基于系综经验模式分解（EEMD）的汉语共振峰检测算法(3)
第二章：主要介绍共振峰的定义，共振峰模型的分类以及对汉语共振峰检测的几种算法进行了简单介绍，进而详细介绍了传统LPC法；
第三章：主要介绍系综经验模式分解（EEMD）以及基于系综经验模式分解的汉语共振峰检测算法；
第四章：主要介绍共振峰提取的结果以及传统算法与改进算法的对比；
第五章：总结全文并对以后的研究进行展望。
2 共振峰的定义与特征
2.1 共振峰的定义
当通过共振腔的声音，在语音由空腔的过滤效果的频率分析，从而使能量在频域重新分配不同的频率，在谐振腔的一部分，有的得以强化而有的则被衰减。得以强化的部分则以厚厚的黑色条纹而呈现在语图上。由于不均匀分布的能量，像在一般的强峰的一部分，因此称为共振峰。共振峰频率以及频带宽度是共振峰的两个主要参数，也是不用韵母之间相互区别的标志。实际情况下，最重要的是前三个共振峰，而共振峰的数量越多越准确。
声音产生的媒介都有自己的结构基础，而共振峰的分布位置就是以此为基础建立的。不管是人的声音或是乐器的声音，其声音特性来自两个要素得出，一个是音响系统，例如人声或乐器振动片，另一种是共振系统。共振系统，以不同幅值的频域中的共鸣音，必须强调，以使其在这些区域产生一个特定的共振峰或是共振峰的共振体，该材料的形状的大小有关。由于乐器的结构是稳定的，所以通过仪器发出的所有声音，无论怎样的基本频率，会表现出相同的共振峰，只是其明显程度有强有弱罢了。
在语音声学中，人声的共振峰区也同样受自身生理的影响，如鼻孔、咽腔、口腔大小等等。改变鼻孔、咽腔、口腔这些空间的形状或者大小，便可以改变其共振峰的形状。人的声音能够被区别出来，元音能够被区别出来，主要的原因就是因为它们的共振峰位置不同。
声道有许多不同的特点，其振峰是最关键的。若干对极点可以用来粗略的形容这一种产生于信号声道的激励，当然，这也需要另外一个系统----线性系统来配合。其中，有一个特征可以用来确定所谓的频谱包络，这一特征就是共振峰特性。它的含义是线性系统的一种由频响所引起的特性，且它与上述提到的极点是密不可分的且有对应关系的。共振峰的特性可以直接通过频谱观察所得，它也决定了不同发音之间存在的差异。在研究共振峰时，通常情况只考虑前两个或者前三个共振峰，只有某些时候，比如研究语音识别时，观察的共振峰数量会适当增多。这也是根据不同的研究特性决定的，也是为了研究的准确性。