一种适用于美声教学的发声训练方法技术

一种适用于美声教学的发声训练方法，涉及一种发声训练方法，该方法的原理为：1）分别采集标准与非标准美声高音发声样本，并进行信号处理。2）对信号进行功率谱拟合，再提取能代表高音发声特征的声学参数。3.）计算标准特征参数的概率密度函数，将概率分布的分位数作为信号的打分标准，建立打分公式。4）计算错误信号特征参数在概率分布中对应的分位数，代入打分公式计算得分。该方法通过对比美声教师与美声初学者的发声信号，利用拟合的功率谱提取特征参数，有效的区分科学发声与错误发声，建立针对发声训练的打分评价系统，对美声发声训练起到辅助教学作用。到辅助教学作用。到辅助教学作用。

【技术实现步骤摘要】
一种适用于美声教学的发声训练方法


[0001]本专利技术涉及一种发声训练方法，特别是涉及一种适用于美声教学的发声训练方法。

技术介绍

[0002]美声作为一种艺术表达形式，收到音乐爱好者的喜爱，但美声的发声技巧较为严格，其教学形式，通常采用面对面教学，因此学生们发声技巧的提高大部分依靠老师的主观教学水平。且在没有老师指导的情况下，初学者很难通过自己发声练习来提高自身的演唱技巧。现在国内存在着大量的美声业余爱好者，但除音乐学院外，很少有专业的美声老师可以对非专业人士展开教学。

技术实现思路

[0003]本专利技术的目的在于提供一种适用于美声教学的发声训练方法，该方法通过对比美声教师与美声初学者的发声信号，利用拟合的功率谱提取特征参数，有效的区分科学发声与错误发声，建立针对发声训练的打分评价系统。
[0004]本专利技术的目的是通过以下技术方案实现的：一种适用于美声教学的发声训练方法，所述方法包括以下步骤：1） 对某美声初学者和教师进行高音信号采集，并去除声音样本中的噪声段与静音段，得到无干扰的美声信号；2） 对处理过的美声信号进行功率谱的拟合，得到两种美声信号的功率谱图像；对功率谱图像划分为若干能量区，提取能量区的特征参数作为美声信号的声学特征；3） 将科学发声信号的特征参数作为高音发声的评判标准，建立标准参数的概率密度函数和打分公式；4） 计算错误信号特征参数在概率分布中对应的分位数，代入打分公式计算得分。
[0005]所述的一种适用于美声教学的发声训练方法，所述步骤2）中为了避免传统傅里叶变换对信号造成的相位丢失，采用现代谱估计方法，利用自回归（AR）模型法中的Burg法进行功率谱的拟合， Burg法无需对自相关函数进行估算，而是用已知序列求出反射系数，反射系数计算公式如下：其中，为初始条件，为AR参数，为AR模型阶数；再利用Levinson递推算法，代入阶AR模型的和阶AR模型的，计算、前向预测误差和后向预测误差，计算公式如下：
最后重复上述步骤，直至预计的阶数为止，求出了所有阶的AR模型参数。
[0006]所述的一种适用于美声教学的发声训练方法，所述步骤2）中将功率谱图像整体划分为若干区间，作为发声信号功率谱的能量区，具体为：0
‑
6kHz为第一能量区，6
‑
11kHz为第二能量区，11
‑
15kHz为第三能量区；对功率谱的第二、第三能量区图像分别进行基于最小二乘法的一阶拟合和二阶拟合，得到一元二次曲线方程和一元一次直线方程；其中，曲线的二次项系数和直线的斜率是用于区分女高音发声信号的关键声学特征参数。
[0007]所述的一种适用于美声教学的发声训练方法，所述步骤3）在功率谱能量区的特征参数中，将科学发声的参数作为高音的评分标准值，计算标准参数集的均值与标准差，建立概率密度函数，密度函数公式如下：计算错误信号的特征参数及其在概率分布中对应的分位数，若分位数，则令，最后将两个特征参数的分位数、代入打分公式计算，得到错误发声信号的分数；打分公式如下：。
[0008]本专利技术的优点与效果是：本专利技术在提取了美声发声的专业特征的基础上，提出了一种适用于高音发声训练的打分方法，用于辅助美声的教学。
附图说明
[0009]图1为本专利技术流程图；图2为本专利技术实施例原始女高音信号时域图；图3为本专利技术实施例预处理后的女高音信号时域图；图4为本专利技术实施例女高音信号功率谱图；图5为本专利技术实施例功率谱图像能量区的划分与对比图。
具体实施方式
[0010]下面结合附图所示实施例对本专利技术进行详细说明。
[0011]本专利技术利用美声教师的女高音发声作为评判标准，计算标准数据集的统计值，建立概率密度函数，再对错误美声信号的特征参数做分位数计算与打分。所述方法包括：首
先，对某音乐学院的美声初学者和教师进行女高音信号的采集，并去除声音样本中的噪声段与静音段，得到无干扰的美声信号。其次，对处理过的美声信号进行功率谱的拟合，得到功率谱图像，将功率谱图像划分为若干能量区，提取能量区的特征参数作为美声信号的声学特征。再次，将科学发声信号的特征参数作为评判标准，建立概率密度函数和打分公式。最后，计算错误信号特征参数在概率分布中对应的分位数，代入打分公式计算得分。
实施例
[0012]如图1
‑
图5所示，本专利技术的具体操作如下：第一步，首先对某音乐学院近期无感冒症状，嗓音良好的美声初学者和美声教师进行女高音信号的采集、筛选和分类，得到一系列原始的女高音发声信号，如图2所示；接下来对得到的声音信号进行预处理，逐条去除声音样本中的噪声段与静音段，得到无干扰的美声信号，如图3所示。
[0013]第二步，如图4所示，将处理过的美声信号进行功率谱的拟合。为了避免传统傅里叶变换带来的缺陷，本专利技术采用现代谱估计方法中的Burg法对信号做功率谱拟合，Burg法无需对自相关函数进行估算，而是用已知序列求出反射系数，反射系数计算公式如下：其中，为初始条件，为AR参数，为AR模型阶数。
[0014]再利用Levinson递推算法，代入阶AR模型的和阶AR模型的，计算、前向预测误差和后向预测误差，计算公式如下：最后重复上述步骤，直至预计的阶数为止，这样便求出了所有阶的AR模型参数。使用Burg法做功率谱拟合可以减小误差，得到真实的谱估计效果，最后得到女高音发声信号的功率谱图像。将美声教师的女高音信号作为标准的科学发声，与美声初学者的发声信号作对比。
[0015]第三步，如图5所示，对功率谱图像划分为三个能量区，即0
‑
6kHz为第一能量区，6
‑
11kHz为第二能量区，11
‑
15kHz为第三能量区。对功率谱的第二、第三能量区图像分别进行基于最小二乘法的一阶拟合和二阶拟合，得到一元二次曲线方程和一元一次直线方程。其中，曲线的二次项系数和直线的斜率是用于区分女高音发声信号对错的关键声学特征参数。
[0016]第四步，将科学发声的参数作为女高音的评分标准值，计算标准参数集的均值
与标准差，建立概率密度函数，密度函数公式如下：计算错误信号的特征参数及其在概率分布中对应的分位数，若分位数，则令，最后将两个特征参数的分位数、代入打分公式计算，得到错误发声信号的分数。打分公式如下：。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于美声教学的发声训练方法，其特征在于，所述方法包括以下步骤：1）对某美声初学者和教师进行高音信号采集，并去除声音样本中的噪声段与静音段，得到无干扰的美声信号；2）对处理过的美声信号进行功率谱的拟合，得到两种美声信号的功率谱图像；对功率谱图像划分为若干能量区，提取能量区的特征参数作为美声信号的声学特征；3）将科学发声信号的特征参数作为高音发声的评判标准，建立标准参数的概率密度函数和打分公式；4）计算错误信号特征参数在概率分布中对应的分位数，代入打分公式计算得分。2.根据权利要求1所述的一种适用于美声教学的发声训练方法，其特征在于，所述步骤2）中为了避免传统傅里叶变换对信号造成的相位丢失，采用现代谱估计方法，利用自回归（AR）模型法中的Burg法进行功率谱的拟合， Burg法无需对自相关函数进行估算，而是用已知序列求出反射系数，反射系数计算公式如下：其中，为初始条件，为AR参数，为AR模型阶数；再利用Levinson递推算法，代入阶AR模型的和阶AR模型的，计算、前向预测误差和后向预测误差，计算公式如下：最后重复上述步骤，直至预...

【专利技术属性】
技术研发人员：张凯，王舒蕾，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：