¿Cómo distinguir las voces femeninas y masculinas a través del análisis de Fourier?

Esto ha sido ampliamente estudiado en lingüística y acústica. Los humanos y otros primates predicen el género del hablante a través de una combinación de frecuencia fundamental$F_0$("tono") y estimaciones Vocal-Tract-Length ($VTL$) que son un indicador del tamaño del cuerpo.

A veces se utiliza la "dispersión de formantes" para$VTL$. Suele definirse como

$$\frac{\sum_{i=1}^n(F_{i+1}-F_i)}{n-1}$$ dónde $F_i$es el $i$la frecuencia del formante y $n$es el número de formantes medidos. Sin embargo, esta medida es problemática y no captura información sobre los formantes de rango medio o sobre el posicionamiento de los formantes. Vea Las voces masculinas señalan el potencial de amenaza de los hombres en las sociedades industriales y de recolectores.

Una alternativa$VTL$medida es 'posición formante', definida como:

$$\frac{\sum_{i=1}^nF'_i}{n}$$ dónde $F'_i$es el $i$th formante estandarizado en toda la población medida.

Sin embargo, el hallazgo habitual es que una combinación de tono y estimaciones de la longitud del tracto vocal nos dan información sobre el género del hablante y la madurez sexual. Al observar los espectros de hombres y mujeres, en promedio, vería voces masculinas de tono más bajo y formantes más espaciados.

Los correlatos acústicos del sexo del hablante y la identidad del hablante individual están presentes en un segmento de vocal corta producido en el habla corriente

Percepción de la longitud del tracto vocal y la evolución del lenguaje

La longitud del tracto vocal y la dispersión de la frecuencia de los formantes se correlacionan con el tamaño corporal en los macacos rhesus , pero consulte Frecuencias de los formantes y tamaño corporal del hablante: una relación débil en humanos adultos

Mi impresión sería que las frecuencias más bajas son más evidentes en el espectro masculino que en el femenino.

Si desea construir una buena prueba, mi enfoque sería determinar un espectro masculino promedio y femenino promedio. Luego puede ver cuál de su espectro promedio o más común se correlaciona mejor con la persona de prueba.

Sin embargo, debe tener en cuenta el ruido en los espectros medidos.