共振峰是声音频谱中能量集中的区域,通常与发声系统的共振有关。在声学语音学中,共振峰主要用于描述声道如何塑造语音。共振峰的频率、带宽及其随时间的变化,为研究元音、某些辅音以及个体嗓音提供了重要信息。前两个共振峰通常称为 F1 和 F2,对区分元音音质尤为重要。
声学基础
语音由声源与声道声学特性的相互作用产生。发浊音时,声带振动产生近似周期性的声源,其中包含基频和一系列谐波。喉部上方的腔体,包括咽腔、口腔,有时也包括鼻腔,会选择性地增强或衰减不同频率区域的能量。
这一解释称为语音产生的源—滤波器理论。在简化的频域表示中,
其中, 是向外辐射的语音频谱, 是声源频谱, 是声道传递函数, 表示唇部的声辐射。 中的共振通常会在频谱包络上形成较宽的峰。
“共振峰”一词有两种密切相关的用法:
- **频谱中的突出区域:**观测到的声音频谱中,能量相对较强的区域。
- **声道共振:**滤波系统本身的一种特性,无论它是否在某次录音中形成易于辨认的峰。
在精确分析中,应当区分这两种含义。观测到的频谱还取决于声源、录音条件以及各共振之间的相互作用。因此,估算出的频谱峰不一定与声道共振完全重合。
频率、带宽与幅度
共振峰按频率从低到高依次编号为 F1、F2、F3 等。其频率通常以赫兹为单位。
每个共振峰还有一定的带宽,用于描述共振所覆盖的频率范围。对于与其他共振充分分离的共振,通常以功率降至峰值一半处的两个频率之差来测量带宽;这些位置约比峰值低 3 分贝。声学阻尼越大,共振峰就越宽,峰形也越不尖锐。
共振峰的幅度并非仅由共振决定,还取决于声源在邻近频率处的强度、其他共振的影响以及声辐射。
共振峰与基频
共振峰不同于基频,后者通常记为 。在浊音中, 主要与声带振动的重复速率有关,是感知音高的主要声学对应量之一。共振峰频率则主要反映声道的形状和尺寸。
因此,说话者既可以用不同音高发出大致相同的元音,也可以用大致相同的音高发出不同的元音。语调和声调主要涉及音高模式,而元音音质则在很大程度上取决于共振峰模式。
周期性声源的谐波频率约为 的整数倍。这些谐波相当于对声道塑造的频谱包络进行采样,本身并不是共振峰。当 较高时,谐波间距较大,使其背后的共振更难估算。这一点对于高音歌唱和某些儿童嗓音尤其重要。
声道形状与元音音质
发音动作与共振峰频率之间的关系,是语音学的核心问题之一。对于许多口元音,F1 和 F2 可以有效地近似描述其音质。
| 声学模式 | 常见的发音关联 |
|---|---|
| F1 较低 | 元音舌位较高,开口度较小 |
| F1 较高 | 元音舌位较低,开口度较大 |
| F2 较高 | 元音舌位较靠前 |
| F2 较低 | 元音舌位较靠后,圆唇往往会进一步降低 F2 |
因此,用国际音标书写的元音 [i] 通常具有较低的 F1 和较高的 F2。元音 [ɑ] 的 F1 一般要高得多,而 [u] 通常具有较低的 F1 和相对较低的 F2。
这些只是总体上的对应关系,并非对舌位的直接测量。共振峰取决于整个声道的构形,包括收窄的位置与程度、唇形以及各腔体之间的耦合。圆唇会增加声道的有效长度,并改变唇部开口,因此往往会降低多个共振峰的频率,但具体影响取决于其他发音条件。
F3 及更高的共振峰也包含有用信息。F3 降低是许多带 r 色彩的元音实现方式的重要声学特征,英语一些变体中的此类元音也不例外。较高的共振峰有助于形成音质和说话者之间的差异,但它们的意义不像常见的元音高低、前后维度那样容易概括。
均匀管近似
一种简单模型将声道视为声门端封闭、唇端开放的管道。其理想共振频率为
其中,, 为声速, 为管长。
对于长约 厘米的管道,该模型预测的共振频率约为 、 和 赫兹。这些数值展示了近似均匀管道所预期的共振频率间距,并不是所有元音通用的目标值。真实声道的横截面积并不均匀,还存在声学损耗,其边界条件也偏离理想模型。
动态模式与其他语音
共振峰在言语过程中不断变化。其变化轨迹往往包含单次测量无法捕捉的信息。
双元音通常涉及元音空间中的移动,表现为 F1 和 F2 的变化。即使是单元音,也可能由于协同发音、说话风格或相邻辅音的影响而出现明显变化。
共振峰过渡是指语音片段交界附近的共振峰频率变化。它们为识别辅音提供线索,包括判断其发音部位。例如,F2 和 F3 过渡的方向与时序有助于区分塞音。对这些过渡的解读取决于相邻元音及其他声学线索,而不是某个固定的目标频率。
近音及其他响辅音也具有特征性的共振峰模式。涉及侧向腔体或鼻腔的语音,其频谱可能比普通口元音更为复杂。
鼻腔耦合与反共振
发生鼻化时,鼻腔与口腔声道形成声学耦合。这会引入额外的共振和反共振,后者是指能量受到强烈衰减的频谱区域。原有共振峰也可能变宽或发生位移。
因此,用于口元音的简单共振峰模式,并不总能充分描述鼻化元音。某个频谱峰减弱或消失,并不一定意味着相应的声道共振已经消失。
测量与表示
研究者通常借助声谱图考察共振峰;声谱图展示频率成分随时间的变化。在设置恰当的浊音声谱图中,共振峰往往呈现为较深的水平或弯曲条带。单条谐波与较宽的共振峰条带何者更清晰,部分取决于分析窗的设置。
自动测量常采用线性预测编码(LPC)。LPC 用全极点滤波器对信号建模,该滤波器的共振可用于估算共振峰频率和带宽。这些估算结果需要加以甄别:算法可能将谐波误判为共振峰,将相邻共振合并,或把噪声误识别为共振。
造成测量困难的重要因素包括:
- 基频高、谐波间距大;
- 共振彼此接近或强度较弱;
- 带气声、嘎裂声或不规则的发声态;
- 简单全极点模型无法直接表示的鼻腔反共振;
- 背景噪声、混响及录音带宽受限;
- 分析参数设置不当。
因此,共振峰轨迹通常需要结合声谱图和频谱切片进行核查,而不能只依据自动输出就予以采信。
元音图与归一化
常见的元音空间图以 F1 为纵轴、F2 为横轴,而且两个坐标轴通常都反向排列。这种布局与基于发音的元音图大致相似:高元音位于上方,前元音位于左侧。但它仍然是声学表示,而不是解剖位置图。
不同说话者的声道尺寸和习惯性发音方式各不相同。声道较长时,共振频率通常较低,但这些差异并不总能用统一的比例缩放来描述。研究者在比较元音系统时,会使用说话者归一化方法来减少其中一部分变异。这些方法也可能消除有意义的差异,因此是否适用取决于研究问题。
历史与应用
19 世纪关于共振和元音声学的研究,尤其是赫尔曼·冯·亥姆霍兹的工作,为元音分析奠定了物理基础。“共振峰”(formant)一词由卢迪马尔·赫尔曼于 19 世纪末提出。20 世纪的声谱分析和源—滤波器建模,使共振峰成为实验语音研究的核心内容。
共振峰分析应用于多个领域:
- **语言学:**描述元音系统,研究音变,以及比较口音和方言。
- **言语发展与学习:**考察发音变化和语言习得。
- **语音技术:**构建基于共振峰的语音合成系统,以及分析语音信号。
- **嗓音研究:**探究发音动作和声道构形如何影响声学输出。
- **说话者比较:**考察与说话者相关的声学模式,同时考虑同一说话者内部及不同说话者之间的变异。
在某些古典声乐唱法中,约 2.5—3.5 千赫兹区域内的能量集中现象被称为歌唱共振峰。它通常与多个较高频率的声道共振聚集有关,而不是额外增加了一个共振。其显著程度随声部类型、元音、音高和歌唱技巧而变化。
共振峰包含丰富信息,但不能唯一确定发音动作或语言类别。不同的声道形状可以产生相似的共振模式,而听者在识别语音时,还会利用时长、频谱细节、音高和语境信息。