В данной работе под перцепцией (от лат. perceptio — представление, восприятие) условимся понимать «совокупность механизмов, обеспечивающих переход от первичного фонетического описания звука или звуковой последовательности к интерпретации его как определенной единицысистемы языка» [1].

Говоря об акустике (от греч. akustikos — слуховой), под этим термином будем понимать «речевую акустику», а именно тот раздел общей акустики, который изучает лишь «структуру речевого сигнала, процессы речеобразования и восприятия речи у человека … » [1].

Из сказанного следует, что слуховой (аудитивный и лингвистический) и инструментальный виды анализа в многообразии своих конкретизаций находятся в отношениях взаимодополнения и составляют единую методологическую основу судебно-медицинской идентификации личности по голосу и звучащей речи.

Исходя из этого положения, формирование группы устойчивых идентификационных признаков личности говорящего следует начать с анализа взаимосвязи перцептивных и акустических речевых характеристик, выделяя при этом общетеоретические и прикладные моменты, существенные для решения рассматриваемой задачи.

Остановимся вначале на вопросах качественного и количественного анализа подвижности артикуляционно-акустических речевых компонентов. Подвижность может рассматриваться с точки зрения градаций остаточных диалектных явлений, с точки зрения связи с эмоциональным состоянием говорящего, соотношения нейтрального и эмоционально окрашенного в области интонационно-звуковых структур и синтаксиса, лексики. Специфику этой проблемы можно рассматривать в том числе и с точки зрения идентификации личности говорящего по реальным звукозаписям, т.е. по живой речи.

В нашем случае тесная связь между перцепцией и акустикой хорошо иллюстрируется взаимосоответствием идентификационных признаков перцептивной (аудитивных, лингвистических) и инструментальной (акустических) групп. В литературе, посвященной данному вопросу, общепринятой можно считать приведенную табл. 1

Поясним, что по сравнению, например, с работой Т.М. Надеина [2] в табл. 1 дополнительно введен такой параметр, как темп речи, который является важной характеристикой фигурантов этого вида судебно-медицинских экспертиз. Следует также уточнить, что под темпом мы понимаем среднее число слогов в секунду на анализируемом отрезке, как это принято в задаче криминалистической идентификации личности говорящего [3].

Голос лица, подлежащего идентификации, не может быть охарактеризован одним единственным произнесением. «Когда измеряют длительность, высоту основного тона, интенсивность и т.д., результаты, даже если перед нами несколько произнесений одного и того же диктора, будутколебаться», — отмечал Л.Р. Зиндер [4]. Продолжая эту мысль, приходим к выводу, что необходимо обработать ряд произнесений статистически (говоря математическим языком, обработать полученную в процессе исследования выборку), чтобы определить характерные особенности голоса конкретного индивидуума.

Вариативность присуща речи человека как в области лексики, морфологии, синтаксиса, так и в области фонетики и интонации. В ЛЭС отмечается: «В силу восходящего к Ф. де Соссюру принципа линейности речи на одно место в речевой цепи может быть помещен только один экземпляр-вариант языковой единицы. Поэтому речь по своей природе вариативна …» [1].

Проблему вариативности речи можно изучать в разных аспектах и в разных объемах: по отношению к русской речи в целом и по отношению к речи одного и того же говорящего. Как отмечается в ряде лингвистических работ, зарождаемые в центральном отделе речевого аппарата команды, которые управляют совместными движениями артикуляторных органов при организации каждого конкретного речевого сообщения, носят индивидуальный характер [5].

Анализ исследованного нами материала показывает, что вариативность речи фигурантов даже в объеме речевого материала реальных экспертиз имеет множественность признаков, среди которых выделяются наиболее стабильные, устойчивые, сохраняющиеся в различных речевых ситуациях и неодинаковых условиях записи. По этой причине один из аспектов исследования вариативности связан с выявлением устойчивых идентификационных признаков в речи говорящего.

В качестве примера обратимся к вариативности акустических параметров речи. Общепринята точка зрения, что вариативность параметров речевого сигнала является результатом взаимодействия различных факторов, сознательно или подсознательно участвующих в процессе речеобразования. Это могут быть факторы, вызванные, с одной стороны, анатомическими и физиологическими особенностями тех артикуляторных органов, которые принимают участие в дыхательном акте, в процессе голосообразования (фонации) и в процессе речеобразования (артикуляции), а с другой — ситуационными артикуляционными программами, порождаемыми в центральном отделе речевого аппарата и приводимыми в действие механизмом речеобразования [6, 7].

В результате участия всех перечисленных факторов речь человека может быть квалифицирована как нормативная (с учетом эмоциональной составляющей), патологическая, преднамеренно измененная, эмоционально насыщенная, просторечная, диалектная и др. С этой точки зрения те видоизменения, которым подвержен речевой сигнал, и оценка пределов варьирования его характеристик требуют отдельного рассмотрения.

Начнем с того, что в зависимости от пола, возраста, профессии и натренированности люди характеризуются различными типами дыхания (ключичный; грудной, или иначе реберный и брюшной, или иначе диафрагмальный) и объемом легких (от ~6000 см³ при хорошей натренированности дыхания до ~1000 см³ у маленьких детей). При наиболее глубоком и сильном диафрагмально-реберном дыхании и большом объеме вдыхаемого воздуха фаза выдоха в процессе речи может оказаться значительно (иногда более чем на порядок) дольше фазы вдоха, тогда как при спокойном дыхании различие в длительности указанных фаз хотя и сохраняется, но оказывается гораздо менее существенным. Удлинение времени выдоха при этом происходит как за счет перераспределения продолжительности фаз вдоха и выдоха, так и за счет увеличения продолжительности всего цикла, примерно в 2—3 раза. В результате этого продолжительность речевого выдоха может достигать 6—8 с вместо 1,5—2 с при спокойном дыхании. Речевая активность в таком случае протекает свободно и без принуждения. Речь при этом является мобильной и динамичной. Она не прерывается частыми вдохами [3].

Заметим, что в случае нормативной речи физиологическая пауза, связанная со вдохом, не воспринимается как пауза, если она не связана с интонационной паузой, и наоборот, пауза в смысле прекращения артикуляции может осуществляться на выдохе, и если она лингвистична, то четко воспринимается. При этом паузы как прекращения артикуляции может и не быть, восприятие же паузы, или вернее, границы между речевыми отрезками, достигается акустическими средствами: изменениями основного тона, интенсивности и длительности звуков на границах отрезков речи [8].

Обратная картина имеет место, когда физические показатели говорящего ограничены или же когда он утомлен или испытывает нервное потрясение. Если говорящий страдает такими хроническими болезнями, как бронхиальная или кардиальная астма, сердечная недостаточность, эмфизема легких и др., то его речь тяжелая и напряженная, изобилует частыми вдохами и выдохами (одышка), а значит, и дыхательными паузами. Все эти показатели существенно влияют на просодическую картину речи, в частности на ее темп и ритмическую структуру, и по этой причине также могут служить источником идентификационных признаков речи конкретного индивидуума.

Необходимо отметить, что для продолжительного и экономичного речевого выдоха обязательным условием является наличие высокого подсвязочного давления. От величины этого давления, а также от размеров самих колеблющихся голосовых связок и, конечно, размеров гортани и других частей речевого аппарата зависит и качество самого генерируемого голоса.

Согласно миоэластической теории фонации, в процессе голосообразования вырывающаяся из голосовой щели воздушная струя благодаря эффекту Бернулли приводит достаточно близко сведенные голосовые связки в колебательное движение. В результате этого на выходе гортани образуются колебания воздуха, воспринимаемые ухом как звуки голоса, которые характеризуются высотой, силой и (частично) тембром.

Известно, что тембр (от франц. timbre) — это качество звука (его «окраска», «характер»), которое позволяет различать звуки одной и той же высоты, порождаемые различными голосами.

Тембр связан со сложным характером звуковых колебаний и зависит, во-первых, от того, какие обертоны сопутствуют основному тону, во-вторых, от того, в каких областях звукового спектра они (обертона) особенно сильны (таким образом, тембр связан с форматными характеристиками звуков речи, а через них — с анатомией речевого аппарата).

Большое влияние на тембровую окраску звука оказывает также момент его возбуждения и угасания. Соотношение частоты основного звука (ЧОТ) с формантами и гармоническими обертонами определяет индивидуальные особенности речи говорящего. В речевой интонации благодаря тембру различают всевозможные оттенки эмоций: радость, неудовольствие, угрозу и т.д.

С другой стороны, согласно теории Р. Юссона [6, 9], названной им «нейрохронаксической» (поясним, что такое название новой теории было обусловлено тем, что идеи Р. Юссона опирались на хронаксиметрию – объективный метод измерения возбудимости нервных и мышечных тканей), частота импульсов возбуждения, идущих к связкам по возвратному нерву из центральных отделов нервной системы и вызывающих раскрытие голосовой щели, в точности соответствует ЧОТ, издаваемого гортанью. Если сила и тембр, проходя через надгортанные полости, значительно видоизменяются в зависимости от параметров этих полостей, то высота голоса — частота смыкания голосовых связок — сохраняется, представляя собой одну из основных индивидуальных особенностей голоса фигуранта.

Основными параметрами, которые характеризуют процесс периодического размыкания и смыкания голосовой щели, являются объем выдыхаемого в единицу времени воздуха и подсвязочное давление. Полученные в результате описанного процесса импульсы голосового источника повторяются с регулярностью, совпадающей с ЧОТ. ЧОТ голоса обратно пропорциональна периоду колебаний голосовых связок и обусловлена в основном массой и упругостью голосовых складок, величиной подсвязочного давления и степенью сведения голосовых связок.

В начале данной статьи уже отмечалось, что ЧОТ, являясь акустической характеристикой, находится в отношениях взаимодополнения (и, добавим, взаимосоответствия) с такой важной для нас перцептивной характеристикой, как высота голоса говорящего. При решении задачи судебно-медицинской идентификации личности по голосу и звучащей речи высота голоса оценивается в процессе аудитивной части комплексного исследования, в то время как параметры ЧОТ определяются с помощью инструментальных методов анализа.

Высота голоса, отражающаяся в параметрах ЧОТ речевого сигнала, является одной из наиболее ярких характеристик голоса фигуранта. Она меняется в довольно широких пределах в зависимости от длины, толщины и натяжения голосовых связок. В табл. 2

Однако, как было показано в наших исследованиях [10], даже в условиях естественного речевого процесса характерная для говорящего ЧОТ голоса претерпевает флуктуационные изменения, выражающиеся в некоторой систематической ее дисперсии, составляющей примерно 15% от среднего значения. Систематическое колебание высоты голоса еще более отчетливо обнаруживается у дикторов в связи с резкими изменениями темпа их речи, интонационного ее окрашивания, «утомленности» голоса, а также в связи с влиянием таких факторов, как «простуда» голосовых связок, похмелье и т.д. (следует пояснить, что в освещаемых в настоящей работе практических задачах изменения голоса, которые наблюдаются у человека на длительных отрезках его жизни, начиная с детского возраста и кончая старостью, как правило, не становятся предметом рассмотрения эксперта-криминалиста). Описанные факторы играют важную роль при оценке меры близости речевых параметров того или иного индивидуума к заранее известному эталону-образцу.

Таким образом, среди параметров основного тона голоса, варьирующих от диктора к диктору, а также, что для нас особенно важно, у одного диктора, может оказаться не только среднее значение ЧОТ голоса, но и характер его изменения во времени.

Вслед за рассмотренными факторами, характеризующими зарождаемые в гортани голосовые импульсы, следует рассмотреть и спектральную огибающую этих импульсов, с которой коррелирует тембровая окраска голоса. Спектр голосовых импульсов, зависящий от форм этих последних, их периода Т_о, скважности (интервалов смыкания Т_с и расхождения Т_р голосовой щели) и, конечно, интенсивности звука J, так же как и от ЧОТ, может меняться в довольно широких пределах как интериндивидуально, так и интраиндивидуально.

Исследование спектров, характеризующих разнообразные формы голосовых импульсов, которые встречаются у разных дикторов, позволяет заключить, что вариации спектра от среднего значения достигают ±3—6 дБ (поясним, что изменение уровня на 6 дБ означает изменение величины энергетического параметра в 2 раза), в особенности в верхней части спектра (в области формант F3 и F4). Эта область, как известно, в меньшей степени характеризует фонетическое качество речевого сигнала и гораздо больше отражает индивидуальные особенности голоса, а также эмоциональное состояние говорящего [11].

Изменчивой, причем в довольно значительных пределах (6—12 дБ/октава), оказалась также и крутизна изменения спектра (на спектральных срезах), которая может еще больше увеличиваться при малых интенсивностях голосовых импульсов.

Отмечая большую вариативность в спектральных картинах импульсов голосового источника, ряд отечественных и зарубежных авторов [12, 13] высказывают предположения, что человеку все же свойственно сохранять характерную для себя форму импульсов, ее частоту и скважность в процессе естественной для него речевой активности. Сохранение характерной для него формы импульсов обеспечивает относительное постоянство тембральной окраски голоса индивидуума.

Сказанным, однако, не ограничиваются те факторы, которые участвуют в видоизменении физической картины речевого сигнала в процессе его порождения в голосовом аппарате человека. Одним из самых важных вопросов в формировании звуков речи является процесс фильтрации голосовых импульсов надгортанной частью голосового аппарата, а именно ротовой и носовой полостями. Таким образом, здесь, как и ранее, мы сталкиваемся как с анатомическим своеобразием речевого аппарата конкретного диктора — фигуранта экспертизы, так и с индивидуальным, обусловленным работой ЦНС, характером приведения артикуляторов в действие.

Основными параметрами речеобразующего тракта, обусловливающими отмеченную вариативность, являются параметры его конфигурации: длина полости в глотке, узкий проход в области поднятого языка, переменный по величине проход, образуемый небной занавеской в носовой полости, ширина передней части ротовой полости, излучающие отверстия между губами, зубами и ноздрями и др.

При определении формы полостей обычно оперируют функцией А(х), представляющей собой изменение площади поперечного сечения вдоль воображаемой осевой линии х от голосовой щели до губ. На индивидуальную формантную F-структуру существенно влияет длина тракта l₀, которая находится в обратно пропорциональной связи со средними формантными частотами F₁—F₄. Именно этим объясняется 20% различие формантных частот одних и тех же фонем (от греч. phonema звук; фонема — это кратчайшая единица звукового строя языка и речи, служащая для опознавания и различения значимых единиц — морфем, в состав которых она входит в качестве минимального сегментного компонента; фонема реализуется в речи в виде вариантов, оттенков, которые называют «аллофонами») в произношении средним мужским и средним женским голосами, а также такое же 20% различие для средних детских голосов [14].

С характером А (х) связана также ширина формант Bn, которая может колебаться в пределах ±100% от среднего их значения независимо от качества произносимой фонемы [15]. Чаще всего, однако, Bn не выходит за пределы, приведенные в табл. 3 [16].

Изменение структуры F-картины во многом зависит и от позиций каждого из артикуляторов. Именно этим объясняется то, что большинство различительных (дифференцирующих) признаков речи (признаков как способа, так и места образования звука, создающих различные виды артикуляции) могут служить в равной степени и индивидуализирующими характеристиками голосов. Такими признаками могут быть лабиализация (т.е. огубливание), назализация (гнусавость) и аспирация (придыхание), степень которых по-разному влияет на спектральную картину звуков. Так, например, в результате назализации в спектре гласных звуков происходит сдвиг формант F₁ и F₃ в сторону низких частот, ослабляются их амплитуды, появляются ложные пики в области 1000 и 2000 Гц, а также субформанты (т.е. спектральные максимумы производной по времени от временной огибающей, образуемые на выходе соответствующего полосового фильтра) и антиформанты (т.е. обусловленные резонансными свойствами речеобразующего тракта провалы в огибающей спектра звука), суммарный уровень речевого сигнала снижается и т.д.

Помимо отмеченных особенностей речевого сигнала, обусловленных анатомическими свойствами речеобразующего тракта и отдельных артикуляторов, немаловажным фактором, предопределяющим индивидуальные особенности речи отдельно взятого фигуранта в каждом конкретном случае, следует считать ряд физиологических особенностей, влияющих на мобильность артикуляторов. Это специфическое явление, известное в теории речеобразования как инерционность, накладывает свой отпечаток не только на ритмику и темп речи, но и на более тонкую картину организации сложных слоговых конструкций [17].

Понятие мобильности артикуляторов было введено Г.С. Рамишвили [18] при разработке первых систем автоматического распознавания говорящего. Важнейшее свойство мобильности артикуляторов — ее индивидуальное проявление, а также зависимость от эмоционального состояния индивидуума. Известно, что максимальная скорость речи, лимитируемая подвижностью языка, нижней челюсти, мягкого неба и губ, достигает 7 слогов в 1 с. Однако реально (с учетом времени, необходимого для вдоха и перестройки органов артикуляции) за максимальную скорость речи принимают 5 слогов в 1 с (следует отметить, что в настоящее время отмечается процесс убыстрения темпа речи, который идет практически во всех европейских языках). Если к этому добавить еще и, возможно, низкую мобильность артикуляторов, определяемую инерционностью этих последних и задержками в организации артикуляторных программ, то темп речи в отдельных случаях может упасть и до 2 слогов в 1 с.

Говоря о темпе речи, необходимо отметить, что эту характеристику рассматривают с разных точек зрения и измеряют по-разному. Чаще всего говорят о количестве слогов в единицу времени: в минуту (если речь идет о телевидении или о радио), в секунду (когда говорят о речи фигуранта криминалистической экспертизы); анализируют среднезвуковую длительность (при проведении медицинских и речевых исследований и экспериментов).

В современном радио и телевидении существует понятие «эфирного времени», которое ограничено очень жесткими рамками. Это заставляет диктора или телеведущего спешить, что ухудшает восприятие его речи слушателями (зрителями) и ведет к непониманию ими сути сообщения. Последний пример хорошо иллюстрирует ту мысль, что темп речи связан, среди прочего, с эмоциональным состоянием говорящего, которое, в свою очередь, порождается ситуацией (зависит от обстоятельств).

Говоря о перцептивном аспекте темпа речи как идентификационном признаке индивидуума, можно согласиться с высказыванием венгерского языковеда L. Hegedüs [19]: «В процессе взаимопонимания темп речи играет очень важную роль. Поэтому удивительно, что ни психологами, ни лингвистами (ни судебными медиками, ни криминалистами, добавим мы — А.К.) не была достаточно глубоко изучена его роль; в специальной литературе о темпе (если он вообще упоминается) имеются лишь указания, заключенные в нескольких предложениях, без обращения к деталям». Несмотря на то что с момента этого высказывания прошло более полувека, ситуация изменяется крайне медленно, хотя за этот период и появилось определенное количество работ, посвященных темпу речи.

Возвращаясь к вопросу вариативности речевых характеристик, отметим, что междикторская (равно как и внутридикторская) вариативность речи может быть обусловлена уже на уровне формирования артикуляторных программ в центральном отделе речевого аппарата. Зарождаемые здесь команды (сигналы управления — в терминах аналитической кибернетики), управляющие совместными движениями артикуляторных органов, при организации каждого конкретного речевого сообщения носят индивидуальный характер и определяются такими факторами, как социально обусловленные речевые навыки говорящего, его индивидуальный опыт, профессиональные навыки, психический склад, в частности его темперамент, характерологические особенности и даже интеллект.

В результате артикуляторные программы предопределяют не только структуру произносимой синтагмы как последовательности входящих в ее состав отдельных элементов, включающих словосочетания, слова и слоги, но и в основном управляют так называемыми просодическими характеристиками произнесения, которые распространяются на всю синтагму как на целую смысловую единицу [5]. К этим характеристикам произнесения относятся, в частности, ЧОТ, ритмическая организация и темп речи, словесные и фразовые ударения и др. В них отражаются свойства синтагмы как интонационно-смыслового единства, которое выражает в данном контексте и в данной ситуации одно понятие и может состоять из одного слова, группы слов и целого предложения [1].

Подводя итог рассмотрения источников устойчивых идентификационных признаков в задаче судебно-медицинской идентификации личности по голосу и звучащей речи, следует отметить, что анатомические и физиологические особенности тех органов речеобразующего тракта фигуранта, которые принимают участие в дыхательном акте, в процессе голосообразования (фонации) и речеобразования (артикуляции), а также ситуационные артикуляционные программы, порождаемые центральным отделом речевого аппарата, являются важным источником индивидуализирующих признаков, используемых для установления личности говорящего.