Visa källa för Formant

[[Bild:Spektrogram - Jag skulle vilja.jpg|right|thumb|180px|Spektrogram med synliga formanter]]

'''Formanter''' är [[frekvens]]band med hög energi hos [[rösten|röst]]er eller hos [[musikinstrument]]. De framträder som tydliga band vid [[spektralanalys]] av sådana ljud och flyttar sig inte när ljudets tonhöjd ändras.

==Snäv och vid definition==
Inom tal- och språkforskning definieras formant enbart som en ''[[resonans]] i människans [[ansatsrör]]''.<ref>
   Sundberg 1989 s. 133</ref><ref name="Sohlmans 1975">Sohlmans 1975</ref>
Ansatsröret är håligheterna i svalg, mun och näsa. Ett ansatsrör har flera resonanser på olika frekvenser, alltså flera formanter.

Det är människans förmåga att förändra dessa resonanser som ger henne möjligheten att skapa [[vokal]]er av olika färg. Men för att förstå vad någon säger krävs också att vi som lyssnare har förmågan att uppfatta formanter i andras tal. Den förmågan har vi, och vi använder den till mycket mer än till talförståelse – den utgör en viktig dimension i all vår ljuduppfattning. Vi hör att ett bräkande får säger bä och inte by, vi uppfattar att bastrumman låter bom och inte bim, och vi kan förstå datorer utan ansatsrör som framställer [[Talsyntes|syntetiskt tal]].

För att kunna beskriva hur vi associerar karaktären på ljud från skilda källor med mänskliga vokalklanger har vi behov av ett utvidgat formantbegrepp, ett begrepp som fångar den likhet mellan egna och främmande ljud som vi faktiskt upplever. I så fall kan vi också inkludera formanter som den mänskliga talapparaten inte kan åstadkomma men som ändå tillhör samma dimension av vår hörupplevelse.

Enligt en vid definition kan en formant vara ett ''maximum i spektrumenvelopen, vars frekvensläge inte nämnvärt påverkas av grundfrekvensen''.<ref name="Sohlmans 1975"/>
Denna definition tar inte ställning till vem eller vad som är ljudkällan och inte heller på vilket sätt formantkaraktären uppstår, bara att det är ett frekvensområde som är speciellt gynnat i ljudbilden från en viss källa. Att denna vida definition begränsar sig till enbart ljud och till frekvenser där människan kan uppleva formantkaraktär utsägs inte men förefaller vara underförstått i det givna sammanhanget. Annars blir termen bara ett annat ord för resonans.

== Uppkomst och klassificering ==
Formanter i rösten uppstår genom att ljudet i [[talapparaten]] – det vill säga [[munhåla]]n, [[näshåla]]n och [[luftstrupe]]n, ända ner till [[Lunga|lungorna]] – [[Resonans|resonerar]] vid vissa frekvenser, som bestäms av bland annat tungans och underkäkens position, vilket ger upphov till band av frekvenser med högre energi.

En formant identifieras vanligen med sin resonansfrekvens, ibland även med sin [[bandbredd]]. De olika banden namnges från ''f''<sub>1</sub>, för bandet med lägst frekvens, och uppåt: ''f''<sub>2</sub>, ''f''<sub>3</sub>, …. I analogi med detta kallas [[grundton]]en, något missvisande, ibland för ''f''<sub>0</sub>. 

För vokaler är vanligen tre till fem formanter mätbara. Genom experiment med [[röstsyntes]] har fastställts att de tre första formanterna är de mest informationsbärande. Dessa tre har stark [[korrelation]] med underkäkens, tungans och läpparnas placering:
*''f''<sub>1</sub> är starkt korrelerad med tungans och käkens position i höjdled; se [[Sluten vokal|sluten]] respektive [[öppen vokal]]
*''f''<sub>2</sub> är starkt korrelerad med tungans position i djupled; se [[Främre vokal|främre]] respektive [[bakre vokal]]
*''f''<sub>3</sub> är starkt korrelerad med läpparnas rundning; se [[Rundad vokal|rundad]] respektive [[orundad vokal]]

För mycket ljusa röster, som [[sopran]]stämma, kan grundtonen hamna nära och till och med över de lägsta formanterna, ''f''<sub>1</sub> och ''f''<sub>2</sub>. Dessa ljud blir då mycket svåra att identifiera och särskilja.

{| border="1" cellpadding="0" cellspacing="0" width="40%" style="text-align:center"
| colspan="4" align="center" style="background:#efefef;"| '''Vokalformantcentrum'''
|-
| Vokal ||IPA|| Formant ''f''<sub>1</sub>|| Formant ''f''<sub>2</sub>
|-
| U || |ʉ || '''320 Hz''' || 800 Hz
|-
| O || |u || '''500 Hz''' || 1000 Hz
|-
| Å || |ɔ || '''700 Hz''' || 1150 Hz
|-
| A || |a || '''1000 Hz''' || 1400 Hz
|-
| Ö || |ø || 500 Hz || '''1500 Hz'''
|-
| Y || |y || 320 Hz || '''1650 Hz'''
|-
| Ä || |ɛ || 700 Hz || '''1800 Hz'''
|-
| E || |e || 500 Hz || '''2300 Hz'''
|-
| I || |i || 320 Hz || '''3200 Hz'''
|}

{| border="1" cellpadding="0" cellspacing="0" width="40%" style="text-align:center"
| colspan="2" align="center" style="background:#efefef;"| '''Vokalformanter'''
|-
| Vokal || Huvudformantområde
|-
|  U || 200 till 400 Hz 
|-
|  O || 400 till 600 Hz
|-
|  A || 800 till 1200 Hz 
|-
|  E || 400 till 600 och 2200 till 2600 Hz
|-
|  I || 200 till 400 och 3000 till 3500 Hz 
|}

== Uppmätning och estimering ==
Flera metoder för att beräkna formanternas värden har tagits fram. De flesta utgår ifrån den [[Akustik|akustiska]] signalen, det vill säga [[ljud]]et som produceras, men det finns också metoder där talapparatens egenskaper mäts upp, varpå en modell för ljudproduktionen används för att estimera formanternas värden.

De flesta metoder fungerar bäst då de sätts i ett sammanhang, så att tidigare formantvärden kan användas för att [[Prediktion|predicera]] kommande.

=== Estimering med autoregressiv modell ===
<!--''TODO: Omformulera och strukturera.''-->

Talljud kan modelleras som en för kortare [[tidsintervall]] [[Svag stationäritet|svagt stationär]] [[stokastisk process]], vanligtvis som [[linjär]]t [[Filter|filtrerad]] [[vitt brus]]. Om <math>X(n)</math> är en stokastisk, [[vit]] process och <math>Y(n)</math> är en modell av talljudet, så kan <math>Y</math> skrivas som en [[autoregressiv]] process:
: <math>Y(n) + a_1 Y(n-1) + a_2 Y(n-2) + \ldots + a_N Y(n-N) = b_0 X(n)</math>.
Parametrarna <math>a_m</math> och <math>b_0</math> löses med hjälp av [[Yule-Walker-ekvationerna|Yule–Walker-ekvationerna]] och en estimering av <math>Y</math>:s [[autokorrelation]]sfunktion.

<math>Y</math>:s spektrum ges av
: <math>H(f) = \frac{b_0}{1 + a_1 e^{-i2\pi f}+ a_2 e^{-i2\pi 2f} + \ldots + a_N e^{-i2\pi N f}}</math>
<math>H</math> är ett filter med resonansfrekvenser


=== Talrörsestimering ===
Den [[Akustik|akustiska]] resonanslåda som talröret motsvarar kan estimeras med hjälp av sammanlänkade rörsegement av olika storlek. Detta rör är stängt i ena änden (vid [[stämläpp]]arna eller [[Lunga|lungorna]]) och öppet i den andra (vid [[läpp]]arna eller [[Näsa|näsborrarna]]. Givet denna modell och rörsegmentens respektive diameter kan formanterna estimeras med god precision.

Talröret, eller rättare sagt rörsegmenten, kan estimeras från [[röntgenfotografi]]er eller -filmer av huvudet under uttal av [[språkljud]]. Det är dock en metod som på grund av strålningen inte lämpar sig för större studier på enskilda personer. I dag används hellre [[magnetisk resonanstomografi]], vilket visserligen är dyrare och långsammare, men inte skadligt.

== Användning ==
Formanter har länge varit ett av de viktigaste sätten att [[Akustik|akustiskt]] beskriva [[språkljud]] på, och då i synnerhet vokaler.

Igenkänning utan större framgång ...

Tidiga [[Röstsyntes|röstsyntetiserare]] byggdes upp av filter som efterliknade formanternas karaktär, och kallades ofta för [[Formantsyntes|formantsyntetiserare]].

==Formantliknande ljud==
I detta avsnitt ges några exempel på ljud som uppvisar formantkaraktär. Ordet formant används då i den vidare bemärkelse som inte alla erkänner.

Blåsinstrument med '''dubbla rörblad''' har en formant som beror på rörbladens sätt att svänga. [[Fagott]]en har en karakteristisk topp runt 500 Hz som utgör den enda påtagliga likheten mellan instrumentets olika toner i en spektralanalys. Ljudet är lätt att härma med den mänskliga rösten. [[Oboe]]ns formant ligger en dryg oktav högre än fagottens.<ref>
   Sundberg 1989 s. 146</ref><ref>
   Berg & Stork s. 108</ref>

Den akustiska '''[[gitarr]]en''' liksom många andra [[stränginstrument]] har sina strängar som ursprunglig orsak till ljudet. Men strängarnas vibrationer övergår i huvudsak till hörbara luftvibrationer genom att först fortplantas till och färgas av en [[resonanslåda]] och dess delvis inneslutna luftvolym. Både lådan och luftvolymen har resonanser vid fasta frekvenser, vilket kan kallas för gitarrens formanter. Det är en stor utmaning för gitarrbyggaren att skapa formanter som ger en bra klang genom att bestämma storlek på resonanslådan samt form, material och materialtjocklek i olika punkter.

En '''[[wah-wah]]''' är en elektronisk effektpedal med en flyttbar formant för modifiering av en elektrisk audiosignal, främst från [[elgitarr]]. Ju mer man "gasar", desto högre upp i frekvens hamnar resonansen. Frekvenser som ligger lägre än resonansen släpps också fram ganska bra medan högre frekvenser stryps. Med pedalrörelser kan man ge de spelade tonerna en karaktär som påminner om uttalet "wa-wa-wa".<ref>
   R.G. Keen 1999, [http://www.geofex.com/article_folders/wahpedl/voicewah.htm ''Human Voices and the Wah Pedal''] (besökt 2008-11-09)</ref>
Ett berömt exempel på elgitarr med wah-wah-effekt är introduktionen till [[Jimi Hendrix]]' låt "Voodoo child".

En '''[[talkbox]]''' är en anordning för att modifiera en elektrisk audiosignal med munnen. Signalen kommer ofta från ett spelande musikinstrument eller från en enda övertonsrik syntton. Apparaten har en innesluten liten högtalare som skickar ljudet genom en slang som man leder in i munnen. Man skapar sedan formanter precis som vid vanligt tal, men där stämbanden ersätts med ljudslang. Det modifierade ljudet har en tydlig talkaraktär med mänskliga vokaler som kan fångas upp i en vanlig sångmikrofon precis som när man sjunger.

==Se även==
*[[Delton]]
*[[Grundton]]

== Referenser ==
===Noter===
<references/>

===Källor===
*{{bokref
  |författare=Sohlmans
  |titel=Sohlmans musiklexikon
  |origår=1975 |utgivare=Sohlmans Förlag AB
  |isbn=91 7198 020 2
 }} (Uppslagsord "formant" av Johan Sundberg, om snäv och vid definitioner av formant)
*{{bokref
  |författare=Johan Sundberg
  |titel=Musikens ljudlära – hur toner alstras och uppfattas
  |upplaga=3:e uppl |origår=1989
  |utgivare=Proprius förlag |utgivningsort=Stockholm
  |isbn=91-7118-653-0
 }} (Om formanter i tal och sång, formantfrekvenser för olika vokaler, att höra sina egna formanter, fagott, oboe och synt kontra mänskliga formanter, anser att formanter bara bör avse det mänskliga röstorganet)
*{{bokref
  |författare=Richard E. Berg, David G. Stork
  |titel=The physics of sound
  |origår=1995 |utgivare=Prentice Hall
  |isbn=0-13-183047-3
 }}
== Externa länkar ==
*{{Commonscat|Formants}}
[[Kategori:Fonetik]]