Звуки речи

Звуки, встречаемые в природе, подразделяются на простые периодические а), сложные периодические б) и сложные непериодические в).

Примерами простого периодического звука может служить звук камертона, сложного периодического звука – звуки музыкальных инструментов или гласные звуки человеческой речи и сложного непериодического – согласные звуки речи.

Звуки речи представляют собой сложные колебания с большим числом гармонических составляющих, имеющих различные амплитуды и фазы. Частота этих составляющих находится в диапазоне от 80 до 12000 Гц. Каждый звук характеризуется частотой и амплитудой основного тона, а также тембром.

Звуки речи создаются голосовым аппаратом, который состоит из легких, голосовых связок и полости носоглотки. В формировании звуков участвуют язык, губы и зубы человека.

Воздух, поступающий из легких, заставляет колебаться звуковые связки, что приводит к образованию импульсов первичных звуков.

Частота повторения импульсов первичных звуков называется частотой основного тона, которая для мужского голоса в среднем составляет 150 Гц, а для женского – 250 Гц.

Спектр импульсов звукового давления, возникающих с помощью голосовых связок а), в полости носоглотки претерпевает изменение, поскольку одни его составляющие усиливаются, другие – подавляются б).

В речевом спектре звука выделяются характерные усиленные области частот, называемые формантными областями, или просто формантами. Звуки речи отличаются числом формант и их расположением в частотном спектре.

Исследования показывают, что большинство звуков имеют одну или две форманты, расположенные в области 200-8600 Гц. Однако подавляющая часть формант приходится на полосу частот 300-3000 Гц.

Звуки речи, формируемые голосовым аппаратом человека, обладают малой мощностью и небольшой длительностью. Средняя мощность при нормальном разговоре с учетом пауз составляет 10 мкВт, наименьшая мощность при тихом разговоре (шёпот) - 0,01 мкВт, возможные пиковые значения (при крике) могут достигать 5000 мкВт.

Величина, характеризующая пределы изменения мощности речи, называется динамическим диапазоном громкости речи D:

D = 10lg (W_{з max} / W_{з min}),

который составляет 57 дБ.

Для хорошей передачи речи требуется динамический диапазон ≈ 40 дБ, а для удовлетворительной ≈ 30 дБ.

Средняя скорость нормального непрерывного разговора ≈ 100 слов/мин (12 – 15 звуков в секунду) при длительности звуков 20 – 350 мс. Большую длительность имеют гласные звуки и меньшую - согласные.

Орган слуха человека и его свойства

Человек воспринимает звуковые колебания в диапазоне 20 – 20000 Гц. Наименьшее звуковое давление Р ≈ 2∙10^-5 Па, при котором возникают слуховые ощущения, называют порогом слышимости. Значение звукового давления Р ≈ 20 Па, при котором ощущается боль, называют порогом болевого ощущения.

Область звуковых колебаний между порогами слышимости и болевого ощущения называется областью слухового восприятия.

Пороги слухового восприятия учитываются при конструировании телефонов и громкоговорителей для создания оптимальных условий приема речи.

Адаптацией слуха называется свойство уха изменять свою чувствительность (порог слышимости) в зависимости от интенсивности воздействия на него звуковых колебаний.

При длительном воздействии звука, вследствие утомления слухового нерва, чувствительность уха снижается. Но после прекращения действия звука чувствительность уха восстанавливается через 3 – 5 с. Это свойство учитывается при создании телефонных аппаратов, в которых применяются специальные противоместные схемы, ослабляющие прослушивание собственной речи в телефоне.

Маскировкой звука называется понижение чувствительности слуха к слабым звукам при одновременном воздействии звуков большей интенсивности. Данное свойство учитывается при нормировании шумов в линии и помещении.

Нелинейные искажения слуха проявляются в появлении в слуховом аппарате колебаний с частотой отсутствующих в исходном звуке, вследствие несимметричности смещения барабанной перепонки в процессе колебаний.

При громкой передаче увеличивается неразборчивость принимаемой речи, что учитывается при выборе оптимальной мощности источника звука для получения его неискаженного приема.

Громкость звука. Слышимые звуки оцениваются слушателем по громкости, т.е. по субъективному ощущению звука данной интенсивности.

Зависимость громкости от его интенсивности подчиняется психофизиологическому закону, согласно которому изменение ощущения громкости звука пропорциональна логарифму отношения значений интенсивностей звука.

ΔS = 10lg (I₁ / I₂),

где I₁, I₂ – различные значения интенсивности звука.

Ухо ощущает разницу в уровнях при значении ΔS ≈ 1 дБ.

Акустические уровни

Амплитудный диапазон и частотный спектр звуков, воспринимаемых ухом, достаточно широки. Поэтому для оценки ощущуений звуковых колебаний введены понятия акустических уровней.

Уровень интенсивности N простого звука (гармонического колебания) определяется выражением:

N = 10lg (I / I₀),

где I – интенсивность простого звука, I₀ – одинаковая для всех частот интенсивность звука, уровень которой считается нулевым.

За нулевой уровень принимается уровень, который соответствует интенсивности звука частотой 1000 Гц на пороге слышимости 10^-12 Вт/ м².

Спектральные уровни речи В_р и шума В_ш как сложных звуков определяются уровнем энергии, приходящейся на полосу частот 1 Гц.

Уровень громкости L – уровень интенсивности простого звука частотой 1000 Гц, который вызывает у слушателя такое же ощущение громкости, как и исследуемый звук.

L = 10lg (I₁₀₀₀ / I₀),

где I₁₀₀₀ - интенсивность колебаний частотой 1000 Гц, равногромкого с исследуемым звуком, I₀ = 10^-12 Вт/ м².

Для отличия уровня громкости от уровня интенсивности его выражают в единицах, называемых фоном.

Например, простой звук частотой 300 Гц и уровнем интенсивности 50 дБ имеет громкость, равную громкости звука частотой 1000 Гц с уровнем интенсивности 40 Фон (дБ).

Методы и нормы оценки качества телефонной передачи

Телефонный тракт – совокупность элементов, которые используются для преобразования речи от рта говорящего до уха слушающего. Качество передачи по телефонному тракту определяется степенью соответствия между переданными и принятыми сообщениями и характеризуется громкостью, разборчивостью и естественностью воспроизводимых звуков речи.

К телефонному тракту в качестве основного требования предъявляется обеспечение достаточной понимаемости речи.

Метод разборчивости. Мера разборчивости – отношение числа правильно принятых элементов речи (звуки, слоги, слова, фразы) к общему числу переданных элементов. Выражается в процентах.

Разборчивость телефонного тракта можно определить экспериментально или рассчитать.

При экспериментальной оценке чаще всего определяют слоговую разборчивость, т.е. разборчивость звукосочетаний, не имеющих смыслового значения. Слоги группируют в таблицы по 100 слогов в каждой. Для получения достоверных результатов по используемому речевому тракту передается не менее 2000 слогов при участии специально подготовленных операторов. Процент правильно принятых слогов называется коэффициентом слоговой разборчивости S.

Качество передачи считается удовлетворительным, если 40% < S < 55%, хорошим, если 55% < S < 80% и отличным, если S > 80%. Эти данные получены экспериментально и рекомендованы МСЭ-Т.

Разборчивость телефонного тракта можно рассчитать аналитическим методом расчета разборчивости формант.

Метод разборчивости (артикуляции) используется для оценки ширины частотной полосы телефонного тракта, достаточной для передачи речи. Рекомендуемая полоса частот составляет 300 – 3400 Гц, поскольку большинство формант лежит в области частот до 3400 Гц. В качестве средней расчетной частоты принимается частота 800 или 1000 Гц.

Метод эквивалента затухания по громкости (ЭЗГ). Основан на сравнении громкости при передаче речи по испытываемой системе и эталонной.

Эталонный тракт обеспечивает неискаженную передачу речи в широком диапазоне частот и равенство звуковых давлений на приемном и передающем концах.

ЭЗГ называется затухание, вносимое магазином затуханий (МЗ) и необходимое для получения одинаковой громкости на приемном конце при передаче речи через испытуемый и эталонный такты. Громкость на передающем конце поддерживается постоянной и соответствует звуковому давлению 1 Па.

ЭЗГ можно измерить с участием операторов. При этом произносится фраза «Не видали мы такого невода».

По нормам МСЭ-Т ЭЗГ ≤ 36,2 дБ.

Метод ЭЗГ используется для оценки качества телефонной аппаратуры.

Метод эквивалента затухания по разборчивости (AEN). Основан на сравнении разборчивости речи при ее передаче по испытываемому и эталонному трактам.

Эталонная система имеет такие параметры, при которых она оказывается эквивалентной воздушному тракту между говорящим и слушающим, находящимися в помещении на расстоянии 1 м друг от друга.

AEN называется разность между затуханиями, которые необходимо внести в эталонную и испытываемую системы для получения в каждой из них одинаковой звуковой разборчивости 80 %.

По нормам МСЭ-Т AEN ≤ 44,9 дБ.

Метод AEN позволяет измерить параметры телефонного тракта в целом и отдельных его элементов.

Метод повторений. Заключается в статистическом наблюдении за телефонным разговором абонентов и определении числа повторений (переспросов) за 100 с разговора. Качество передачи считается удовлетворительным, если число переспросов за это время не превышает трех. При этом один цикл испытаний длится 70 – 80 часов.

Метод мнений. Основан на собирательных оценках, которые дают абоненты, ведущие разговор в обычных условиях. Показателем качества является средний балл по 5-тибалльной шкале. Тема разговора – описание рисунков специальной геометрической формы. К участию в испытаниях привлекаются не менее 12 пар обычных телефонных абонентов, которые последовательно и попарно ведут переговоры в течение 5 минут. В результате получают 24 оценки. По этим данным вычисляется среднеарифметическое значение оценки в баллах.

Методы повторений и мнений позволяют оценить качество телефонной передачи на основе реального разговора.