1.参考文献 ¶

Tupper, P., Leung, K., Wang, Y., Jongman, A., & Sereno, J. A. (2020). Characterizing the distinctive acoustic cues of Mandarin tones. The Journal of the Acoustical Society of America, 147(4), 2570-2580. http://doi.org/10.1121/10.0001024

论文原文

2.研究背景 ¶

听觉上，声调主要表现为基频（F0/音高）、持续时间和幅度的变化。这类研究的难点在于，音高轮廓描述的是F0如何随时间变化，需要在每个瞬间记录F0，但这是不切实际的，可以用少量线索来描述音高轮廓的特征。那么哪些线索对描述汉语音高轮廓最有用呢？当前的研究考虑了广泛的线索，并评估哪些线索最能区分不同声调。

早期的许多研究使用人工合成的声调，并通过感知任务来进行。一项重要的早期研究将音高轮廓放置在二维空间中。当呈现声调刺激时，该空间被认为是感知空间。通过分析两个维度，并确定它们大致就是“高度”和“方向”。“高度”是每个声调的平均F0，而他的“方向”对应于F0轮廓的斜率，或者说是朝向轮廓末端的斜率。后续研究确定了平均F0和斜率是关键的声调线索。平均F0定义为F0周期内的F0均值。但“斜率”有几种不同的定义方式。（1）对音高轮廓进行标准化，使其有相同的持续时间，例如1个时间单位。一些研究人员使用结束时的F0和开始时的F0之间的差异，得出其斜率。（2）用F0值的范围除以持续时间。因为始终得出正值，所以无法区分相同斜率的下降声调和上升声调。（3）线性函数拟合音高轮廓。此项研究会使用这个方法来计算斜率。

只使用均值和斜率来表征音高轮廓也存在问题，因为其不能描述某些音高轮廓的最显着特征：曲率。例如3声从高处开始，向下倾斜，然后返回到几乎相同的高度，通过计算得出的斜率几乎为零。如果平均值和斜率是唯一的线索，3声与1声将无法区分。因此有必要引入至少一种额外的线索来描述音高轮廓的变化。此项研究通过将抛物线拟合到音高轮廓来实现。

其他研究发现，动态和局部线索也很重要，例如平均和最小F0速度、F0起始点、转折点位置（TP）和△F0。TP定义为起点和最低点之间的时间间隔；△F0定义为从起点到转折点F0的下降程度。 TP有助于区分2声和3声。此项研究使用折线拟合模型描述转折点。时间线索也与声调感知有关，包括周期性，振幅轮廓和持续时间。在此项研究中，也考虑了与时间有关的线索。

研究目的（1）研究不同的线索，并使用Cohen’s d来确定它们在区分声调方面的表现如何，进一步确定有效的线索；（2）使用Sparse PCA确定哪些线索在功能上等效；（3）使用线性判断分析（LDA）找到能够说明音高轮廓重要变化的线索，以确定表征声调的最佳线索。

3.研究方法 ¶

a.被试 ¶

21名本科生和研究生（11位女性），汉语母语者，出生后的前12年在中国北方或台湾长大。听力正常，没有语言或言语障碍。

b.刺激 ¶

使用单音节/e/，“婀”（/e1/ 1声），“鹅”（/e2/2声），“恶”（/e3/3声）和“饿”（/e4/ 4声）。也包括四个声调的/i/和/u/。由于/e/是中元音，在三个元音中的舌移动最少，推测它与声调的相互作用最小，因此在此分析中只选择了该元音。

c.程序 ¶

记录被试说的话。被试坐在电脑旁，屏幕上显示线索、说明和反馈。

从热身阶段开始，有助于使被试熟悉界面和材料，并允许他们练习目标词。热身阶段的结果不包括在分析中。然后，被试完成了三个诱发模块，并被要求自然说话，单词的产出是随机的。每个被试共产出49个/e/，包括11个/e1/、12个/e2/、15个/e3/、11个/e4/。每个被试的产出顺序都是相同的。由于错误，排除了四个/e/的产出，分析中共包括1025个/e/产出（21*49– 4）。

每个被试的产出都由两名受过培训的汉语母语评估人员评估。

4.数据分析 ¶

将音高轮廓分为100个相等的时间间隔，使用101个时间点的数据来获取F0值。使用T值对数变换对四个声调的音高轮廓进行标准化。

其中x代表观察到的F0，a和b分别是被试的最大F0和最小F0。从而得到所有被试产出的四个声调的标准化音高轮廓。

研究22个线索。线索1是总持续时间。通过将抛物线拟合到音高轮廓上，得到线索2、3、4：平均F0，F0斜率和F0二阶导数（曲率）。在时间间隔[0,1]上，f（t）中的t为标准化音高，0<=t<=1。通过找到最佳系数c0、c1、c2使抛物线拟合音高轮廓：

c0是均值，c1为斜率，c2为二阶导数的一半，也就是曲率。

通过折线拟合来描述TP和△F0。d0为折现拟合起点，d1为第一部分直线的斜率，d2为断点位置，d3为的第二部分直线的斜率。将d0、d1、d2、d3作为线索5-8。然后使用这些线索获取另外三个线索：onglide（线索9）是折线起点与断点的F0之差，offglide（线索10）是断点和终点的F0之差，overall（线索11）是折线起点和终点的差。

线索12是F0的范围，为最大F0与最小F0之差。线索13-17是F0值，分别在周期的0％，25％，50％，75％和100％处测得：线索13是起点的F0值，线索17是终点的F0值。由于F0转折点位置以及转折点上的F0值与2声和3声辨别有关，因此测量了音高轮廓最大值和最小值的位置，分别为线索18和19。

最后三个线索（20、21、22）是平均强度、最大强度、以及最大强度的位置。

5.结果 ¶

a.确定单个线索区分声调的能力。 ¶

使用Cohen’s d来衡量特定线索的重要性。d绝对值大小表示两组之间的差异，并衡量线索对区分声调的有效性。正值表示第一组的值更大；负值表示第二组的值更大。第一组由特定声调的线索组成，第二组由其他三个声调的线索组成，然后计算d。

1声：线索2（平均F0）对大多数被试有较大的正值，线索12（F0范围）的d值小于其他声调，线索2和12对所有被试都具有很强的影响（较大的|d|）。

2声：线索3（斜率），线索5（BLstart），线索11（overall）和其他几个线索，d值都比较大。

3声：对于所有被试，线索15（F0 50％）d的负值都小于-2。线索2（平均F0）与线索15相似，但在被试中并没有那么一致。

4声：线索3（斜率）和线索11（overall）是两个重要的线索。

为了找出最重要的线索，先列出每个声调的d绝对值最大的五个线索，发现线索2-4和线索13-17都很突出。

b.识别多余的线索 ¶

由于某些线索相关性很高，例如，线索2（F0均值）和线索15（F0 50％）都可用于区分声调，但两者都高度有关，因此都使用是多余的。为了量化这种多余性，计算22个线索的相关性。

分析提供相关线索的分类和该线索组别的重要性排名，与斜率相关的线索包括3、8、10、11、17。其次是平均值相关的线索、与曲率相关的线索。平均和最大强度，其后是由单个线索。其余组别不能解释太多变化。最后一列说明了哪个线索在组别中“最重要”。

Sparse PCA分析的结果支持使用多个线索，这些线索来自三个主要组别中的“最重要”线索。

c.选择最佳线索 ¶

使用LDA衡量一对线索的好坏。如果给定一组线索，可以通过线完美地分开，则分类准确度将为100％。如果一组线索没有效果，那么分类准确度将为25％，因为有4个声调。

表IV显示了分类准确度最高的前5对线索，最好的一对线索是斜率和曲率。接下来的四对，几乎每对都由与斜率和曲率高度相关的线索组成。

图10

此外，还确定了包含第三个线索是否可以改善声调的区分性。在表V中显示了LDA分类准确性前三名的结果。只有斜率（3），曲率（4）和平均强度（20）组成的组合线索能够提高分类准确度，且优于原先的最佳组合（3和4）。因此，声调间的大多数变化都在两个线索中被捕捉到。

6.讨论 ¶

使用Cohen’s d来确定单个线索在区分声调方面的表现。由于单独的线索不足以区分音高轮廓，因此需要考虑一组线索，而且彼此之间不高度相关。使用PCA来识别多余的线索。发现三个主要组别是（i）与均值相关的线索，（ii）与斜率相关的线索，（iii）与曲率相关的线索。使用LDA确定最佳的组合线索，最终选择了斜率和曲率。