【摘 要】
:
声音信号在耳蜗中通过内毛细胞转换成神经电信号.声音引起的耳蜗基底膜振动导致内毛细胞纤毛的偏转,内毛细胞将其纤毛的偏转转化为其膜电位变化的电信号.上述内毛细胞的力/电
【机 构】
:
华中科技大学物理系,武汉,430074
【出 处】
:
中国声学学会2006年全国声学学术会议
论文部分内容阅读
声音信号在耳蜗中通过内毛细胞转换成神经电信号.声音引起的耳蜗基底膜振动导致内毛细胞纤毛的偏转,内毛细胞将其纤毛的偏转转化为其膜电位变化的电信号.上述内毛细胞的力/电转换有两个特点,一是极其敏感,纤毛在原子尺度上的位移偏转也能引起内毛细胞膜电位的变化,但是毛细胞换能的动态范围却非常狭小,当纤毛偏转的位移达到纳米尺度时,内毛细胞的力/电转换开始渐趋饱和[1],与听觉高达120dB的动态范围形成对照.另一个特点是,由于其力/电转换的极度敏感,使得其所处的淋巴液的热运动构成吵闹的噪声环境[2].本研究从理论上证明,由于耳蜗力/电换能的非线性特征,使得噪声在内毛细胞信号换能出现饱和时有信号增强效应,从而增强了内毛细胞力/电转能对信号动态以及环境改变的适应性.这种信号处理特征对其它信号处理,如水声信号转换处理也有借鉴作用.
其他文献
●译文rn日本私立大学中,1年中途退学的学生上升到55000人,这是日本文部科学省外围团体调查的数据.
特征提取是语音识别系统的前端处理模块,它的性能,是决定整个识别系统性能好坏的重要因素之一.常用的语音特征提取方法有MFCC、LPCC和PLP等,这些方法以传统的单源激励模型[2]
吴宗济、孙国华[1]最早对普通话音节中元音与辅音间协同发音进行了研究.汉语中,对于语流中的某个音节来说,协同发音主要取决于相邻前一音节末尾的元音,以及相邻后一音节首的
啼哭是婴儿向外界传递信息的主要手段,蕴含着丰富的、与婴儿的生理和病理状态有关的信息[1].研究表明,不同婴儿基于某种特定生理、病理状态的哭声具有一定的共性.但各种类型
非线性动力学方法近些年越来越多地被用于研究语音,它聚焦于语音信号的混沌性质.其中重构相空间技术是最多使用的一个非线性动力学方法.本文介绍了语音信号非线性动力学特性
情感语音的研究经历了很长的研究历史,近些年来尤其受到关注.在情感语音合成研究方面,传统上多采用规则控制的方式,如:Mozziconacci[1]在IPO语调基础上,通过规则的方式,加入
在日常语言交流的环境中,总是不免有噪声,完成声信号向神经信号转换的内毛细胞所处的耳蜗淋巴液环境也有强烈的热噪声[1].但是,听觉系统通常都能排除这些噪声的干扰,准确的提
在各种基于短时傅立叶变换的语音增强算法中,先验信噪比被认为是一个核心参数[1-4].Ephraim和Malah提出的Decision-Directed(DD)算法对其进行了有效的估计[1].Cappé详细分析
日本著名建筑家黑川纪章先生偕同日中协会评议员村井隆先生一行两人,应中日友协的邀请,于10月9日至14日来我国访问。
Japan’s famous architect Mr. Kurokawa, accompanie
语音和非语音分类的问题属于音频场景分类研究的范畴.国内外对音频场景分类进行了广泛深入的研究,针对不同的音频类型,采用了不同的音频特征[1][2][3].姜洪臣等人[4]综合了前