A study of two-formant models for vowel identification

An experiment has been performed where various two-formant models reported in the literature were assessed as to their ability to predict the formant frequencies obtained in a vowel identification task. An alternative model is proposed in which the auditory processing of vowel sounds is assumed to take place in two stages: a peripheral processing stage and a central processing stage. In the peripheral stage the speech spectrum is transformed to its auditory equivalent and the formant frequencies are extracted from this spectrum using a peak-picking mechanism. The central stage performs a two-formant approximation on the results of the first stage operation, and it is this formant pair that vowel identification is taken to operate on during vowel perception. The first and second formant frequencies of this two-formant model are taken to be equal to the first and second formant frequencies extracted at the first stage plus a perturbation term which accounts for the interaction effects of the neighbouring formants. The perturbation caused by each of these neighbouring formants is inversely proportional to its separation from the main formants. This model compares favourably with previous models in its prediction of the formant frequencies obtained from the vowel identification task. Zusammenfassung. In einem Experiment geht es zun~ichst um die Leistung verschiedener aus der Literatur bekannter Zwei-Formanten-Modelle, in einem ldentif;kationstest mit Vokalen erhaltene Formantfrequenzen voraussagen zu k6nnen. Danach wird ein zweistufiges Aiternativmodeli der auditiven Verarbeitung yon Vokalen mit periph~er und zentraler Stufe entwickelt. Auf der periph~en Stufe, wo das Spektrum des Sprachschalls in seinen entsprechenden Geh6rseindruck 0berftihrt wird, erfolgt die Formantfrequenzextraktion aus den Spektren nach dem Prinzip des "peak-picking". Die ERgebnisse dieser Operation liefern der zentralen Stufe die Grundlage einer Zwei-Formanten-Approximation. Auf dieses Formantenpaar diirfte sich die Vokalidentifikation w~ihrend der Vokalperzeption stiitzen. Die Frequenzen des 1. und 2. Formanten unseres Zwei-Formanten-Modells ergeben sich aus den entsprechenden Formantfrequenzen der ersten Stufe unter zusiitzlicher Beriicksichtingung eines Korrekturausdrucks, der den Einfluss tier Nachbarformanten einf~ingt. Der Einfluss jedes der Nachbarformanten ist seinem Abstand zu den Hauptformanten umgekehrt proportional. Gegentiber friiheren Vorschlagen hat unser Modell den Vorzug, dass sich mit ibm die Formantfrequenzen aus dem Identifikationsexperiment besser voraussagen