声音的基本属性

音色也叫音质，是一种声音区别于另外一种声音的基本特征，比如人的声音和鸟的声音。所以，对于人声识别的研究来说，音色肯定是主要研究对象。

音调是指声音的高低，取决于声波的频率，可以笼统的认为就是基音频率。比如男声和女生，一般男声低沉女声尖锐。

音强表征声音的强弱，由声波的震动幅度决定，在语音信号处理中，可以直观理解为信号幅度（但是音强计算式却不是简单的幅度）。

声音的长短叫音长，取决于发音时间的长短，这个很好理解。对于初学者，这几种声音的特性，基本上可以与语音信号特征对应起来。

具有响亮的中心，并且能够被明显感觉到的语音片段称为音节。汉语是一种单音节语言，因为汉语一个字就是一个音节，不像英语。一个音节可以由一个音素或者几个音素构成。

音素是发音的最小单位。任何语言都有元音和辅音两种音素。前者说话时，声腔完全开放，气流没有受到任何阻碍。后者或多或少受到阻碍或者声腔某一部分完全关闭。例如图图“tutu”那么可以任务“t”和“u”就是一个音素。

任何语言都有元音和辅音两种音素。前者说话时，声腔完全开放，气流没有受到任何阻碍。后者或多或少受到阻碍或者声腔某一部分完全关闭。根据发辅音时声带是否震动，区分为浊音和清音。所以清浊音都是针对辅音的。震动的是浊音，不震动的是清音。元音在音节中占主要部分，辅音只出现在音节的前端或后端或前后两端（就是不可能在中间）。

决定元音音色的主要音素是舌头的形状及其在口腔中的位置（即舌位）、唇的形状（即口型）等。说这个是因为这个东西对语音的数学建模可能有用，比如用机器产生（即合成）自然语音。共振峰是元音的另一个重要的声学特性。共振峰参数一般包括共振峰频率和宽度（带宽），是区别不同元音的重要参数。这个对语音识别有帮助。元音的共振峰与发音机制有关，如第一共振峰与舌位高低有关，第二共振峰与舌位前后有关，第一第二共振峰与嘴唇的圆展程度有关，而第三共振峰又受舌尖活动的影响。所以共振峰与发音机制的关系非常复杂，建模时应当考虑到这些。

浊音的声带振动的基本频率称为基音频率。基音频率是随时间变化的，语音是一种典型的非平稳信号。基音频率的变化产生了声调，基音频率的变化轨迹称为声调轨迹。声调反映了语音的韵律。所以与韵律有关的语音信号处理，如情感识别，基音频率是必须研究的。并且在汉语中，声调有辨意作用，这对汉语语音识别和理解是有帮助的。

https://tieba.baidu.com/p/2686249600