曾晨剛

中央民族大學(xué)國際教育學(xué)院 北京 100081

提要 語音量子理論認(rèn)為，聲學(xué)界標(biāo)可反映區(qū)別特征的聲學(xué)區(qū)分模式。本文以語音量子理論為理論基礎(chǔ)，以1800個普通話塞擦音音節(jié)為分析對象，利用決策樹模型，考察了VOT、GAP、譜重心、譜頂點(diǎn)、標(biāo)準(zhǔn)差、偏度、峰度、后接F2、振幅9項聲學(xué)參數(shù)中，哪些參數(shù)可以作為表征塞擦音的聲學(xué)界標(biāo)。研究表明，VOT可以作為[送氣嗓音]特征的聲學(xué)界標(biāo)，譜重心和偏度可以作為[后]特征的聲學(xué)界標(biāo)，后接F2和譜重心可以作為[面部]特征的聲學(xué)界標(biāo)。

1 引言

語音量子理論(Quantal Nature of Speech，簡稱QNS)認(rèn)為：聲學(xué)參數(shù)與發(fā)音參數(shù)存在一種非線性關(guān)系(見圖1)，Stevens (1989)將其稱為量子關(guān)系。在I區(qū)與III區(qū)，發(fā)音參數(shù)(articulatory parameter)的變化不會引起聲學(xué)參數(shù)(acoustic parameter)的劇烈變化，在II區(qū)，發(fā)音參數(shù)的細(xì)微變化會引起聲學(xué)參數(shù)的劇烈變化(Stevens 1989)。從區(qū)別特征的角度來看，如果我們把I區(qū)定義為[-F]特征，把III區(qū)定義為[+F]特征，介于I區(qū)與III區(qū)之間的II區(qū)則為構(gòu)成對立的關(guān)鍵，該區(qū)域集中體現(xiàn)了發(fā)音—聲學(xué)關(guān)系的不連續(xù)性，對應(yīng)到聲學(xué)參數(shù)上便是該區(qū)存在一個聲學(xué)界標(biāo)(acoustic landmark)，反映區(qū)別特征在不同賦值狀態(tài)下聲學(xué)參數(shù)的分布情況，因為II區(qū)的存在，才使得I區(qū)與III區(qū)在區(qū)別特征上的對立成為了可能(Stevens 1989，2000a，2000b，2003)。

QNS的目的是從發(fā)音參數(shù)(或聲學(xué)參數(shù))的角度研究區(qū)別特征在聲學(xué)以及生理層面的物質(zhì)基礎(chǔ)?；趨^(qū)別特征展開聲學(xué)界標(biāo)的清單研究有助于深刻認(rèn)識語音產(chǎn)生過程中聲學(xué)—生理的非線性關(guān)系，即量子關(guān)系。那么，在進(jìn)行清單研究之前，以下兩個問題必須明確(Stevens 1989; Stevens & Keyser 2010)：1)選擇何種區(qū)別特征來構(gòu)建清單？2)哪些聲學(xué)參數(shù)可以體現(xiàn)出發(fā)音與聲學(xué)的非線性關(guān)系，并進(jìn)而揭示區(qū)別特征的聲學(xué)/生理基礎(chǔ)？對于第一個問題，Stevens選擇Chomsky & Halle(1968:113)提出的區(qū)別特征體系用來構(gòu)建聲學(xué)界標(biāo)清單，他指出：QNS理論需要一種同時兼顧生理與聲學(xué)因素的區(qū)別特征體系，而Chomsky & Halle提出的區(qū)別特征系統(tǒng)，則從發(fā)音部位與發(fā)音方法兩個角度提出17對區(qū)別特征，這與QNS理論的初衷不謀而合(Stevens 1989)。對于第二個問題，哪些聲學(xué)參數(shù)可以體現(xiàn)發(fā)音與聲學(xué)的非線性關(guān)系，Stevens & Keyser(2010)指出區(qū)別特征由兩類物理因素決定：

1)聲道在共振時存在的耦合現(xiàn)象，此時區(qū)別特征的對立由聲道函數(shù)“零點(diǎn)”位置差異所決定，如本文所討論普通話塞擦音中的[面部]特征([coronal])、[后]特征([back])、[高]特征([high])，(1)Stevens在構(gòu)建QNS理論時，選擇Chomsky & Halle的區(qū)別特征體系，因而本文在描述塞擦音的區(qū)別特征時，均以Chomsky & Halle所提出的區(qū)別特征體系為準(zhǔn)。皆由不同的零點(diǎn)位置形成對立，Halle(1992:98)認(rèn)為這些特征與特定發(fā)音器官綁定，為器官綁定特征(articulator-bound)，Stevens在此基礎(chǔ)上提出聲學(xué)界標(biāo)的器官綁定(bounding articulator)，即存在標(biāo)記對立發(fā)音部位的聲學(xué)界標(biāo)(Stevens & Keyser 2010)。

2)不與特定器官綁定，反映語音聲源特性的器官獨(dú)立特征(articulator-free) (Halle 1992:98)，如[粗糙]([strident])、[延續(xù)]([continuant])、[響音]([sonorant])等，Stevens將這類聲學(xué)界標(biāo)稱為聲學(xué)界標(biāo)的聲源綁定(bounding articulator-free)，該類聲學(xué)界標(biāo)反映了不同聲源的對立(Stevens & Keyser 2010)。Stevens & Keyser(2010)認(rèn)為以上兩類物理因素在語音實(shí)現(xiàn)的過程中，還存在“區(qū)別特征的發(fā)音增強(qiáng)”(enhancement of distinctive feature)：區(qū)別特征與聲學(xué)界標(biāo)不是一一對應(yīng)的關(guān)系，區(qū)別特征在實(shí)現(xiàn)的過程中，不僅僅依靠標(biāo)準(zhǔn)聲學(xué)參數(shù)(standard parameter)反映聲學(xué)、聽感、生理基本格局，還有別的聲學(xué)參數(shù)增強(qiáng)了該區(qū)別特征在聲學(xué)上的顯著性。

QNS理論一經(jīng)提出便引起國際語音學(xué)界的廣泛關(guān)注，圍繞聲學(xué)界標(biāo)所做的聲學(xué)清單研究成為國際語音學(xué)界的研究熱點(diǎn)，如：Park & Cohen (1995)對英語中元音/i/、/u/、//、//的聲學(xué)界標(biāo)進(jìn)行了研究；Tabain(2001)分析了四名澳大利亞成年女性擦音的頻譜特征，并結(jié)合前人對擦音所得到的生理參數(shù)EPG，對擦音的聲學(xué)界標(biāo)進(jìn)行了清單化研究；Chi & Sonderrgger(2006)討論了英語中[-后]與[+后]的特征賦值機(jī)制，進(jìn)而分析了英語中前元音與后元音的聲學(xué)界標(biāo)；Sonderrgger & Keshet(2012)討論了英語中VOT對區(qū)分輔音發(fā)聲態(tài)所起到的聲學(xué)界標(biāo)作用；Kozloff(2017)討論了西班牙語中區(qū)分顫音(trilled)與拍音(tapped)的聲學(xué)界標(biāo)。與國外相比，國內(nèi)目前圍繞QNS理論的研究較少，僅有李智強(qiáng)(2013)和鮑懷翹(2015)從理論層面對QNS的介紹，圍繞聲學(xué)界標(biāo)的清單研究尚屬空白，本文參考Park & Cohen (1995)、Tabain(2001)、Veilleux & Shattuck-Hufnagel(2008)的研究范式，以普通話塞擦音為研究對象，擬對普通話塞擦音的聲學(xué)界標(biāo)進(jìn)行探索性研究。

圖1 發(fā)音參數(shù)和聲學(xué)參數(shù)之間的量子關(guān)系(Stevens 1989)

2 實(shí)驗設(shè)計

2.1 實(shí)驗材料設(shè)計

錄音在安靜的錄音室內(nèi)進(jìn)行，硬件方面使用Neumann U87Ai 話筒采集發(fā)音人的發(fā)音，軟件方面我們使用Praat軟件進(jìn)行錄音，音頻文件的采樣頻率定為44100Hz，并以.wav格式保存。在錄音前，要求發(fā)音人首先熟悉錄音材料，保證能夠準(zhǔn)確、自然的發(fā)音;錄音時要求發(fā)音人對著話筒，正常語速讀5遍。

2.2 數(shù)據(jù)分析方法及實(shí)驗流程討論

2.2.1 數(shù)據(jù)分析方法——決策樹模型簡介

Mitchell(2008:10)將機(jī)器學(xué)習(xí)分為三類：監(jiān)督學(xué)習(xí)(supervised learning)、非監(jiān)督學(xué)習(xí)(unsupervised learning)、強(qiáng)化學(xué)習(xí)(reinforcement learning)。本研究使用的決策樹模型是一種監(jiān)督學(xué)習(xí)模型，其運(yùn)行原理分為以下三步：首先，外界輸入一個包含特征值與標(biāo)簽值數(shù)據(jù)集，人工設(shè)定數(shù)據(jù)集中訓(xùn)練樣本與檢驗樣本的比重，決策樹會根據(jù)設(shè)置結(jié)果，把數(shù)據(jù)集中的樣本隨機(jī)分割為兩類，訓(xùn)練樣本與檢驗樣本；隨后，決策樹會對訓(xùn)練樣本中特征值與標(biāo)簽值的關(guān)系進(jìn)行機(jī)器學(xué)習(xí)，根據(jù)學(xué)習(xí)結(jié)果生成一個二分的樹模型以及聚類規(guī)則(見圖6)；最后，決策樹會調(diào)用檢驗樣本對該模型的擬合優(yōu)度進(jìn)行檢驗(檢驗結(jié)果體現(xiàn)為混淆矩陣，見表1)。

2.2.2 研究流程

參考決策樹建模的一般原則(Mitchell 2008:102)，本研究實(shí)驗流程定義如下：

第一步，語料采集與參數(shù)提取。選取10名(5男5女)普通話等級為二級甲等的漢語母語者，錄制語料，隨后利用語音分析軟件Praat提取出塞擦音的聲學(xué)參數(shù)。

第二步，利用MATLAB軟件，搭建決策樹模型。將采集到的樣本數(shù)據(jù)進(jìn)行隨機(jī)分類，分為訓(xùn)練樣本(樣本總數(shù)60%)與檢驗樣本(樣本總數(shù)40%)，輸入決策樹模型，分別得到與塞擦音有關(guān)的混淆矩陣、樹形分類圖、分類規(guī)則?；煜仃囉糜跈z驗決策樹對塞擦音音位聚類的擬合優(yōu)度，樹型分類圖計算出塞擦音實(shí)現(xiàn)音位分類的具體流程，分類規(guī)則計算出實(shí)現(xiàn)音位分類需要涉及到的聲學(xué)參數(shù)以及分界值。

第三步，數(shù)據(jù)分析，首先利用混淆矩陣考察決策樹是否能夠真實(shí)反映塞擦音的音位聚合。在本研究中，人工設(shè)定當(dāng)訓(xùn)練樣本和檢驗樣本的總正確率以及各項樣本的判斷正確率均高于95%，則說明該模型有效(Veilleux & Shattuck-Hufnagel 2008)，說明決策樹計算出的塞擦音樹形分類圖以及分類規(guī)則是可靠的，隨后通過分析樹形分類圖，明確塞擦音實(shí)現(xiàn)音位分類的具體流程，最后通過分類規(guī)則，(3)關(guān)于分類規(guī)則的解釋：決策樹通過計算會將表征塞擦音的聲學(xué)參數(shù)分為三類：主變量、與節(jié)點(diǎn)分類強(qiáng)相關(guān)的替代變量、與節(jié)點(diǎn)分類中等相關(guān)或弱相關(guān)的替代變量；決策樹只會選擇與節(jié)點(diǎn)分類最為密切的主變量和強(qiáng)相關(guān)的替代變量，作為塞擦音的分類規(guī)則，而中等相關(guān)、弱相關(guān)的替代變量不會進(jìn)入分類規(guī)則；進(jìn)入分類規(guī)則的參數(shù)中，主變量對各個節(jié)點(diǎn)分類關(guān)聯(lián)度最高，強(qiáng)相關(guān)的替代變量對節(jié)點(diǎn)的關(guān)聯(lián)度次之。明確不同聲學(xué)參數(shù)對解釋塞擦音音位分類的作用。

第四步，分析討論。根據(jù)決策樹分類規(guī)則中的變量分界原則以及變量對模型的關(guān)聯(lián)程度，以主變量為標(biāo)準(zhǔn)聲學(xué)參數(shù)，替代變量作為發(fā)音增強(qiáng)參數(shù)(Tabain 2001；Veilleux & Shattuck-Hufnagel 2008)，列出塞擦音的聲學(xué)界標(biāo)清單，并分析該聲學(xué)參數(shù)對區(qū)別特征賦值的影響，以及體現(xiàn)的聲學(xué)—發(fā)音關(guān)系。

2.3 參數(shù)定義

參考Svantesson(1986)、Jongman et al.(2000)、Lee et al.(2014)、吳宗濟(jì)(1986:210)、張家祿(1982)、冉啟斌(2007)對塞擦音聲學(xué)參數(shù)的定義，本次實(shí)驗提取以下9項聲學(xué)參數(shù)：VOT、GAP、譜重心、譜頂點(diǎn)、振幅、標(biāo)準(zhǔn)差、偏度、峰度、后接F2。其中VOT與GAP為時域參數(shù)，剩余7項為頻域參數(shù)，以下分別介紹提取辦法。

2.3.1 時域參量

VOT即嗓音起始時間， 以塞擦音的沖直條出現(xiàn)作為VOT的起點(diǎn)，元音周期波的出現(xiàn)作為終點(diǎn)，截得時長即為VOT，若沖直條在語圖中缺失，則以噪聲波的出現(xiàn)處作為起點(diǎn)，元音周期波的出現(xiàn)處作為終點(diǎn)來定義VOT(見下頁圖2)；GAP即輔音閉塞段時長，以前接音節(jié)元音F2結(jié)束點(diǎn)為起點(diǎn)，以塞擦音沖直條為終點(diǎn)，截得時長即為GAP(見下頁圖3)。

2.3.2 頻域參量

頻域參量分為三類：一類為表征塞擦音的頻譜能量，分別為：譜重心(central gravity)、譜頂點(diǎn)(spectral vertex)、標(biāo)準(zhǔn)差(standard deviation)、偏度(skewness)、峰度(kurtosis)為描述塞擦音的頻譜能量；另外兩類分別為振幅(intensity)與后接F2(F2onset)。

1)頻譜能量

表征塞擦音的頻譜能量的聲學(xué)參數(shù)有五種：譜重心表征頻譜能量的中心位置；譜頂點(diǎn)表征頻譜能量的上限；標(biāo)準(zhǔn)差為衡量頻譜分散程度的參數(shù)；偏度為衡量頻譜能量集中于高頻區(qū)還是低頻區(qū)的聲學(xué)參數(shù)，若偏度小于零，則說明頻譜能量集中于高頻區(qū)，若偏度大于零，則說明頻譜能量集中于低頻區(qū)；峰度為衡量頻譜能量集中區(qū)域能量值變化的陡緩程度，其數(shù)值大小與頻譜能量集中區(qū)域能量變化劇烈程度成正比。以上5項聲學(xué)參數(shù)，我們利用Praat自帶FFT技術(shù)，生成功率譜，并以此功率譜為基準(zhǔn)對以上5項參數(shù)進(jìn)行提取(見下頁圖4)。

在第二輪歌舞表演專業(yè)的考場中，別的同學(xué)都唱得特專業(yè)，美聲唱法、流行唱法各種，這些歌唱技巧我都沒有學(xué)過，當(dāng)時整個人非常心虛，反反復(fù)復(fù)練了好幾天，做夢都能念出歌詞，才在最后“厚臉皮”地唱出了最拿手的《讓我們蕩起雙槳》，而且還是緊張得跑了調(diào)。

2)振幅

選取寬帶語圖中塞擦音摩擦段，利用Praat自帶的提取振幅的算法提取出目標(biāo)段振幅的均方根值，并以此值作為塞擦音的振幅數(shù)值(見下頁圖4)。

3)后接F2

后接F2，即輔音后接元音第二共振峰，后接F2往往會攜帶輔音信息，是影響輔音感知的重要參量，其提取方法為基于寬帶語圖中塞擦音與后接元音的過渡段，利用Praat自帶的共振峰跟蹤算法，提取出改點(diǎn)的第二共振峰數(shù)值，即為后接F2(見下頁圖5)。

圖2 VOT、振幅提取示例(4) 此圖為一名男性發(fā)音人所發(fā)的“我在讀/hi55/”,目標(biāo)音節(jié)/hi55/(最后一個音節(jié))的VOT，即為兩條紅線之間區(qū)域時長,為188ms;振幅即為所選區(qū)域的振幅的均方根值，為-5.88dB。

圖3 GAP提取示例(5) 此圖為一名男性發(fā)音人所發(fā)的“我在讀/hi55/”的語圖，目標(biāo)音節(jié)/hi55/ (最后一個音節(jié))的GAP，即為兩條紅線之間區(qū)域的時長，時長為28ms。

圖4 FFT圖譜(6) 此圖為一名男性發(fā)音人/hi55/的FFT圖譜，橫軸為赫茲，縱軸為分貝，利用Praat自帶的查詢(query)功能，分別求出該圖譜中的譜重心(5543Hz)、譜頂點(diǎn)(5807Hz)、標(biāo)準(zhǔn)差(2144Hz)、偏度(1.01)、峰度(3.16)。

圖5 后接F2提取示例(7) 此圖為一名男性發(fā)音人所發(fā)/hi55/的語圖，選取塞擦音與后接元音過渡段,即紅線所處位置，利用Praat自帶的共振峰提取算法提取后接F2,數(shù)值為2110Hz。

3 數(shù)據(jù)分析

利用MATLAB搭建決策樹(使用CRT算法，多重變量檢測)，將9項聲學(xué)參數(shù)作為因子，將每個樣本所屬的塞擦音音位類別(即//、/h/、//、/h/、//、/h/)作為因變量輸入模型，并設(shè)定60%的樣本(即1080個塞擦音樣本)作為模型的訓(xùn)練樣本，另外40%的樣本(即720個塞擦音樣本)作為模型的檢驗樣本，檢驗該模型的可靠性。決策樹經(jīng)過學(xué)習(xí)，生成了混淆矩陣(見下頁表1)、樹形分類圖(見下頁圖6)、分類規(guī)則(見表2、表3)，以下我們分別討論。

3.1 模型準(zhǔn)確度的討論

首先，我們利用決策樹計算出的混淆矩陣(見表1)對模型的可靠性進(jìn)行評估。

表1 塞擦音音位混淆矩陣

樣本已觀測已預(yù)測///h//?//?h//?//?h/正確百分比訓(xùn)練//18000000100.0%/h/01800000100.0%/?/0017630098.0%/?h/0001770098.5%/?/0040175497.0%/?h/0000517697.7%總計百分比16.7%16.7%16.7%16.7%16.7%16.7%98.1%檢驗//12000000100.0%/h/01200000100.0%/?/0011740097.5%/?h/0001160097.0%/?/0030116596.3%/?h/0000411595.7%總計百分比16.7%16.7%16.7%16.7%16.7%16.7%97.8%

在表1中，橫列為預(yù)測值，即決策樹通過計算對各個樣本進(jìn)行音位歸類的結(jié)果，縱列為觀測值，即每個樣本本身所屬的塞擦音音位類別，每個樣本的即標(biāo)簽值，當(dāng)縱列與橫列的結(jié)果一致即為預(yù)測正確樣本的數(shù)量(粗體字)，通過觀察該表我們可以發(fā)現(xiàn)：六個塞擦音預(yù)測正確率存在以下序列：//、/h/> /h/> //>/h/> //，//與/h/在檢驗樣本和預(yù)測樣本中全部預(yù)測正確；/h/和//次之，/h/在訓(xùn)練樣本和檢驗樣本中預(yù)測正確率分別為98.5%和97.0%，//在訓(xùn)練樣本和檢驗樣本中預(yù)測正確率分別為98.0%和97.5%；/h/和//預(yù)測正確率最低，/h/在訓(xùn)練樣本和檢驗樣本中預(yù)測正確率分別為97.7%和95.7%，//在訓(xùn)練樣本和檢驗樣本中預(yù)測正確率分別為97.0%和96.3%。從訓(xùn)練樣本和檢驗樣本的預(yù)測正確率來看，兩類樣本的預(yù)測正確率均高于95%，分別為98.1%(訓(xùn)練樣本)、97.8%(檢驗樣本)。這說明決策樹模型可靠性較強(qiáng)，接下來我們將在3.2考察塞擦音的音位聚類流程。

3.2 決策樹分類流程的討論

決策樹經(jīng)過學(xué)習(xí)生成了塞擦音的音位聚類流程，見圖6。

圖6 塞擦音音位聚類流程

第一步，實(shí)現(xiàn)成阻部位前后的區(qū)分：決策樹以節(jié)點(diǎn)0為父節(jié)點(diǎn)向下分類生成節(jié)點(diǎn)1和節(jié)點(diǎn)2，其中節(jié)點(diǎn)1為舌尖后塞擦音//、/h/，節(jié)點(diǎn)2為舌面前塞擦音//、/h/和舌尖前塞擦音//、/h/。

第二步，實(shí)現(xiàn)成阻部位面積大小的區(qū)分：決策樹以節(jié)點(diǎn)2為父節(jié)點(diǎn)向下分類生成節(jié)點(diǎn)5和節(jié)點(diǎn)6，其中節(jié)點(diǎn)5為舌尖前塞擦音//、/h/的聚合，節(jié)點(diǎn)6為舌面前塞擦音//、/h/的聚合。

第三步，實(shí)現(xiàn)送氣狀態(tài)的區(qū)分：決策樹分別以節(jié)點(diǎn)1(舌尖后塞擦音//、/h/)、節(jié)點(diǎn)5(舌尖前塞擦音//、/h/)、節(jié)點(diǎn)6(舌面前塞擦音//、/h/)為父節(jié)點(diǎn)，向下分類分別生成節(jié)點(diǎn)3(舌尖后不送氣塞擦音//)、節(jié)點(diǎn)4(舌尖后送氣塞擦音/h/)、節(jié)點(diǎn)7(舌尖前不送氣塞擦音//)、節(jié)點(diǎn)8(舌尖前送氣塞擦音/h/)、節(jié)點(diǎn)9(舌面前不送氣塞擦音//)、節(jié)點(diǎn)10(舌面前不送氣塞擦音/h/)。

3.3 決策樹分類規(guī)則的討論

決策樹為還計算出分類規(guī)則，并將入選決策樹的聲學(xué)參數(shù)的聲學(xué)分類標(biāo)準(zhǔn)以及相關(guān)節(jié)點(diǎn)的關(guān)聯(lián)系數(shù)整理出來，見表2(括號內(nèi)為聲學(xué)參數(shù)作用的節(jié)點(diǎn))、表3。

表2 決策樹分類規(guī)則(終端節(jié)點(diǎn))

分類規(guī)則/?/VOT<99ms(節(jié)點(diǎn)6)、5017Hz<譜重心<7213Hz(節(jié)點(diǎn)0、節(jié)點(diǎn)2)、后接F2>2017Hz(節(jié)點(diǎn)2) 、偏度<0(節(jié)點(diǎn)0)/?h/VOT>99ms(節(jié)點(diǎn)6)、5017Hz<譜重心<7213Hz(節(jié)點(diǎn)0、節(jié)點(diǎn)2) 后接F2>2017Hz(節(jié)點(diǎn)2)偏度<0(節(jié)點(diǎn)0)/?/VOT<96ms(節(jié)點(diǎn)5)、譜重心>7213Hz(節(jié)點(diǎn)0、節(jié)點(diǎn)2)后接F2<2017Hz(節(jié)點(diǎn)2) 偏度<0(節(jié)點(diǎn)0)//VOT>94ms(節(jié)點(diǎn)1)、譜重心<5017Hz(節(jié)點(diǎn)1)后接F2<2017Hz(節(jié)點(diǎn)3) 偏度>0(節(jié)點(diǎn)0)/?h/VOT<96ms(節(jié)點(diǎn)5)、譜重心>7213Hz(節(jié)點(diǎn)0、節(jié)點(diǎn)2)后接F2<2017Hz(節(jié)點(diǎn)2)偏度<0(節(jié)點(diǎn)0)/h/VOT>94ms(節(jié)點(diǎn)1)、譜重心<5017Hz(節(jié)點(diǎn)1)后接F2<2017Hz(節(jié)點(diǎn)4)偏度<0(節(jié)點(diǎn)0)

表3 相關(guān)聲學(xué)參數(shù)在各節(jié)點(diǎn)關(guān)聯(lián)系數(shù)匯總(8)關(guān)聯(lián)系數(shù)值域等級：1.0-0.8為極強(qiáng)相關(guān)，0.6-0.8為強(qiáng)相關(guān)，0.4-0.6為中等程度相關(guān)，0.2-0.4為弱相關(guān)，0.0-0.2為無關(guān)聯(lián)。

譜重心后接F2偏度VOT節(jié)點(diǎn)01.00(主變量)0.76(替代變量)節(jié)點(diǎn)20.73(替代變量)1.00(主變量)節(jié)點(diǎn)11.00(主變量)節(jié)點(diǎn)51.00(主變量)節(jié)點(diǎn)61.00(主變量)節(jié)點(diǎn)31.00(極強(qiáng)相關(guān))節(jié)點(diǎn)41.00(極強(qiáng)相關(guān))

基于表2、表3，并結(jié)合塞擦音的分類流程(圖6)，發(fā)現(xiàn)決策樹利用譜重心、偏度、后接F2、VOT四項參數(shù)作為分類規(guī)則。接下來，分別以節(jié)點(diǎn)為單位，分析這四項參數(shù)如何作用于塞擦音的聚類流程：

1)在節(jié)點(diǎn)0，決策樹以譜重心為主變量，以偏度為替代變量，實(shí)現(xiàn)舌尖后塞擦音(//、/h/)與舌面前塞擦音(//、/h/)、舌尖前塞擦音(//、/h/)區(qū)分，其中譜重心的分類規(guī)則如下：//、/h/<5017Hz

2)在節(jié)點(diǎn)2，決策樹以后接F2為主變量，以譜重心為替代變量，實(shí)現(xiàn)舌尖前塞擦音(//、/h/)與舌面前塞擦音(//、/h/)的區(qū)分，其中后接F2的分類規(guī)則為//、/h/<7213Hz2017Hz>//、/h/。

3)在節(jié)點(diǎn)1、節(jié)點(diǎn)5、節(jié)點(diǎn)6，決策樹以VOT為主變量，分別實(shí)現(xiàn)各個發(fā)音部位的送氣音與不送氣音的區(qū)分，區(qū)分規(guī)則分布如下：//<94ms

4 討論

普通話塞擦音依靠以下三組區(qū)別特征：[后]([back])、[面部]([coronal])、[送氣嗓音]([spread glottis])(9)QNS在構(gòu)建聲學(xué)清單時選擇了Chomsky & Halle(1968)提出的區(qū)別特征體系，根據(jù)該體系，普通話塞擦音中送氣與不送氣的對立應(yīng)用[送氣嗓音]描述。實(shí)現(xiàn)六個塞擦音音位(//、/h/，//、/h/、//、/h/)的區(qū)分，結(jié)Chomsky & Halle(1968:113)提出的器官綁定特征和器官自由特征以及發(fā)音增強(qiáng)理論(Stevens 1989; Stevens & Keyser 2010)，對以上三類區(qū)別特征與相關(guān)聲學(xué)參數(shù)的關(guān)系進(jìn)行如下描述：特征[后]實(shí)現(xiàn)舌位前/后的定義，特征[面部]實(shí)現(xiàn)舌面/尖音的區(qū)分，兩項特征與特定的發(fā)音器官綁定，為器官獨(dú)立特征，其中譜重心為標(biāo)記特征[后]的標(biāo)準(zhǔn)聲學(xué)參數(shù)，偏度為起到發(fā)音增強(qiáng)的參數(shù)，后接F2為標(biāo)記[面部]特征的標(biāo)準(zhǔn)聲學(xué)參數(shù)，譜重心對該特征起到發(fā)音增強(qiáng)的參數(shù)；[送氣嗓音]因反映送氣與不送氣的對立，該特征不與具體發(fā)音部位綁定，反映的是兩種聲門開合狀態(tài)的對立，即聲源的對立，為器官自由特征，VOT為標(biāo)記該特征的標(biāo)準(zhǔn)聲學(xué)參數(shù)。

綜上所述，可對塞擦音聲學(xué)界標(biāo)進(jìn)行如下表述，見表4。

表4 塞擦音聲學(xué)界標(biāo)清單

器官綁定特征器官自由特征[后][面部][送氣嗓音]譜重心(標(biāo)準(zhǔn)聲學(xué)參數(shù))偏度(發(fā)音增強(qiáng)參數(shù))特征賦值后接F2(標(biāo)準(zhǔn)聲學(xué)參數(shù))譜重心(發(fā)音增強(qiáng)參數(shù))特征賦值VOT(標(biāo)準(zhǔn)聲學(xué)參數(shù))特征賦值//<5017Hz//>0[+后]//<2017Hz[-面部]//<94ms[-送氣嗓音]/h/<5017Hz/h/>0[+后]/h/<2017Hz[-面部]/h/>94ms[+送氣嗓音]/?/>5017Hz/?/<0[-后]/?/<2017Hz/?/>7213Hz[-面部]/?/<96ms[-送氣嗓音]/?h/>5017Hz/?h/<0[-后] /?h/<2017Hz/?h/>7213Hz[-面部]/?h/>96ms[+送氣嗓音]/?/>5017Hz/?/<0[-后]/?/>2017Hz/?/<7213Hz[+面部]/?/<99ms[-送氣嗓音]/?h/>5017Hz/?h/<0[-后]/?h/>2017Hz/?/<7213Hz[+面部]/?h/>99ms[+送氣嗓音]

由表4可知，與[后]相關(guān)的聲學(xué)參數(shù)為譜重心與偏度，兩者分別以5017Hz和0為聲學(xué)界標(biāo)。譜重心小于5017Hz，偏度大于0的//、/h/被賦予[+后]特征，譜重心大于5017Hz，偏度小于0的//、/h/、//、q/h/賦予[-后]特征(見表4)；與[面部]相關(guān)的聲學(xué)參數(shù)為譜重心與后接F2，兩者分別以7213Hz和2017Hz聲學(xué)界標(biāo)，其中//、/h/因后接F2小于2017Hz，直接被賦予[-面部]特征，而//、/h/后接F2小于2017Hz，譜重心大于7213Hz，被賦予[-面部]特征，//、/h/因后接F2大于2017Hz，并且譜重心小于7213Hz被賦予[+面部]特征(見表4)；與[送氣嗓音]相關(guān)的聲學(xué)參數(shù)為VOT，VOT分別以94ms、96ms、99ms為聲學(xué)界標(biāo)，實(shí)現(xiàn)[-送氣嗓音]與[+送氣嗓音]的區(qū)分，其中//、//、//因VOT數(shù)值分別小于94ms、96ms、99ms，被賦予[-送氣嗓音]特征，/h/、/h/、/h/的VOT數(shù)值分別大于94ms、96ms、99ms，被賦予[+送氣嗓音]特征。

通過上述分析可知，屬于器官固定特征的[后]和[面部]特征均需要兩項聲學(xué)參數(shù)充當(dāng)聲學(xué)界標(biāo)，才能完成區(qū)別特征的賦值，而屬于器官自由特征的[送氣嗓音]只需一項聲學(xué)參數(shù)充當(dāng)聲學(xué)界標(biāo)，便能完成特征賦值(見表4)。兩類特征所需聲學(xué)界標(biāo)數(shù)量的差異，反映了聲源對立與前腔濾波對立的生理差異。聲源上的送氣與不送氣是一個簡單的二元對立狀態(tài)，而反應(yīng)發(fā)音部位差異的前腔濾波，因前腔收緊點(diǎn)位置前后以及前腔收緊點(diǎn)面積的大小，則呈現(xiàn)出一種多元對立的狀態(tài)，以下分別討論。

4.1 關(guān)于器官自由特征的賦值

先來討論與聲源類型密切相關(guān)的器官自由特征。對于普通話塞擦音，[-送氣嗓音]與[+送氣嗓音]的對立，本質(zhì)上反映了塞擦音在發(fā)聲時聲門開放程度的均在一種二元對立的狀態(tài)，不送氣音清音聲門開放程度約為喉開態(tài)(即：聲門最開的狀態(tài)，下同)的40%-55%，此時臨界期流量率為120-210 m2/s；送氣清音的聲門開放程度約為喉開態(tài)60%-95%，臨界期流量率為250-300m2/s(朱曉農(nóng)2008:69)。蘇敏和于洪志(2016)利用PAS，從發(fā)音生理的角度，考察了普通話塞擦音發(fā)聲時的PEA值(Peak Expiratory Airflow 即峰值氣流，該值的大小與聲門的張開面積成正比，聲門張開程度越大，其數(shù)值越大，反之則數(shù)值越小)，其結(jié)果見表5。

表5 塞擦音PEA值匯總

音位類別///h//?//?h//?//?h/PEA均值特征賦值1.04[-送氣嗓音]2.19[+送氣嗓音]1.20[-送氣嗓音]2.71[+送氣嗓音]0.69[-送氣嗓音]1.76[+送氣嗓音]

通過觀察反映塞擦音發(fā)音時聲門氣流量大小的PEA值(見表5)，可發(fā)現(xiàn)如下規(guī)律：//(1.04)

4.2 器官綁定特征的賦值

相比之下，反映前腔濾波差異的器官綁定特征則的特征賦值相對復(fù)雜。不同發(fā)音部位的塞擦音，因收緊點(diǎn)差異，實(shí)現(xiàn)不同的前腔濾波，體現(xiàn)在音位系統(tǒng)上便是不同發(fā)音部位的對立，即器官綁定特征。對于塞擦音來說，聲腔內(nèi)收緊點(diǎn)的位置從前往后有三種選擇分別為：舌尖前、舌面前、舌尖后。舌尖前塞擦音發(fā)音時舌尖與上齒齦接觸，舌面前塞擦音發(fā)音時舌面的接觸點(diǎn)位于上齒齦與硬腭的交界處，舌尖后塞擦音發(fā)音時舌尖與硬腭接觸；從收緊點(diǎn)面積大小來看，收緊點(diǎn)面積有兩種選擇，分別為舌尖與舌面，舌面音的接觸面積要大于舌尖音的接觸面積(鮑懷翹和林茂燦 2014:158)。這種多元狀態(tài)下的對立，鮑懷翹和鄭玉玲(2011)利用EPG從CC值(與舌腭的靠前性(contact anteriority)有關(guān)，數(shù)值越大，其前靠性越前)與CA值(描述舌與上腭之間接觸的寬度，數(shù)值大小與接觸面積成正比)對塞擦音生理參數(shù)進(jìn)行了量化研究，見下頁表6。

通過觀察反映收緊點(diǎn)前后的CA值(見表6)，塞擦音收緊點(diǎn)由前往后依次為// (0.93)、/h/(0.88)> //(0.85)、/h/(0.80)> //(0.75)、/h/(0.76)，這與譜重心作為標(biāo)準(zhǔn)聲學(xué)參數(shù)體現(xiàn)出的序列：//、/h/>7021Hz>//、/h/>5017Hz>//、/h/是一致的(見表4)?？梢娙烈粼谑站o點(diǎn)前后位置上存在前、中、后三種選擇，三分的范疇如何在聲學(xué)上實(shí)現(xiàn)[-后]與[+后]二分對立呢？Stevens & Keyser(2010)的“發(fā)音增強(qiáng)”理論完美的解釋了這一問題：任何一個區(qū)別特征的聲學(xué)界標(biāo)都由一個標(biāo)準(zhǔn)的聲學(xué)參數(shù)來標(biāo)記，并由此反映“聲學(xué)—發(fā)音”基本格局，但在實(shí)際語流中常常還有別的聲學(xué)參數(shù)可以起到強(qiáng)化區(qū)別特征在聽覺上對立的顯著性(perceptual saliency)的作用。對于普通話塞擦音來說，[后]的標(biāo)準(zhǔn)聲學(xué)參數(shù)為譜重心，譜重心數(shù)值大小直接反映了收緊點(diǎn)的前后順序，但由于塞擦音收緊點(diǎn)的前后位置存在前(舌尖前)、中(舌面)、后(舌尖后)三種選擇，為了凸顯標(biāo)準(zhǔn)聲學(xué)參數(shù)譜重心以5017Hz為界標(biāo)對[-后]與[+后]的分界，普通話選擇用偏度的正負(fù)對立來增強(qiáng)[-后]與[+后]的對立，其中偏度若大于0說明頻譜能量主要集中于低頻區(qū)，即收緊點(diǎn)是較為靠后的，因而被強(qiáng)化[+后]特征(如//、/h/)；偏度若小于0說明頻譜能量主要集中于高頻區(qū)，即收緊點(diǎn)靠前，因而被強(qiáng)化[-后]特征(如//、/h/、//、/h/)(見表4)。

表6 塞擦音CA值、CC值匯總

音位類別///h//?//?h//?//?h/CACC均值特征賦值均值特征賦值0.75[+后]0.42[-面部]0.76[+后]0.44[-面部]0.85[-后]0.79[+面部]0.80[-后]0.77[+面部]0.93[-后]0.42[-面部]0.88[-后]0.42[-面部]

接下來討論[面部]的賦值情況。觀察CC值(見表6)，塞擦音與上腭或齒齦的接觸面積體呈現(xiàn)出如下序列：//(0.42)、/h/ (0.42)、// (0.42)、/h/ (0.44)

Stevens & Keyser(2010)認(rèn)為，區(qū)別特征與“發(fā)音增強(qiáng)”存在三種關(guān)系：1)有些特征只需要一項標(biāo)準(zhǔn)聲學(xué)參數(shù)，便可以完成區(qū)別特征的賦值，不需要其他參數(shù)進(jìn)行發(fā)音增強(qiáng)；2)某項聲學(xué)參數(shù)只對一種區(qū)別特征起到發(fā)音增強(qiáng)的作用，與其他區(qū)別特征的賦值無關(guān)；3)某項聲學(xué)參數(shù)可以在某一區(qū)別特征中起到發(fā)音增強(qiáng)的作用，也可以與其他區(qū)別特征賦值相關(guān)(Stevens & Keyser 2010)。根據(jù)以上討論，不同聲學(xué)參數(shù)在對塞擦音進(jìn)行區(qū)別特征賦值時，正體現(xiàn)了以上三種情況：1)[送氣嗓音]的特征賦值與具備[+后]特征的//、/h/在進(jìn)行[-面部]特征的賦值時不存在“發(fā)音增強(qiáng)”，只需要調(diào)用標(biāo)準(zhǔn)聲學(xué)參數(shù)便可完成特征賦值；2)[后]特征的賦值，既需要標(biāo)準(zhǔn)聲學(xué)參數(shù)(譜重心)進(jìn)行賦值，也需要調(diào)用偏度作為發(fā)音增強(qiáng)的參數(shù)強(qiáng)化特征賦值，而偏度不與其它特征的賦值產(chǎn)生關(guān)聯(lián)；3)同時具備[-后]特征的//、/h/與//、/h/在進(jìn)行[-面部]與[+面部]的特征賦值時，不僅調(diào)用標(biāo)準(zhǔn)聲學(xué)參數(shù)(后接F2)，同時也調(diào)用了譜重心作為發(fā)音增強(qiáng)的參數(shù)強(qiáng)化特征賦值，而譜重心在[后]特征的賦值中，是標(biāo)準(zhǔn)聲學(xué)參數(shù)。區(qū)別特征與發(fā)音增強(qiáng)的這種不對稱關(guān)系，也從另一個側(cè)面反映了“聲學(xué)—生理”的對應(yīng)關(guān)系。

4.3 其余參數(shù)討論

還有一個現(xiàn)象值得關(guān)注。本次實(shí)驗共選用VOT、GAP、振幅、譜重心、譜頂點(diǎn)、偏度、峰度、標(biāo)準(zhǔn)差、后接F2等9項參數(shù)描述塞擦音的聲學(xué)特征，但決策樹只選擇了VOT、譜重心、偏度、后接F2這4項參數(shù)作為普通話塞擦音的分類規(guī)則。GAP、振幅、峰度、標(biāo)準(zhǔn)差、譜頂點(diǎn)5項參數(shù)均未入選塞擦音音位的分類規(guī)則，為了進(jìn)一步量化考察這5項未被入選的參數(shù)，我們將其對應(yīng)所在節(jié)點(diǎn)的關(guān)聯(lián)度整理為表7。

表7 GAP、振幅、標(biāo)準(zhǔn)差、峰度、譜頂點(diǎn)關(guān)聯(lián)系數(shù)匯總(10)表7的關(guān)聯(lián)等級，請參考表3的注釋。

節(jié)點(diǎn)節(jié)點(diǎn)分類GAP振幅標(biāo)準(zhǔn)差峰度譜頂點(diǎn)節(jié)點(diǎn)0//、/h/與/?/、/?h/、/?/、/?h/區(qū)分0.24(弱相關(guān))0.47(中等相關(guān))0.44(中等相關(guān))0.47(中等相關(guān))節(jié)點(diǎn)2/?/、/?h/與/?/、/?h/區(qū)分0.31(弱相關(guān))0.41(中等相關(guān))0.47(中等相關(guān))0.36(中等相關(guān))節(jié)點(diǎn)1//與/h/區(qū)分0.23(弱相關(guān))節(jié)點(diǎn)5/?/與/?h/區(qū)分0.17(弱相關(guān))節(jié)點(diǎn)6/?/與/?h/區(qū)分0.19(弱相關(guān))

由表7可知，決策樹認(rèn)為GAP、標(biāo)準(zhǔn)差、峰度、譜頂點(diǎn)作用于節(jié)點(diǎn)0和節(jié)點(diǎn)2(見圖2)，即區(qū)分三類發(fā)音部位：舌尖前、舌尖后、舌面前，認(rèn)為振幅作用于節(jié)點(diǎn)1、節(jié)點(diǎn)5、節(jié)點(diǎn)6(見圖2)即送氣狀態(tài)的區(qū)分，但以上五類參數(shù)均對各自節(jié)點(diǎn)的分類關(guān)聯(lián)度不高，其關(guān)聯(lián)水平均處于弱相關(guān)或中部相關(guān)，因而決策樹將沒有將這五項參數(shù)列入分類規(guī)則。(11)我們只承認(rèn)GAP、標(biāo)準(zhǔn)差、峰度、譜頂點(diǎn)、振幅這5項參數(shù)無法有效反映塞擦音內(nèi)部音位聚類關(guān)系，但這5項參數(shù)是否能夠真正反塞擦音與擦音的對立以及其他音位之間的區(qū)分，仍需進(jìn)一步量化考證?；谝陨蠑?shù)據(jù)，我們認(rèn)為并不是所有表征塞擦音聲學(xué)特性的聲學(xué)參數(shù)均能反映塞擦音在聲學(xué)—生理上的量子關(guān)系。石峰(2008:1)指出：語音研究應(yīng)當(dāng)從“口耳之學(xué)”轉(zhuǎn)向“數(shù)值之學(xué)”。近年來圍繞語音聲學(xué)特征所做的定量研究，深化了語音的認(rèn)識，不過在進(jìn)行定量研究時，應(yīng)當(dāng)避免走極端，不能片面地將聲學(xué)參數(shù)的數(shù)值差異當(dāng)成區(qū)別特征對立的聲學(xué)表現(xiàn)。區(qū)別特征是一個音位學(xué)概念，涉及到人類對語音的聽覺感知，而聲學(xué)參數(shù)是一個聲學(xué)概念，是一個物理量，任何一種語言的語音都會包含多種類別的聲學(xué)參數(shù)，但這并不等同所有語言在實(shí)現(xiàn)音位對立時 選擇相同的聲學(xué)參數(shù)。正如，Hjelmslev對“表達(dá)實(shí)體”和“表達(dá)形式”的區(qū)分：語言的表達(dá)實(shí)體為人類發(fā)音器官所能發(fā)出的一切語音，表達(dá)形式為不同語言對語音的切割結(jié)果；表達(dá)實(shí)體在不同的語言系統(tǒng)中可以切分為不同的表達(dá)形式(劉潤清2013:134)。Stevens & Keyser(2010)繼承了這一思想，他指出：不同語言“聲學(xué)參數(shù)—區(qū)別特征—發(fā)音參數(shù)”的對應(yīng)關(guān)系均存在差異。如果僅考慮“聲學(xué)特征—區(qū)別特征”對應(yīng)關(guān)系，同一區(qū)別特征很在不同語言的聲學(xué)實(shí)現(xiàn)上有可能存在差異，反映在聲學(xué)界標(biāo)上，即為不同音系對區(qū)別特征聲學(xué)界標(biāo)的選擇均存在自己的特點(diǎn)。此次研究，完美地證明了Hjelmslev和Stevens的觀點(diǎn)，VOT、譜重心、后接F2、偏度4項參數(shù)，可反映塞擦音的“聲學(xué)參數(shù)—區(qū)別特征—生理參數(shù)”關(guān)系，而GAP、標(biāo)準(zhǔn)差、譜頂點(diǎn)、標(biāo)準(zhǔn)差、振幅5項參數(shù)對于反映塞擦音內(nèi)部的“聲學(xué)參數(shù)—區(qū)別特征—生理參數(shù)”的量子關(guān)系，聯(lián)系不大(劉潤清2013:134; Stevens & Keyser 2010)。

5 結(jié)論

本研究基于QNS理論，對普通話塞擦音的聲學(xué)界標(biāo)清單進(jìn)行了探索性研究，得出以下三點(diǎn)結(jié)論：

1)譜重心、VOT、偏度、后接F2可以作為聲學(xué)界標(biāo)來描述塞擦音的聲學(xué)清單，其中反映器官自由特征的[送氣嗓音]特征只需要VOT一項參數(shù)，作為標(biāo)準(zhǔn)聲學(xué)參數(shù)便能實(shí)現(xiàn)特征賦值，反映器官綁定特征的[后]需要借助譜重心和偏度來完成特征賦值，反映器官綁定特征的[面部]特征需要借助后接F2、譜重心完成特征賦值。

2)對于器官綁定特征來說，其區(qū)別特征的賦值不僅與反映其基本聲學(xué)特征的標(biāo)準(zhǔn)聲學(xué)參數(shù)有關(guān)，還需要其他參數(shù)用來凸顯特征對立的顯著性。譜重心為標(biāo)記[后]特征的標(biāo)準(zhǔn)聲學(xué)參數(shù)，偏度僅起到增強(qiáng)[-后]與[+后]的對立效果；后接F2為標(biāo)記[面部]特征的標(biāo)準(zhǔn)聲學(xué)參數(shù)，譜重心(僅限于//、/h/與//、/h/區(qū)分)僅起到增強(qiáng)[-面部]和[+面部]的對立效果。

3)并不是所有表征塞擦音的聲學(xué)參數(shù)均能充當(dāng)聲學(xué)界標(biāo)，反映塞擦音“聲學(xué)參數(shù)—區(qū)別特征—生理參數(shù)”之間的量子關(guān)系。本次實(shí)驗我們發(fā)現(xiàn)GAP、譜頂點(diǎn)、振幅、標(biāo)準(zhǔn)差、峰度5項參數(shù)對于解釋塞擦音音位聚類的關(guān)聯(lián)度較差，無法反映塞擦音的“聲學(xué)參數(shù)—區(qū)別特征—生理參數(shù)”量子關(guān)系，因而不能充當(dāng)塞擦音內(nèi)部聚類的聲學(xué)界標(biāo)。