2025年大學(xué)《聲學(xué)》專業(yè)題庫——聲學(xué)技術(shù)在語音壓縮編碼中的應(yīng)用考試時間：______分鐘總分：______分姓名：______一、選擇題（每小題2分，共20分）1.語音信號中，攜帶主要語音信息能量且對聽覺感知影響顯著的頻率成分通常被稱為？A.基音頻率B.共振峰C.背景噪聲D.譜包絡(luò)2.下列哪種心理聲學(xué)效應(yīng)表明，當(dāng)某個聲音存在時，會降低對同時存在或稍后出現(xiàn)的另一個聲音的感知？A.聽覺適應(yīng)B.掩蔽效應(yīng)C.音高感知的非線性D.雙耳效應(yīng)3.在語音信號處理中，短時傅里葉變換（STFT）主要用于？A.提取語音的線性預(yù)測系數(shù)B.對語音信號進(jìn)行時頻分解C.直接對整個語音信號進(jìn)行無損壓縮D.建立精確的聲道物理模型4.下列哪種編碼技術(shù)屬于波形編碼，其目標(biāo)是精確地重建原始語音波形？A.脈沖編碼調(diào)制（PCM）B.線性預(yù)測編碼（LPC）C.碼本激勵線性預(yù)測編碼（CELP）D.梅爾頻率倒譜系數(shù)（MFCC）提取5.線性預(yù)測編碼（LPC）模型主要試圖模擬語音信號的哪種特性？A.頻譜包絡(luò)B.時域波形C.振幅包絡(luò)D.相位信息6.在語音壓縮編碼中，使用梅爾頻率倒譜系數(shù)（MFCC）作為特征的主要原因是？A.它們能精確表示語音的時變特性B.它們能夠完全保留語音的原始能量信息C.它們更符合人耳的聽覺感知特性D.它們的計(jì)算復(fù)雜度非常低7.語音壓縮編碼中，量化通常發(fā)生在哪個階段？A.語音信號采集之前B.提取特征之后，編碼之前C.解碼之后，信號輸出之前D.建立聲學(xué)模型之后8.混合編碼方式，如MP3，通常結(jié)合了哪些編碼技術(shù)？A.波形編碼和參量編碼B.無損壓縮和有損壓縮C.空間域編碼和頻域編碼D.感知編碼和非感知編碼9.評價語音壓縮算法性能時，除了比特率，常用的指標(biāo)還包括？A.信號帶寬B.諧波失真C.峰值信噪比（PSNR）D.信號的平均功率10.心理聲學(xué)模型在語音壓縮編碼中的作用是？A.提高語音信號的信噪比B.模擬人耳的聽覺特性，指導(dǎo)壓縮算法設(shè)計(jì)C.增加語音信號的傳輸速率D.簡化語音信號的存儲過程二、填空題（每空2分，共20分）1.語音信號是通過對發(fā)聲器官產(chǎn)生的__________進(jìn)行調(diào)制而形成的。2.人耳的聽覺感知具有__________特性，這意味著響度與聲壓級之間存在對數(shù)關(guān)系。3.線性預(yù)測系數(shù)（LPC）主要反映了語音信號的__________特性。4.共振峰是聲學(xué)上描述聲道__________特性的重要參數(shù)。5.語音壓縮編碼根據(jù)是否允許失真，可分為__________壓縮和__________壓縮。6.基于碼本的選擇是許多參量編碼（如VQ）和混合編碼（如MP3）中的關(guān)鍵步驟，其目的是尋找與當(dāng)前語音幀最__________的碼本單元。7.心理聲學(xué)中的__________效應(yīng)表明，一個強(qiáng)的聲音會降低對同時存在的弱聲音的感知。8.熵編碼（如Huffman編碼）利用了信息的__________，通過分配更短的碼字給出現(xiàn)頻率更高的符號來降低編碼比特率。9.感知評價信號質(zhì)量的方法，如PESQ，試圖將客觀的編碼指標(biāo)與人的__________感知聯(lián)系起來。10.聲道模型在語音編碼中通常用于模擬聲道對語音信號的__________和濾波作用。三、簡答題（每題5分，共20分）1.簡述語音信號產(chǎn)生過程中的主要物理機(jī)制。2.簡述心理聲學(xué)中的掩蔽效應(yīng)如何影響語音壓縮編碼的設(shè)計(jì)。3.簡述線性預(yù)測編碼（LPC）的基本原理及其在語音編碼中的應(yīng)用。4.簡述語音壓縮編碼中熵編碼的作用和基本思想。四、論述題（每題10分，共30分）1.詳細(xì)論述共振峰特性在語音感知中的重要性，以及它如何在語音壓縮編碼（特別是特征提取部分）中得到利用。2.比較并論述波形編碼和參量編碼在語音壓縮方面的主要區(qū)別、優(yōu)缺點(diǎn)及其背后的聲學(xué)原理差異。3.結(jié)合具體例子，論述心理聲學(xué)模型（如臨界帶寬、掩蔽效應(yīng)）在現(xiàn)代語音壓縮編碼技術(shù)（如CELP、MP3）中的作用和體現(xiàn)。五、計(jì)算與應(yīng)用題（共20分）假設(shè)已從某段語音信號中提取得到一幀MFCC特征向量，其形式如下（僅示意，非真實(shí)數(shù)據(jù)）：[0.45,0.30,0.15,0.10,0.05,0.04,0.03,0.02,0.01,0.01]請基于此信息，并結(jié)合你對語音壓縮編碼的理解，回答以下問題：1.簡述MFCC特征向量是如何從原始語音信號中提取的？（無需詳細(xì)數(shù)學(xué)推導(dǎo)，說明主要步驟即可）2.說明這組MFCC系數(shù)所代表的聲學(xué)意義。（例如，它們與哪些聲學(xué)參數(shù)或感知特性相關(guān)？）3.在典型的語音編碼流程中，這組MFCC系數(shù)通常會在哪個環(huán)節(jié)被使用？請簡述其作用。4.假設(shè)需要對這組MFCC系數(shù)進(jìn)行量化，簡述量化可能對語音編碼的性能（如壓縮率、音質(zhì)）產(chǎn)生什么影響？試卷答案一、選擇題1.B2.B3.B4.A5.A6.C7.B8.A9.C10.B二、填空題1.振動2.對數(shù)3.頻譜包絡(luò)4.截止頻率（或頻譜包絡(luò)）5.無損；有損6.相似（或接近）7.同時8.不確定性（或統(tǒng)計(jì)）9.主觀10.調(diào)制（或傳輸）三、簡答題1.簡述語音信號產(chǎn)生過程中的主要物理機(jī)制。語音信號的產(chǎn)生始于發(fā)聲者的意愿，通過神經(jīng)沖動控制發(fā)音器官。主要涉及三個階段：首先是聲帶的振動產(chǎn)生基頻（F0）和初始聲波；然后，氣流從肺部通過喉頭，在聲道（口腔、鼻腔）中形成復(fù)雜的共鳴，塑造出語音的共振峰特性和頻譜包絡(luò)；最后，唇、舌、齒等輔助發(fā)音器官的運(yùn)動改變聲道形狀，產(chǎn)生不同的元音和輔音。整個過程可以看作是對聲帶振動信號進(jìn)行調(diào)制，使其帶上特定的頻譜結(jié)構(gòu)，形成可懂的語言。2.簡述心理聲學(xué)中的掩蔽效應(yīng)如何影響語音壓縮編碼的設(shè)計(jì)。掩蔽效應(yīng)是指一個強(qiáng)的聲音會降低對同時存在或緊隨其后的弱聲音的感知閾值。在語音壓縮中，這意味著編碼器可以不考慮那些被強(qiáng)聲音（如自身語音中的強(qiáng)共振峰或背景噪聲）掩蓋住的弱聲音成分，從而有損地去除這些冗余信息而不顯著影響整體可懂度。編碼器利用掩蔽效應(yīng)，例如在量化時降低強(qiáng)信號附近弱信號的精度，或在設(shè)計(jì)感知模型時考慮掩蔽對信號可懂度的影響，以達(dá)到更高的壓縮率。3.簡述線性預(yù)測編碼（LPC）的基本原理及其在語音編碼中的應(yīng)用。線性預(yù)測編碼（LPC）的基本原理是假設(shè)當(dāng)前的語音樣點(diǎn)可以由過去幾個樣點(diǎn)的線性組合來近似。通過建立這樣的線性預(yù)測模型，可以計(jì)算出模型參數(shù)（通常是LPC系數(shù)）。這些系數(shù)能夠很好地表示語音信號的頻譜包絡(luò)，尤其是共振峰的位置和形狀。在語音編碼中，LPC系數(shù)被用作代表語音幀的參量。編碼器只需傳輸這些相對較短的參數(shù)，而不是原始語音波形，從而實(shí)現(xiàn)壓縮。LPC廣泛應(yīng)用于各種語音編碼標(biāo)準(zhǔn)中，作為聲學(xué)模型的核心部分。4.簡述語音壓縮編碼中熵編碼的作用和基本思想。熵編碼的作用是在不損失任何信息（或失真）的前提下，進(jìn)一步降低編碼后的比特率。其基本思想是利用信息的統(tǒng)計(jì)特性。對于出現(xiàn)頻率高的符號（如某個MFCC系數(shù)的值），分配較短的二進(jìn)制碼字；對于出現(xiàn)頻率低的符號，分配較長的二進(jìn)制碼字。通過這種方式，最終的編碼比特流平均長度可以接近信息的熵，即其信息含量的理論下限。常見的熵編碼方法有Huffman編碼和算術(shù)編碼。四、論述題1.詳細(xì)論述共振峰特性在語音感知中的重要性，以及它如何在語音壓縮編碼（特別是特征提取部分）中得到利用。共振峰是聲道對高頻激勵信號濾波后形成的峰值，它們是構(gòu)成元音音色的主要特征，也對輔音的感知有重要貢獻(xiàn)。人耳對共振峰的位置（頻譜包絡(luò)的形狀）比對絕對頻率更敏感，共振峰的頻率和強(qiáng)度變化直接決定了元音的類別（如/a/、/o/、/e/）和輔音的屬性（如塞音的清濁）。因此，共振峰是語音感知中非常重要的聲學(xué)特征。在語音壓縮編碼中，特別是參數(shù)編碼和混合編碼中，共振峰特性被廣泛利用。編碼器通常需要提取能夠表征語音頻譜包絡(luò)的特征，而共振峰提?。ɑ蚱湎嚓P(guān)特征）是其中的關(guān)鍵步驟。例如，許多編碼器使用LPC來模擬共振峰，或者直接提取共振峰頻率作為特征。MFCC等特征提取方法雖然不是直接提取共振峰，但它們是基于倒譜變換，能夠很好地反映語音頻譜的包絡(luò)結(jié)構(gòu)，其中包含了共振峰信息。通過提取這些與共振峰相關(guān)的特征，編碼器可以用較短的參數(shù)表示語音的核心感知特性，從而實(shí)現(xiàn)壓縮。2.比較并論述波形編碼和參量編碼在語音壓縮方面的主要區(qū)別、優(yōu)缺點(diǎn)及其背后的聲學(xué)原理差異。波形編碼（如PCM,ADPCM）和參量編碼是兩種主要的語音壓縮方式。主要區(qū)別在于它們對語音信號的處理方式和信息保留策略。波形編碼旨在精確地重建原始語音波形，它通過對模擬信號進(jìn)行采樣、量化，將連續(xù)信號轉(zhuǎn)換為離散的數(shù)字信號。參量編碼則不直接處理波形，而是提取能夠代表語音核心特性的參數(shù)（如LPC系數(shù)、基頻、碼本索引等），這些參數(shù)通常需要通過模型計(jì)算得到。解碼時，根據(jù)這些參數(shù)和一定的模型（如聲道模型、發(fā)音模型）合成出語音信號。優(yōu)缺點(diǎn)：波形編碼（特別是ADPCM）實(shí)現(xiàn)簡單，壓縮比不高（通常幾比特/秒），但音質(zhì)損失小，接近無損；參量編碼壓縮比高（幾比特到幾十比特/秒），但解碼需要復(fù)雜的計(jì)算和模型，音質(zhì)會有一定損失，且對傳輸延遲敏感。從聲學(xué)原理看，波形編碼保留語音的所有波形細(xì)節(jié)，但也包含了大量冗余信息（如瞬態(tài)細(xì)節(jié)、噪聲）；參量編碼利用了語音的周期性（基頻）、聲道共振特性（LPC）等內(nèi)在規(guī)律和冗余度，用較短的參數(shù)表示，實(shí)現(xiàn)了高壓縮率，但不可避免地會丟失部分波形細(xì)節(jié)。背后的聲學(xué)原理差異：波形編碼本質(zhì)上是將整個時頻信號進(jìn)行數(shù)字化存儲，未利用聲學(xué)上的冗余；參量編碼則基于“人耳對語音某些特性的感知不如其他特性敏感”這一心理聲學(xué)原理，以及語音信號在時頻域上存在的自相關(guān)性、統(tǒng)計(jì)規(guī)律性等，通過模型提取和編碼這些關(guān)鍵特性。3.結(jié)合具體例子，論述心理聲學(xué)模型（如臨界帶寬、掩蔽效應(yīng)）在現(xiàn)代語音壓縮編碼技術(shù)（如CELP、MP3）中的作用和體現(xiàn)。心理聲學(xué)模型在現(xiàn)代語音壓縮編碼中起著至關(guān)重要的作用，它們指導(dǎo)編碼器如何在保證可懂度的前提下，最大程度地去除冗余信息，實(shí)現(xiàn)高效壓縮。以碼本激勵線性預(yù)測編碼（CELP）為例：CELP編碼器包含一個分析器，它提取語音幀的短時特征（通常是LPC系數(shù)和能量/基頻）。編碼器根據(jù)這些特征，從碼本中選擇一個碼本向量（代表一個參考信號）。然后，計(jì)算目標(biāo)語音幀與碼本向量的誤差。接下來，編碼器需要傳輸這個誤差信號以及碼本向量的索引。這里就應(yīng)用了掩蔽效應(yīng)：由于碼本向量通常是一個比較“清晰”的信號，而原始語音中可能包含背景噪聲或自身語音的干擾，人耳對誤差信號的感知會受到碼本向量（強(qiáng)信號）的掩蔽。因此，編碼器可以允許對誤差信號進(jìn)行較大程度的量化（即有損處理），只要這個誤差不被人耳察覺。同時，心理聲學(xué)模型還用于設(shè)計(jì)量化器，使得對感知上不重要的信號分量（如高頻部分）進(jìn)行更粗的量化，對感知上重要的信號分量（如低頻部分、共振峰）進(jìn)行更精細(xì)的量化。以ISO/IEC11172-3（MP3）為例：MP3是一種混合編碼，它融合了LPC分析、子帶編碼、心理聲學(xué)模型和熵編碼。在LPC分析后，MP3將語音信號分解到不同的子帶（通常是梅爾濾波器組）。心理聲學(xué)模型（特別是臨界帶寬和掩蔽效應(yīng)）被用來指導(dǎo)各子帶的量化。模型會計(jì)算每個子帶的聲音強(qiáng)度，并考慮相鄰子帶的掩蔽作用。例如，在一個強(qiáng)度較高的子帶中，來自其他子帶（尤其是頻率相近的子帶）的較弱信號可能會被掩蔽。量化器會利用這些掩蔽信息，對被掩蔽的子帶信號采用更粗的量化精度，而對未被掩蔽或掩蔽效應(yīng)較小的子帶信號采用更精細(xì)的量化。這種自適應(yīng)的量化策略大大提高了壓縮率，同時對聽感的影響很小。最后，使用熵編碼（如Huffman編碼）對量化后的子帶系數(shù)和LPC系數(shù)進(jìn)行進(jìn)一步壓縮。總之，心理聲學(xué)模型為現(xiàn)代語音壓縮編碼提供了理論基礎(chǔ)和指導(dǎo)原則，使得編碼器能夠智能地去除對人類聽覺不重要的冗余信息，從而在有限的比特率下實(shí)現(xiàn)高質(zhì)量的語音傳輸。五、計(jì)算與應(yīng)用題1.簡述MFCC特征向量是如何從原始語音信號中提取的？（無需詳細(xì)數(shù)學(xué)推導(dǎo)，說明主要步驟即可）MFCC特征的提取通常包括以下步驟：首先，對原始語音信號進(jìn)行預(yù)處理，如預(yù)加重以增強(qiáng)高頻部分；然后，進(jìn)行分幀，將長時語音信號分割成短時幀；接著，對每幀信號進(jìn)行窗函數(shù)處理（如漢明窗）以減少邊界效應(yīng)；隨后，計(jì)算每幀信號的短時傅里葉變換（STFT）得到頻譜；然后，應(yīng)用一組梅爾濾波器組（MelFilterBank）對頻譜進(jìn)行加權(quán)，得到梅爾頻譜；最后，對每個濾波器輸出進(jìn)行對數(shù)運(yùn)算，并對結(jié)果進(jìn)行離散余弦變換（DCT），保留前幾個系數(shù)（通常是12-13個），即得到MFCC特征向量。2.說明這組MFCC系數(shù)所代表的聲學(xué)意義。（例如，它們與哪些聲學(xué)參數(shù)或感知特性相關(guān)？）這組MFCC系數(shù)代表了語音幀的頻譜包絡(luò)，并且由于其基于梅爾尺度，更符合人耳的聽覺感知特性。通常，前面的幾個MFCC系數(shù)（如前三個）主要反映了語音信號的低頻部分，與共振峰（Formants）的位置和強(qiáng)度有很強(qiáng)的相關(guān)性。它們對于區(qū)分不同的元音（如元音的音質(zhì)）至關(guān)重要。后面的MFCC系數(shù)則更多地包含了高頻信息，與語音的清濁音（如輔音）、頻譜的細(xì)節(jié)變化以及語音的動態(tài)特性（如基頻變化）相關(guān)。整體而言，MFCC向量共同構(gòu)成了語音幀的感知頻譜特征，是許多語音識別和語音編碼系統(tǒng)中非常重要的輸入表示。3.在典型的語音編碼流程中，這組MFCC系數(shù)通常會在哪個環(huán)節(jié)被使用？請簡述其作用。在典型的參量編碼或混合編碼語音壓縮流程中，這組MFCC系數(shù)通常在編碼器的分析（或編碼）部分被使用。其作用是作為代表語音幀核心聲學(xué)特征的參量。編碼器的主要任務(wù)是根據(jù)這些MFCC系數(shù)和其他相關(guān)參數(shù)（如基頻、能量等）生成一組碼本索引或量化索引。這些索引被編碼并傳輸（或存儲）。解碼器接收到