扩声系统语言清晰度的测量-电子三所 姜波

扩声系统语言清晰度的测量著：Morten Jorgensen 美国BOSE公司扬声器开发、声学部门经理用户希望自己的扩声系统能够满足多种使用需求；声音均匀覆盖全部区域；便于操作并且维护简单，其中最重要的评价标准有以下几点：1. 用户希望扩声系统有正确的高频、中频、低频比例——即“音色平衡”。

2. 扩声系统播放声音的响度要合适，既不能太响也不能太轻。

3. 大多数场合，用户希望扩声系统的声音来自正确的方向——活动正在进行的方向。

比如说，演讲者在主席台发言时，声音来自于主席台方向，肯定比来自于观众头顶要自然的多。

4. 扩声系统播放清晰透彻的音乐和语言声音，没人希望得到乐器音色被染色或者语言很难理解的扩声系统。

5. 另外，用户希望扩声系统要足够稳定可靠，经过长时间使用，性能不会下降、也不需要维护。

万一出现故障，得到的服务是及时并且价格实惠的。

关于扩声系统质量评价的各种标准中，语言清晰度无疑是最重要的。

实际上，优良的语言清晰度是所有扩声系统设计的最基本原则。

发生紧急情况时，使用扩声系统通知群众，如果语音信号恰恰模糊难懂，这个扩声系统根本就是设计失败的。

因此，语言清晰度已经被列入欧洲和北美洲的一些强制标准和规范中，并且逐步扩展到全球领域的IEC标准中。

三十年前，如果您做一个调查，询问大众：“您认为公众场所的扩声系统的声音质量怎么样？”大家会回答“不理想”。

糟糕的是，即使在今天，您做同样的调查，得到的答案仍然相同。

本人就做过这种调查，并且有亲身经历：在美国拉斯韦加斯机场这样的国际级机场，扩声系统的声音质量也令人难以接受。

这里引出一个问题：三十年前公众场所的声音质量令人不满意，如今改观不大，那么三十年以后的结果难道同样让人失望吗？究竟什么原因导致这种情况发生？人类已经登上月球，微处理技术日新月异，话筒、扬声器等不断有新产品诞生……然而，公共场所扩声系统的语言清晰度却没有大的改观。

现实情况是，过去的五十年间，科学家和工程师们付出了极大的努力研究这一课题，发展了预测语言清晰度的理论，开发了能在系统安装前——甚至是建筑建成前——就可以预估语言清晰度的软件程序，这些理论和工具都得到了广泛应用。

但是，语言清晰度仍然不理想，为什么？答案其实很简单，如果没有一种简便而精确的手段去测量，我们就无法得到想要的东西。

目前为止，测量语言清晰度的方式仍然非常复杂和昂贵，按照标准理论精确测量1个位置的STI值需要15分钟的时间和一名专家，而这仅仅是一个位置！这就是很少进行语言清晰度测量的原因。

工程上，我们称这种测量方式为“开环Open Loop”程序。

这就是今天我们面临的现状。

举个例子：法律规定了汽车在公路行驶最高时速限制，例如75公里/小时。

每辆汽车都有一个简单、快速、有效，当然也不贵的时速表测量时速，每名司机随时都知道自己是否违规。

非常简单！我们还有警察，他们也有简单、快速、有效，当然也不贵的方法测量时速——使用测速雷达，他们确保法律被执行！如果你开得过快，警察使用测速雷达抓到你，他们会给你开一张罚单。

如果你屡犯不改，警察会吊销你的执照并课以更高的罚款，甚至把你关进监狱。

整个程序工作得非常完美：规定——测量——强制执行。

现实生活中类似的例子还很多。

那么在我们关心的扩声领域怎么样呢？世界上各种标准和规定中设定了语言清晰度的最小值，一般STI 最低值为0.5。

但是测量既昂贵又复杂，强制执行几乎是不可能的。

我们总是期望有更好语言清晰度的系统，但是我们无法测量，我们又如何知道是否达到自己的预期呢？更别提改进了！这就是答案：为什么大家都意识到语言清晰度是扩声系统最重要的质量标准，却依旧不断成为人们抱怨最多的焦点。

下面让我们分三个步骤来讨论提高语言清晰度的程序：首先，更加深入的研究语言清晰度的理论知识，什么是语言清晰度？影响因素有哪些？如何测量？其次，使用设计工具，在建筑还未完成、扩声系统还未安装前，预估整个系统的语言清晰度，预估系统完成后听到的效果。

最后，完成整个“环路”Close the loop 。

系统安装完成后，使用测量工具验证设计的有效性，如果出现偏差，则进行调试。

语言清晰度不是安培、伏特之类的物理量，它测量的是人们理解语言程度的百分比，受到很多复杂因素的影响。

它经常表示为“%可正确理解的词语”，所以80%的语言清晰度表示10个词语中可以理解8个。

值得注意的是，足够的音量对于好的语言清晰度是必要条件，但不是充分条件。

如同在字迹模糊的手稿上增加更多的灯光，并不能使文字更清楚一样，在一个充满过度混响、延时和失真的系统中，增加音量并不能使语言更清晰。

图2显示了声音从讲话者到达聆听者的流程。

图1图2在一个语言清晰度很理想的系统中，说话者发出的所有信息都能被听众收到并理解。

然而，实际信号传输途中，有太多的因素造成清晰度下降。

例如，话筒带宽有限，或是失真改变了信号；调音台发生削波；房间内混响时间过长，或是背景噪音太大……总之，测量语言清晰度时，必须把从说话者到听众之间的所有影响因素都考虑进去。

传统的语言清晰度测量方式是怎样的呢？是采用真人测试。

在安装了扩声系统的真实房间内，受测者将听到一系列标准化的词语，受测者写下听到的词语或在表格上打勾选择。

对每个人记录的内容进行统计打分，最后结果以%可正确理解的词语的形式表示。

实际上这种测试非常难以实现，太复杂、太昂贵了！首先，需要很多测试人员，一两个人是不具代表性的。

另外，要听上百个词语，以确保结果的准确度。

既然真人测试不现实，研究人员从上世纪中叶开始，就致力于开发通过测量声学指标来测试语言清晰度的理论和工具。

过去几年来，多种测试理论被提出，AI(Articulation Index)、RASTI、STI 就是其中一些。

STI(Speech Transmission Index)理论是当今世界上广泛应用的测量和预测语言清晰度的标准，被列入了很多标准规范，并且许多仪器都可以测量STI。

STI取值范围从0到1，0表示完全不能听懂，1表示全部可以理解。

影响语言清晰度的因素有背景噪声、混响、延时、系统带宽、失真、说话人讲话能力和听众听力理解力等等。

STI理论作为语言清晰度测量的工业标准，正确考虑了从讲话者到听众之间的所有影响因素。

让我们详细来看一看。

任意语言信号可以看成由两种频谱组成(如图3)，首先是可听域频谱(如图3.b)——我们能够听到的声音的频谱，常用到的可听域频谱频率范围很宽，从100Hz 至10KHz ，可以用中心频率从125Hz-8KHz 的7个倍频程表示。

可听域频谱并不是平坦的，中低频的能量多一些。

语言并不仅仅是由不同频率的声音组成，我们所听到的语言是以“词”或“字”的形式组合成的语句，我们称这些“词”或“字”为“音素”。

我们发出这些“音素”的频率要远低于可听域频率——每秒钟我们只能说几个字或词，因此该频率只有几赫兹。

我们听到的人类语言，转化成数学模型可以表示成：以“音素”去调制宽范围的可听域频率。

而发出“音素”的频率即调制频率可以用0.63-16Hz 的14个1/3倍频程的中心频率代表(如图3.c)。

调制频率也不是平坦的，因为我们更常以中等速度讲话。

现在，我们可以利用这两个频谱的信号组成人工测试信号，这个测试信号与人类语言信号有相同的特性。

被调制的可听域频谱采用125Hz-8KHz 的7个倍频程的噪声信号，每个倍频程的电平与真实语言能量分布相同。

随后以14个调制频率逐个调制7个可听域频谱，把调制后98种信号组合起来得到标准测试信号。

从讲话者到听众之间的传输途径中，有很多种因素会降低语言清晰度，对于测试信号来讲，影响因素会减少原始信号调制的量，通过测量调制信号损失的情况，即可了解语言清晰度损失的情况。

（请参考图4调制信号传输过程中的损失）这是STI 测试的关键，在一个理想的系统里，输入端的标准测试信号可以无损失的在听众端接收到。

让我们来看一下，其中几个因素是如何影响语言清晰度的。

图3 语音信号的分解(可分解成两种频谱信号)图3.a任意一个语音信号 图3.b 可听域频谱图3.c “音素”频谱图4调制信号传输过程中的损失背景噪声图5为一段背景噪声信号。

讲话者至听众之间的背景噪声填充了原始信号的部分低谷，测量接收端调制信号的损失就可以得到背景噪声对语言的影响。

表一为不同信噪比情况下，STI 与百分比可懂度之间的对应关系。

图六名字混响时间图6为房间内脉冲信号随时间衰减的曲线，信号不是突然消失，而是依混响时间曲线衰减(如图6.a)。

我们可以把调制信号看成是由一系列脉冲信号组成的(如图6.b)，每一个脉冲信号都依混响时间曲线衰减，衰减曲线填充了部分低谷(如图6.d)。

混响总的影响是填充了低谷，从而造成调制损失。

表二为不同混响时间情况下，STI 与百分比可懂度之间的对应关系。

信噪比 STI ANSI 评价 -6 dB 0.32 42% 0 dB 0.50 87% 6 dB 0.72 95% ∞1.00100%T60 STI ANSI 评价 5.2 0.35 51% 2.6 0.50 87% 1.7 0.58 88% 0.9 0.72 95% 0.60.8398%图5 调制信号受背景噪声影响的情况表一表二图6调制信号受混响时间影响的情况图七.名字,在文章中也做相应的修改图6.a 混响时间衰减曲线图6.b 调制信号可分解为一系列脉冲信号 图5.a 初始调制信号图5.b 背景噪声信号 图5.c 最终调制信号 图6.c 初始调制信号图6.d 混响时间的影响 图6.e 最终调制信号回声回声是迟达的强能量反射声，几乎是原有信号的拷贝并延迟一段时间(如图7.b)，它同样会起到填充低谷、改变调制信号包络的作用(如图7.c)。

表三为不同延迟时间情况下，STI 与百分比可懂度之间的对应关系。

以上我们讨论了什么是语言清晰度、如何进行测量、主要的影响因素、以及最通用的测试理论STI 。

下面介绍几种计算机设计工具，可以预测包括语言清晰度在内的主要声学指标。

现今，已经开发出几种计算机模型设计工具，用来设计声学系统，以达到一定程度的语言清晰度。

其中有EASE 和ODEON 软件，当然还有BOSE Modeler 电脑声学设计软件。

这些软件通过使用房间的建筑图纸，在电脑中建立房间的三维模型，根据实际情况选择每个表面的建筑材料，然后将扬声器放入模型内，来预估主要的声学指标如声压级、语言清晰度等等。

10年前，技术又有了新的发展。

建筑设计师通过眼睛来判断建筑的视觉效果如何，同样，声学设计顾问，当然还有业主，如果能在房间还未建成前或决定购买前，使用自己的听觉来判断扩声系统的声音效果，那是多么自然而又令人开心的事。

今天，电脑语音模拟试听系统使其成为现实。

该系统同样首先在电脑中建立声学模型并放置扬声器，然后电脑语音模拟试听系统允许您“跳”入模型中，任意挑选一个座位，聆听扩声系统在房间内的表现是怎样的。