[论文解读] Modal locking between vocal fold and vocal tract oscillations: Experiments and statistical analysis

Daniel Aalto, Jarmo Malinen+1 more|arXiv (Cornell University)|Nov 20, 2012

Speech and Audio Processing参考文献 12被引用 4

一句话总结

本研究通过结合语音产生中声带与声道的计算动力学模型及人类元音滑动实验，探究了语音产生中的非线性声源-滤波器耦合。研究结果表明，在音高滑动过程中，声带振荡频率（f₀）会与第一 formant（F₁）锁定，导致频率跳变，尤其在音高上升滑动时更为明显；然而，由于人类受试者存在主动补偿机制，实际影响被显著减弱。

ABSTRACT

The human vocal folds are known to interact with the vocal tract acoustics during voiced speech production; namely a nonlinear source-filter coupling has been observed both by using models and in \emph{in vivo} phonation. These phenomena are approached from two directions in this article. We first present a computational dynamical model of the speech apparatus that contains an explicit filter-source feedback mechanism from the vocal tract acoustics back to the vocal folds oscillations. The model was used to simulate vocal pitch glideswhere the trajectory was forced to cross the lowest vocal tract resonance, i.e., the lowest formant $F_1$. Similar patterns produced by human participants were then studied. Both the simulations and the experimental results reveal an effect when the glides cross the first formant (as may happen in extipa{[i]}). Conversely, this effect is not observed if there is no formant within the glide range (as is the case in extipa{[ extscripta]}). The experiments show smaller effect compared to the simulations, pointing to an active compensation mechanism.

研究动机与目标

• 探究人类语音产生中非线性声源-滤波器耦合的存在及其影响，特别是当声带频率（f₀）跨越第一共振峰（F₁）时的情况。
• 确定计算模型所预测的 f₀ 与 F₁ 之间的模态锁定是否在元音滑动过程中实际发生。
• 评估主动生理补偿机制在减轻声道共振反馈导致的 f₀ 不稳定中的作用。
• 比较仿真与实验结果，以验证模型并理解观察到的频率跳变差异。
• 探讨该耦合机制对语音发展的潜在影响，特别是在青春期喉部变化可能影响音高控制的背景下。

提出的方法

• 开发了包含声道声学反馈至声带振荡的语音装置计算动力学模型。
• 利用四质量声带模型与共振声道滤波器耦合，模拟 f₀ 在 F₁ 处滑动的过程。
• 从女性受试者收集实验数据，其在控制 f₀ 轨迹跨越 F₁ 的情况下发出元音滑动（如 /i/）。
• 使用混合效应模型与动态范围（DR）度量进行统计分析，评估 f₀ 跳变的存在性与幅度。
• 模型预测了对亚谐波（如八度跳变）的模态锁定，但音高检测算法将分析范围限制在 200–400 Hz 之间。
• 考虑了上升与下降滑动中控制延迟与不对称性，以解释观察到的不稳定性模式差异。

实验结果

研究问题

• RQ1 当 f₀ 跨越 F₁ 时，计算模型所预测的 f₀ 与 F₁ 之间的模态锁定是否在元音滑动过程中实际发生？
• RQ2 与仿真结果相比，人类受试者的实验结果在 f₀ 不稳定性和频率跳变方面有何异同？
• RQ3 人类中的主动补偿机制在多大程度上减轻了滤波器-声源反馈的影响，相较于仿真结果？
• RQ4 为何上升滑动比下降滑动更容易表现出可观测的不稳定性，尽管其频率轨迹相似？
• RQ5 观察到的 f₀ 跳变不对称性是否可由人类系统中的控制延迟与听觉反馈处理机制解释？

主要发现

• 仿真结果揭示了 f₀ 与 F₁ 之间强烈的模态锁定效应，导致 f₀ 跨越 F₁ 时出现显著的频率跳变。
• 实验数据表明 f₀ 不稳定性的影响虽被减弱但仍可检测，支持人类语音中存在非线性滤波器-声源反馈。
• 观察到的不稳定性不对称性（在上升滑动中更明显）归因于下降滑动中反馈控制反应时间更长。
• 人类说话者中的主动补偿机制可能抑制了 f₀ 跳变，解释了实验中效应量小于仿真结果的原因。
• 动态范围（DR）度量表明，现实世界中的跳变比仿真中更平缓，DR 值接近 1/3，这是由于音高运动加速所致。
• 模型预测了八度跳变（亚谐波锁定），但这些结果被音高检测算法过滤，因分析范围被限制在 200–400 Hz 之间。