英语的主观语言清晰度得分,分析比较了它们与语言传输指数STI的关系及其差异.结果表明:汉语和英语语言清晰度得分随STI增大而增加;采用韵律测试字表进行测试时,母语为汉语普通话的听音人听汉语时的语言清晰度...     

QCD因子化框架下Β_s→PP衰变中湮灭图效应

CDF和LHCb实验组对Bs介子衰变中纯湮灭过程的测量揭示了大湮灭图贡献的存在.基于日益精确的B介子衰变测量实验结果,本文在QCD因子化框架下研究了湮灭图贡献的效应,对Bs系统中的湮灭图参数空间进行了拟合,并结合Bu,d介子衰变分析了湮灭图贡献对初态的味道依赖性.在本文得到的参数空间内,Bs→ππ,πK,KK衰变的理论结果与实验数据一致.然而,在目前的理论计算和实验精度下,湮灭图参数对初态味道的依赖性很难被严格辨别,即ΧiA对Bs和Bu,d系统仍可以是普适的.     

一种联合GSC麦克风阵列和MMSE-LSA的语音增强系统

单通道语音增强算法自上个世纪60年代已来有了长足的发展,但由于时频域处理的局限性,目前现有的单通道语音增强算法无法有效抑制背景噪声中的突发噪声成分。突发噪声通常表现为短时、能量强、时频域有纹理特征的噪声,在参数上无法和语音进行有效区分。但对于背景噪声中的突发噪声,其在空间上通常是具有方向性。因此,本文提出了一种联合空间和时频域的语音增强系统。即在语音采集的前端使用GSC麦克风阵列形成波束,使主瓣对准期望语音信号、旁瓣对准突发噪声从而从空间上抑制突发噪声,然后对采集到的语音信号进行时频域语音增强处理。本文选取MMSE-LSA作为时频域的处理算法,因其在保留语音的可懂度、自然度方面有突出的性能。实验表明,该系统可以有效地抑制含有突发噪声的背景噪声。     

汉语语言可懂度客观评价的STI与SII方法实验对比研究

语言传输指数STI和语言可懂度指数SII为当前语言可懂度的两个主要客观评价体系.对STI和SII计算模型和测量结果的研究表明,二者并没有本质上的区别,测量结果的差别也主要是由采用的具体方法不同造成的;STI和SII的汉语语言可懂度主、客观评价关系曲线差别也不大,都可以用来对汉语的语言可懂度进行客观评价.但考虑到SII的测量过程更为复杂,在传统建筑声学等领域的应用也不具有优势,以及ANSI S3.5对测量条件限制的相对宽松可能会带来数据之间的可比性降低等因素,STI更适用于对汉语语言可懂度的客观评价.     

基于形态学的数字助听器单频段压缩放大算法

为改善数字化助听器产品的语言识别,提出了一种单频段压缩放大方法。该方法利用数学形态学方法定位共振峰和频谱包络特征,通过对特征点处增益值进行插值的方法得到放大后的频谱,再利用Fourier变换实现单频段压缩放大。该算法中谱特征定位只需逻辑判断和加法即可实现,其计算量低于同类线性预测编码(LPC)算法。仿真结果表明,该算法对声谱特征点定位完整、准确,放大后谱特征保存完好。言语测试结果表明,该方法相对于传统的多频段压缩放大方法,可提高中重度聋患者的辅音识别效果和噪声背景下的言语识别率,且减小计算量,有实用价值。     

提取耳蜗熵的语音可懂度评价算法

为了提高主观和客观听力条件下语音可懂度的相关度,提出用耳蜗熵值来衡量语音的可懂度。利用提取的耳蜗熵值分段后的语音作为归一化协方差（normalized covariance measure,NCM）的语音可懂度算法的输入,分析高熵值语音段和低熵值语音段主客观相关系数的高低。结果表明,提取的高耳蜗熵值语音段比低熵值语音段对语音可懂度算法与主观评价的相关性高,高熵值语音段携带有更多的语音信息。     

Relationship between Chinese speech intelligibility and speech transmission index in rooms using dichotic listening

Speech intelligibility （SI） is an important index for the design and assessment of speech purpose hall. The relationship between Chinese speech intelligibility scores in rooms and speech transmission index （STI） under diotic listening condition was studied using monaural room impulse responses obtained from the room acoustical simulation software Odeon in previous paper. The present study employs the simulated binaural room impulse responses and auralization technique to obtain the subjective Chinese speech intelligibility scores using rhyme test. The relationship between Chinese speech intelligi-bility scores and STI is built and validated in rooms using dichotic （binaural） listening. The result shows that there is a high correlation between Chinese speech intelligibility scores and STI using dichotic listening. The relationship between Chinese speech intelligibility scores and STI under diotic and dichotic listening conditions is also analyzed. Compared with diotic listening, dichotic （binaural） listening （an actual listening situation） can improve 2.7dB signal-to-noise ratio for Mandarin Chinese speech intelligibility. STI method can predict and evaluate the speech intelligibility for Mandarin Chinese in rooms for dichotic （binaural） listening.     

基于PSOLA算法的语音编码压缩的研究与实现

以时域基音同步叠加 (TD PSOLA)技术和一个全汉语单音节库为合成单元进行汉语语音合成 ,合成的语音清晰度和自然度很高 .但是这样的系统语音库太大 ,不利于在小型设备中实现 ,影响了语音合成的进一步应用 .本文针对此问题 ,在研究A律压缩的基础上 ,采用自适应量化和自适应预测的技术 ,以较少增加合成运算量复杂度为代价 ,对语音库的编码实现压缩 ,使压缩后的语音库减小了约一半 ,大大减小了所需的存储空间 .并且利用压缩后的语音库合成语音 ,基本上不影响合成后的语音质量 ,从而进一步扩展了语音合成的应用 .     

TD-PSOLA技术在汉语语音波形编码合成中的应用

以时域基音同步叠加（ＰＳＯＬＡ）技术和一个全汉语单音节库为合成单元进行汉语语音波形编码合成,针对汉语语音的音高、时长、音强以及音节之间的协同发音效应等影响合成语音质量的主要因素,建立相应音节的声调曲线、时长规则和音节之间协同发音规则等韵律规则,并利用时域基间同步叠加法原理调整合成语音的音高和时长,从而使合成的语音比较清晰自然。     

基于多维度注意力机制和复数Conformer的单通道语音增强方法

为提高被噪声干扰的语音的可理解性和语音质量,针对用于语音增强的深度复数网络对语音复数谱中关键声学特征提取不充分、关联信息建模不合理的问题,提出了基于多维度注意力机制和复数Conformer的单通道语音增强方法(SE-MDACC)。在复数U-Net架构下引入复数Conformer,对语音幅度和相位的相关性进行建模;利用多维度注意力机制,构造更加丰富的特征来增强卷积层的表示能力;在残差连接中加入注意力门控机制强化重构语音的细节信息。实验结果显示,相比于深度复数卷积递归网络,SE-MDACC的客观评价指标语音质量感知评估和短时客观可懂度分别提升15.299％、1.462％,表明SE-MDACC可充分提取语音声学特征并对幅度和相位相关性进行合理建模,有效提升语音质量和可理解性。     

一种改进的适用于数字助听器的基于非线性频率压缩的多通道响度补偿方法

为了改进数字助听器中的响度补偿, 并提高高频部分的语音可懂度, 提出一种基于非线性频率压缩的多通道响度补偿的综合方法。首先, 为了避免语音的频率畸变, 基于语音可懂度进行频谱的多通道划分。然后, 采用一种非线性的频率压缩方法, 将高频部分的声音压缩至患者能听到的低频部分。所提出的非线性频率压缩方法是基于不同频段对语音理解度的贡献占比来改变频率压缩比。最后, 为了实现自适应的响度补偿同时防止传统宽动态范围压缩的固定压缩比降低语音质量, 采用一种随时间可变压缩比的自适应宽动态范围压缩方法。实验结果表明, 相对于传统的宽动态范围压缩和频率压缩方法, 该方法可以改善20%的语音鉴别准确率。