对语音处理领域一直充满兴趣。近年来，开始深入研究与语音相关的主题，并决定在这里分享经历和学习成果。目标是基于语音处理，提供视角和见解。
如果认为会给出一个枯燥的数学量化或定义，那就错了。三四年前，读了尤瓦尔·诺亚·哈拉利的《人类简史》。其中一句话让印象深刻：“除了集体想象之外，没有神，没有国家，没有金钱，没有人权。”这是一句深刻而有意义的句子。那么，什么是想象呢？
知道艾德·希兰是一位非凡的歌手。所以在支付了相当昂贵的票价后，参加了他的一场音乐会。怎么知道艾德是一位杰出的歌手呢？嗯，听了他的很多歌曲。特别是像《Perfect》、《Shape of You》和《Castle on the Hill》这样的歌曲。反复听了很多次。因此，基于这些数据，判断是他是一位非凡的歌手。此外，这些经验数据帮助构建了一个画面，即无论实际结果如何，音乐会都将是精彩的。
当说到“构建一个音乐会将精彩的画面”时，那是想象，其结果是不可预测的。但这个画面从何而来呢？嗯，在脑海中，艾德·希兰的歌曲创造了一种满足感，给带来了即时的提升，就像血清素这样的快乐荷尔蒙。现在，这是对艾德·希兰歌曲的感知，这导致想象音乐会会很棒。所以感知是对存在的认识。
喜欢反复听最喜欢的歌手的所有歌曲，还是只听最喜欢的歌手的某些特定音乐？听某些特定歌曲。所以感知有一个“有限的选择权重集”。此外，两个最喜欢的歌手都是艾德·希兰的人可能对这个有限的选择权重集有不同的看法。
那么，什么是“有限的选择权重集”呢？假设有20张卡片，有人偷走了五张。下次玩的时候会注意到。但假设有20,000张卡片，然后五张被偷走了。多久会注意到五张不见了？这引导到韦伯-费希纳定律。韦伯定律指出：“产生可感知感觉增加的最小刺激增加量与先前的刺激成正比。”
同时，费希纳定律是韦伯定律的推论（加上额外的假设），它指出感觉强度随着能量增加的对数增加，而不是随着增加的快速增加。这些定律是理解声音感知的基础。
让从数学上看看韦伯定律。其中ΔI代表差异阈值，I描述初始刺激强度，K表示方程左侧的比例保持不变，尽管I项有所变化。
感受器的冲动放电率与刺激的对数强度直接成比例。其中，R=冲动放电率，S=刺激强度，K=常数。
人们熟悉“SCRUM扑克游戏”；他们知道使用斐波那契数列来优先考虑用户故事。为什么不使用一个常规的数字序列？或者一个偶数或奇数的排列？原因是韦伯-费希纳定律。斐波那契数列是一个非线性滞后指数序列。因此，根据韦伯-费希纳定律，使用斐波那契数列进行优先级排序的想法变得现实。但如果使用一个连续的序列，如1,2,3，它将遵循线性，所以对人的感知来说并不那么现实。因此，优先级排序可能会偏离现实。
语音信号从说话者的嘴巴、鼻子和脸颊发出；它是时间的一维函数（空气压力）。麦克风将波动的空气压力转换成电信号、电压或电流，通常在语音处理中以这种形式处理语音信号。当说话时，会产生多个频率成分。那么，什么是频率成分呢？
这里说的句子是“Hello World”。这个表示看起来很复杂，对吧？怎么能猜测频率呢？在时间域中似乎有太多的数据。怎么知道频率呢？人类可以将一个值感知为“一个大团队”或“一个小团队”；在量化它之前，它没有任何意义。2个人的团队比5个人的团队小。4个人的团队比2个人的团队大，但比5个人的团队小。
量化为提供了构建感知的信息。所以需要量化语音中的频率。但这并不是唯一的原因。人类在感知时间方面是不完美的。有趣吗？嗯，在大学，有些人喜欢逃课去看电影或游戏，或者参加派对。这些人中的大多数可以告诉他们逃课的大致次数（频率）。
但他们无法告诉他们逃课的具体日期和时间。也许这就是说“时间治愈一切”的原因。或者“公众的记忆是短暂的”。从感知上讲，对时间是无知的。随着时间的推移，在感知上变得更加无知。这就是为什么在电信等应用领域。不在时间域中处理信号；所有的过滤、编码、卷积等都是在频率域中完成的。
有各种数学方法可以将时间域数据表示转换为频率域表示。对来说，拉普拉斯和Z变换有点模糊，因为它们并不总是具有确切的物理解释。如果对微分方程有更好的感知和想象，那么它是一个有价值的工具。但还必须记住，这些变换彼此之间有些相关。
将讨论傅里叶变换；一个非周期信号，如语音，可以被分解成从0到无穷大的连续频率的正弦波，根据傅里叶变换。
现在，如果对前面提到的语音样本“Hello World”执行这个操作，它看起来如下。可以看到有很多频率成分。所有这些频率成分对人类感知语音有帮助吗？一个健康的年轻“正常”听觉频率范围大约是20到20,000Hz。但对于感知来说，它在0-1000 Hz之间保持线性，但在1000Hz之后变得对数。所以不会区分10000Hz和10010Hz之间的声音。这就是为什么所有ASR系统在它们的初始数字信号处理特征提取部分使用一个掩蔽滤波器，该滤波器内部将频率转换为人类感知声音的方式。这些滤波器是MFCC、GFCC、PLP等。
由于上述感知能力的不足，无法感知耳语。此外，语音感知的可理解性还取决于一些预先学习的数据。就像知道的，有特定语言的母语和非母语者；以下是同一数据。
对于母语者来说，当他们学习第二语言（L2）时，他们的第一语言（L1）的影响可以在L2的发音中看到。或者有时，一种语言有不同的发音和语音风格。对于英语，有两个主要部分，如英国英语和美国英语。在接受发音（RP）时，这是在学习英国英语时最常见的英语口音。在BBC新闻中，英语的类型。理解RP将帮助区分英国和美国口音。例如，在RP中，字母“r”在单词的末尾发音非常柔和。例如，用英国口音，发音字母“r”几乎不发生。就像，在单词‘Pork’中。甚至可以认为在这个上下文中它是一个“无声的r”。一个英国人会发音这个词water，而一个美国人会说接近“wah-der”。
所有这些风格都给语音感知带来了挑战。为了消除这一点，一些社交网络站点，如LinkedIn，增加了一个特定部分，人们可以在这里说出他们的名字并获得正确的发音。
因此，已经讨论了人类在时间感知方面的无能和频率感知方面的能力。还给出了人类心理声学性质如何运作的概念。著名的英国诗人威廉·布莱克曾经写道：“如果感知之门被净化，一切都会向人显现出来，就像它本身一样，无限。”想想看，如果能线性地听到所有频率成分，并且能够区分彼此，可能会比现在更理解语音。此外，想提一下，正如之前所说，不能正确感知时间域。像爱因斯坦这样的伟人有一种将时间视为第四维度的心态！！这不是对无限的天才想象力吗？