專利名稱：一種可將漢語語音轉(zhuǎn)換成口型圖像的口吃矯正裝置的制作方法
技術(shù)領(lǐng)域：
本實用新型涉及口吃矯正技術(shù)，特別是一種可將漢語語音轉(zhuǎn)換成口型圖像的口吃 矯正裝置。
背景技術(shù)：
口吃定義為言語節(jié)律異常，多發(fā)生于兒童言語發(fā)育時期。病因不明，可能與大腦 對言語器官的支配不協(xié)調(diào)、不正確的模仿、遺傳等因素有關(guān)。常表現(xiàn)為首字難發(fā)、語句中斷 或語調(diào)重復，致說話不流暢。病情較重者，說話時伴有皺眉、面肌抽搐、擺動手臂等現(xiàn)象、講 話時情緒常較緊張?？诔园巳缶o密相聯(lián)的層面1. 口吃的核心行為(Core Behaviors)也叫做口吃的核心癥狀(Core Features)。2. 口 吃的附加行為(Accessory Behaviors)也叫口 吃的第二行為(Secondary Behaviors),或口吃的第二癥狀(Secondary Symptoms)。3. 口吃心理(Affective Reactions) 口吃最為神秘而巨大的部分，包含了情感 和認知兩個方面?？诔曰颊吣撤N生理上的缺陷或異常被認為是客觀存在的，并不是人為的意識所能 控制的?？诔孕睦硎怯煽诔缘暮诵陌Y狀所帶來的。對口吃核心癥狀的成因研究也主要集中 到人的大腦和神經(jīng)系統(tǒng)。2003年，Kalinowski在《醫(yī)學假說》發(fā)表文章《鏡像一起說話》(Speaking with a mirror engagement of mirror neurons via choral speech and its derivatives induces stuttering inhibition)認為同聲說話即時抑制口吃的原因在于它結(jié)合了鏡像 神經(jīng)元系統(tǒng)(mirror systems of neurons)。鏡像神經(jīng)元系統(tǒng)生而有之，遠遠領(lǐng)先于口吃 病的發(fā)生時間。通過重新結(jié)合鏡像神經(jīng)元系統(tǒng)，比如通過“合唱說話”，或它的派生物(如數(shù) 字信號處理技術(shù))來提供動作的鏡像，口吃可以得到最大程度的緩解，這是解決口吃的核 心——阻塞的自然方式。鏡像神經(jīng)元組儲存了特定行為模式的編碼。這種特性不單讓我們可以想都不用 想，就能執(zhí)行基本的動作。在言語形成過程中，也有相應的神經(jīng)元網(wǎng)絡，同樣的起著“存儲” 行為模式編碼的作用。當鏡像元系統(tǒng)被激活后，因為優(yōu)先級較高的緣故，能替代言語系統(tǒng)中 這些神經(jīng)元網(wǎng)絡的作用，從而使因為這些神經(jīng)元系統(tǒng)的異常導致的口吃行為得到最大程度 的緩解。以數(shù)字技術(shù)模擬“合唱說話”效應的關(guān)在于激活鏡像元系統(tǒng)。一旦當鏡像神經(jīng)元 系統(tǒng)被激活，并接管異常的神經(jīng)元網(wǎng)絡后，口吃的核心癥狀和第二行為特征能被最大程度 的緩解。鏡像神經(jīng)元是由觀察所激活。比如，當一個人看見別人去拿杯子時，部分鏡像神經(jīng) 元就會被激活。而放下杯子時又會激活另一些鏡像神經(jīng)元?！昂铣f話”、“模仿說話”時，口吃者在聆聽被稱為“第二言語信號”的他人說話時，則是激活那些和形成語言相關(guān)的鏡像神 經(jīng)元的“觀察”行為。被激活的鏡像神經(jīng)元中“存儲”了言語動作的行為編碼。在語言習得 過程中，同樣的編碼被“復制”了一份“存儲”在與言語相關(guān)的神經(jīng)元中。由于Kalinowski 所論述的鏡像神經(jīng)元優(yōu)先于言語相關(guān)的神經(jīng)元，當鏡像神經(jīng)元被激活后，對口吃者來說，相 當于在言語的形成過程中提取了備份的，而不再是因病變而可能有錯誤的動作編碼。備份 的編碼是正確的，所以言語也就回歸流暢，第二行為特征得以消除。2002年西谷信行和哈里報道了他們的實驗結(jié)果當他們讓自愿者們觀看畫有各 種口型的圖片時，這些自愿者的鏡像神經(jīng)元系統(tǒng)中的各部位會按照一定先后順序被激活。 也就是說，除了聆聽“第二言語信號”外，觀察與“第二言語信號”相對應的口型圖像也有利 于激活鏡像神經(jīng)元系統(tǒng)，可以大大提高口吃矯正器的效果。以數(shù)字技術(shù)模擬“合唱說話”效應，即對語音信號進行實時采集、分析和處理，來實 現(xiàn)對語音的改變反饋(主要是DAF和FAF，當然也可以包括MAF)。主要有如下幾種方式是A/D (模/數(shù)轉(zhuǎn)換)+DSP (數(shù)字信號處理器)+D/A (數(shù)/模轉(zhuǎn)換)是A/D (模/數(shù)轉(zhuǎn)換)+MCU (微控制器)+D/A (數(shù)/模轉(zhuǎn)換)是A/D (模/數(shù)轉(zhuǎn)換)+MPU (微處理器)+D/A (數(shù)/模轉(zhuǎn)換)是A/D (模/數(shù)轉(zhuǎn)換)+CPU (中央處理器)+D/A (數(shù)/模轉(zhuǎn)換)A/D (模/數(shù)轉(zhuǎn)換)+FPGA+D/A (數(shù)/模轉(zhuǎn)換)的形式DSP、MCU、MPU、單片機和CPU是運行軟件完成信號處理算法運算；而FPGA則是直 接以硬件方式執(zhí)行算法，當對特定的運算進行分解、執(zhí)行流水操作和并行運算時，F(xiàn)PGA運算 速度大大超過DSP和CPU。在靈活性上CPU、MPU和最好，DSP次之，F(xiàn)PGA欠佳。從信號路徑 的角度來看，這幾種方式?jīng)]有什么不同，都包括1.輸入部分[0022]a)傳感器接口(如麥克風或直接音頻接口)將聲音信號轉(zhuǎn)換成電平信號[0023]b)模/數(shù)轉(zhuǎn)換(A/D)將電平信號轉(zhuǎn)換成數(shù)字信號[0024]C)輸入階段的信號優(yōu)化[0025]2.信號分析與處理[0026]a)信號識別與優(yōu)化[0027]b)信號重構(gòu)(實現(xiàn)信號的延遲和頻率改變)[0028]c)生成掩蔽信號(實現(xiàn)掩蔽聽覺反饋)[0029]d)信號合成[0030]3.輸出部分[0031]a)輸出階段的信號優(yōu)化[0032]b)數(shù)/模轉(zhuǎn)換(DA)將數(shù)字信號轉(zhuǎn)換成電平信號[0033]c)傳感器接口(如揚聲器、耳機接口)[0034]在上述信號通路方式上，輸入部分和信號分析與處理的前半部分都恰好是語音轉(zhuǎn)換到口型圖像這一功能模塊所必須的。[0035]現(xiàn)有的數(shù)字口吃矯正器中，包含麥克風、數(shù)字信號處理器和揚聲器，數(shù)字口吃矯正
器使用者的語音，通過麥克風(輸入部分)采集語音轉(zhuǎn)換為電平信號，數(shù)字信號處理器(信號分析部分)中的AD將該電平信號轉(zhuǎn)換為數(shù)字信號并傳送到揚聲器。但是目前的數(shù)字口 吃矯正器都不能顯示出正確口型的口型圖像，也不能配合音位的持續(xù)時間來展示獨立的靜 態(tài)圖像組合成完整的口型動作展示給使用者，除了聆聽“第二言語信號”外，沒有與“第二言 語信號”相對應的口型圖像供使用者觀察。也就不能充分激活其鏡像神經(jīng)元系統(tǒng)的功能，從 而進行口吃矯正的方式。

實用新型內(nèi)容本實用新型為解決上述技術(shù)問題，提供了一種可將漢語語音轉(zhuǎn)換成口型圖像的口 吃矯正裝置，可以將語音識別為音位(元音和輔音)，還能識別共振峰的頻率參數(shù)，根據(jù)識 別出的音位和共振峰的頻率參數(shù)，就可以根據(jù)預先建立的模型，顯示出正確口型的口型圖 像，再配合音位的持續(xù)時間，則可以將各獨立的靜態(tài)圖像組合成完整的口型動作展示給使 用者，從而達到激活其鏡像神經(jīng)元系統(tǒng)的目的?！N可將漢語語音轉(zhuǎn)換成口型圖像的口吃矯正裝置，包括依次信號連接的麥克 風、數(shù)字信號處理器和揚聲器，其特征在于還設置有與數(shù)字信號處理器連接的用于識別元 音和輔音的語音識別單元，語音識別單元還與口型圖像生成單元相連，口型圖像生成單元 再連接顯示單元。該口吃矯正裝置的原理是麥克風將采集的語音信號轉(zhuǎn)換為電平信號，再由數(shù)字 信號處理器中的AD將電平信號轉(zhuǎn)換為數(shù)字信號傳送給揚聲器，同時數(shù)字信號處理器還可 以將數(shù)字信號進一步轉(zhuǎn)換為頻域信號。因為頻域信號是實現(xiàn)FAF的必要條件，現(xiàn)在還被用 來輸入到語音識別單元，來進行音位的識別。通過選擇合適的濾波器帶寬，可以提取出頻域 信號的共振峰，并得到第一、二、三共振峰的頻率，稱為Fl、F2、F3，再結(jié)合共振峰持續(xù)的時 長，就可以識別出元音(如Fl在300-400Hz，F(xiàn)2在IOOOHz左右，時長小于200ms就可以識 別為元音u)和輔音(如Fl = 200,F2 = 720，F(xiàn)3 = 2100識別為輔音/b，p/)。識別出的音 位，以及共振峰頻率和音量等數(shù)據(jù)再被送到口型圖像生成單元就可以得到基本口型(如半 圓形，圓形)和口唇張開大小的參數(shù)(如音量越大，口唇張開得也越大)。生成的口型圖像 被連續(xù)顯示在顯示單元上，并且根據(jù)音位的持續(xù)時間來調(diào)整每張圖像的持續(xù)時間，就構(gòu)成 了連續(xù)的口型動作。本實用新型的有益效果如下本實用新型可以將語音識別為音位(元音和輔音)，還能將語音信號轉(zhuǎn)化為頻域 信號的共振峰頻率參數(shù)，根據(jù)識別出的音位和共振峰的頻率參數(shù)，則可以根據(jù)預先建立的 模型，可以將各獨立的靜態(tài)圖像組合成完整的口型動作展示給使用者，以此激活使用者的 鏡像神經(jīng)元系統(tǒng)，從而可以實現(xiàn)口吃矯正的目的。

圖1為本實用新型的結(jié)構(gòu)示意圖具體實施方式
如圖1所示，一種可將漢語語音轉(zhuǎn)換成口型圖像的口吃矯正裝置，包括依次信號 連接的麥克風1、數(shù)字信號處理器2和揚聲器3，還設置有與數(shù)字信號處理器2連接的用于識別元音和輔音的語音識別單元4，語音識別單元4還與口型圖像生成單元5相連，口型圖 像生成單元5再連接顯示單元6。 該口吃矯正裝置的原理是麥克風1將采集的語音信號轉(zhuǎn)換為電平信號，再由數(shù) 字信號處理器2中的AD將電平信號轉(zhuǎn)換為數(shù)字信號傳送給揚聲器3，同時數(shù)字信號處理器 2還可以將數(shù)字信號進一步轉(zhuǎn)換為頻域信號。因為頻域信號是實現(xiàn)FAF的必要條件，現(xiàn)在 還被用來輸入到語音識別單元4來進行音位的識別。通過選擇合適的濾波器帶寬，可以提 取出頻域信號的共振峰，并得到第一、二、三共振峰的頻率，稱為F1、F2、F3，再結(jié)合共振峰持 續(xù)的時長，就可以識別出元音(如Fl在300-400Hz, F2在IOOOHz左右，時長小于200ms就 可以識別為元音u)和輔音(如Fl = 200, F2 = 720，F(xiàn)3 = 2100識別為輔音/b，p/)。識別 出的音位，以及共振峰頻率和音量等數(shù)據(jù)再被送到口型圖像生成單元就可以得到基本口型 (如半圓形，圓形)和口唇張開大小的參數(shù)(如音量越大，口唇張開得也越大)。生成的口 型圖像被連續(xù)顯示在顯示單元上，并且根據(jù)音位的持續(xù)時間來調(diào)整每張圖像的持續(xù)時間， 就構(gòu)成了連續(xù)的口型動作。
權(quán)利要求一種可將漢語語音轉(zhuǎn)換成口型圖像的口吃矯正裝置，包括依次信號連接的麥克風(1)、數(shù)字信號處理器(2)和揚聲器(3)，其特征在于還設置有與數(shù)字信號處理器(2)連接的用于識別元音和輔音的語音識別單元(4)，語音識別單元(4)還與口型圖像生成單元(5)相連，口型圖像生成單元(5)再連接顯示單元(6)。
專利摘要本實用新型公開了一種可將漢語語音轉(zhuǎn)換成口型圖像的口吃矯正裝置，包括依次信號連接的麥克風、數(shù)字信號處理器和揚聲器，其特征在于還設置有與數(shù)字信號處理器連接的用于識別元音和輔音的語音識別單元，語音識別單元還與口型圖像生成單元相連，口型圖像生成單元再連接顯示單元；本實用新型可以將語音識別為音位(元音和輔音)，還能將語音信號轉(zhuǎn)化為頻域信號的共振峰頻率參數(shù)，根據(jù)識別出的音位和共振峰的頻率參數(shù)，則可以根據(jù)預先建立的模型，可以將各獨立的靜態(tài)圖像組合成完整的口型動作展示給使用者，以此激活使用者的鏡像神經(jīng)元系統(tǒng)，從而可以實現(xiàn)口吃矯正的目的。
文檔編號G10L21/06GK201741384SQ20102027658
公開日2011年2月9日 申請日期2010年7月30日 優(yōu)先權(quán)日2010年7月30日
發(fā)明者付曉毅, 張 成, 蔣一寧, 蔣濤, 藺君剛, 趙旭 申請人:四川微迪數(shù)字技術(shù)有限公司