![語音信號處理[趙力著圖書（2009年版）]](/img/0/f87/nBnauM3X4ADNxAjN0kzMwgTOzQTM3IDO1gzMxADMwAzMwIzL5MzL3QzLt92YucmbvRWdo5Cd0FmLwE2LvoDc0RHa.jpg "語音信號處理[趙力著圖書（2009年版）]")
內容簡介
《語音信號處理(第2版)》介紹了語音信號處理的基礎、原理、方法和套用，以及該學科領域近年來取得的一些新的研究成果和技術。全書共分14章，包括緒論、語音信號處理基礎知識、語音信號分析、矢量量化技術、隱馬爾可夫模型、神經網路在語音信號處理中的套用、語音編碼、語音合成、語音識別、說話人識別與語種辨識、語音轉換與語音隱藏、語音信號中的情感信息處理、耳語音信號處理、語音增強等內容。《語音信號處理(第2版)》可作為高等院校教材或教學參考用書，也可供從事語音信號處理等領域的工程技術人員參考。
圖書目錄
第1章緒論
第2章語音信號處理基礎知識
2.1語音和語言
2.2漢語語音學
2.2.1漢語語音的特點
2.2.2漢語的拼音方法
2.2.3漢語音節的一般結構
2.2.4漢語聲母的結構
2.2.5漢語韻母的結構
2.2.6聲母和韻母的相互作用—音征互載
2.2.7漢語的聲調
2.3語音生成系統和語音感知系統
2.3.1語音發音系統
2.3.2語音聽覺系統
2.4語音信號生成的數學模型
2.4.1激勵模型
2.4.2聲道模型
2.4.3輻射模型
2.4.4語音信號的數學模型
2.5語音信號的特性分析
2.5.1語音信號的時域波形和頻譜特性
2.5.2語音信號的語譜圖
2.5.3語音信號的統計特性
2.6思考與複習題
第3章語音信號分析
3.1概述
3.2語音信號的數位化和預處理
3.2.1預濾波、採樣、A/D轉換
3.2.2預處理
3.3語音信號的時域分析
3.3.1短時能量及短時平均幅度分析
3.3.2短時過零率分析
3.3.3短時相關分析
3.3.4短時平均幅度差函式
3.4語音信號的頻域分析
3.4.1利用短時傅立葉變換求語音的短時譜
3.4.2語音的短時譜的臨界帶特徵矢量
3.5語音信號的倒譜分析
3.5.1同態信號處理的基本原理
3.5.2復倒譜和倒譜
3.5.3語音信號倒譜分析實例
3.6語音信號的線性預測分析
3.6.1線性預測分析的基本原理
3.6.2線性預測方程組的求解
3.6.3LPC譜估計和LPC復倒譜
3.6.4線譜對分析
3.7語音信號的小波分析
3.7.1傅立葉變換
3.7.2短時傅立葉變換
3.7.3連續小波變換
3.7.4離散小波變換
3.7.5小波變換的幾個實例
3.8基音周期估計
3.8.1自相關法
3.8.2平均幅度差函式法
3.8.3並行處理法
3.8.4倒譜法
3.8.5簡化逆濾波法
3.8.6小波變換法
3.8.7基音檢測的後處理
3.9共振峰估計
3.9.1帶通濾波器組法
3.9.2倒譜法
3.9.3LPC法
3.10思考與複習題
第4章矢量量化技術
4.1概述
4.2矢量量化的基本原理
4.3矢量量化的失真測度
4.3.1歐氏距離測度
4.3.2線性預測失真測度
4.3.3識別失真測度
4.4矢量量化器的最佳碼本設計
4.4.1LBG算法
4.4.2初始碼本的生成
4.5矢量量化技術的最佳化設計
4.6思考與複習題
第5章隱馬爾可夫模型
5.1隱馬爾可夫模型的引入
5.2隱馬爾可夫模型的定義
5.2.1離散Markov過
5.2.2隱Markov模型
5.2.3HMM的基本元素
5.3隱馬爾可夫模型的基本算法
5.3.1前向-後向算法
5.3.2維特比算法
5.3.3Baum-Welch算法
5.4隱馬爾可夫模型的各種結構類型
5.4.1按照HMM的狀態轉移機率矩陣(A參數)分類
5.4.2按照HMM的輸出機率分布(B參數)分類
5.4.3其他一些特殊的：HMM的形式
5.5隱馬爾可夫模型的一些實際問題
5.5.1下溢問題
5.5.2參數的初始化問題
5.5.3提高HMM描述語音動態特性的能力
5.5.4直接利用狀態持續時間分布機率的HMM系統
5.6思考與複習題
第6章人工神經網路初步
6.1人工神經網路簡介
6.2人工神經網路的構成
6.2.1神經元
6.2.2神經元的學習算法
6.2.3網路拓撲
6.2.4網路的學習算法
6.3幾種用於模式識別的神經網路模型及其主要算法
6.3.1單層感知器
6.3.2雙層感知器
6.3.3多層感知器
6.3.4徑向基函式神經網路的分類特性
6.3.5自組織特徵映射模型
6.3.6時延神經網路
6.3.7循環神經網路
6.3.8支持向量機
6.4用神經網路進行模式識別的典型做法
6.4.1多輸出型
6.4.2單輸出型
6.5思考與複習題
第7章語音編碼
7.1概述
7.2語音信號壓縮編碼的原理和壓縮系統評價
7.2.1語音壓縮的基本原理
7.2.2語音編碼的關鍵技術
7.2.3語音壓縮系統的性能指標和評測方法
7.3語音信號的波形編碼
7.3.1脈衝編碼調製
7.3.2自適應預測編碼
7.3.3自適應增量調製和自適應差分脈衝編碼調製
7.3.4子帶編碼
7.3.5自適應變換編碼
7.4語音信號的參數編碼
7.4.1線性預測聲碼器
7.4.21P-10編碼器
7.5語音信號的混合編碼
7.6現代通信中的語音信號編碼方法
7.6.1EVRC算法基本原理
7.6.2EVRC算法概述
7.7思考與複習題
第8章語音合成
8.1概述
8.2共振峰合成法
8.3線性預測合成法
8.4語音合成專用硬體簡介
8.5PSOLA算法合成語音
8.6文語轉換系統
8.7思考與複習題
第9章語音識別
9.1概述
9.2語音識別原理和識別系統的組成
9.2.1預處理和參數分析
9.2.2語音識別
9.2.3語音識別系統的基本資料庫
9.3動態時間規整
9.4孤立字(詞)識別系統
9.4.1基於MQDF的漢語塞音語音識別系統
9.4.2基於機率尺度DP識別方法的孤立字(詞)識別系統
9.5連續語音識別系統
9.6連續語音識別系統的性能評測
9.6.1連續語音識別系統的評測方法以及系統複雜性和識別能力的測度
9.6.2綜合評估連續語音識別系統時需要考慮的其他因素
9.7思考與複習題
第10章說話人識別與語種辨識
10.1概述
10.2說話人識別方法和系統結構
10.2.1預處理
10.2.2說話人識別特徵的選取
10.2.3特徵參量評價方法
10.2.4模式匹配方法
10.2.5說話人識別中判別方法和閾值的選擇
10.2.6說話人識別系統的評價
10.3套用DTW的說話人確認系統
10.4套用VQ的說話人識別系統
10.5套用HMM的說話人識別系統
10.5.1基於HMM的與文本有關的說話人識別
10.5.2基於HMM的與文本無關的說話人識別
10.5.3基於HMM的指定文本型說話人識別
10.5.4說話人識別HMM的學習方法
10.5.5魯棒的HMM說話人識別技術
10.6套用GMM的說話人識別系統
10.6.1GMM模型的基本概念
10.6.2GMM模型的參數估計
10.6.3訓練數據不充分的問題
10.6.4GMM模型的識別問題
10.7說話人識別中尚需進一步探索的研究課題
10.8語種辨識的原理和套用
10.8.1語種辨識的基本原理和方法
10.8.2語種辨識的套用領域
10.9思考與複習題
第11章語音轉換與語音隱藏
11.1語音轉換的原理和套用
11.2常用語音轉換的方法
11.2.1頻譜特徵參數轉換
11.2.2基音周期轉換
11.2.3韻律信息轉換
11.3語音分析模型和語音庫的選擇
11.3.1語音分析模型
11.3.2語音庫的設計
11.4套用CMM的語音轉換
11.5語音轉換的研究方向
11.6語音信息隱藏的原理及套用
11.7語音信息隱藏的常用方法
11.8語音信息隱藏系統的評價標準
11.9語音信息隱藏需要研究和解決的問題
11.10思考與複習題
第12章語音信號中的情感信息處理
12.1概述
12.2語音信號中的情感分類和情感特徵分析
12.2.1情感的分類
12.2.2情感特徵分析
12.3語音情感識別方法
12.3.1主元分析法
12.3.2神經網路方法
12.3.3混合高斯模型法
12.4情感語音的合成
12.5今後的研究方向
12.6思考與複習題
第13章耳語音信號處理
13.1耳語音的聲學特徵分析
13.1.1音長
13.1.2音高
13.1.3聲調
13.1.4共振峰頻率
13.1.5耳語音美爾頻率倒譜特徵參數分析
13.2耳語音增強
13.3耳語音轉換正常音
13.4耳語音識別
13.4.1孤立字(詞)的耳語音識別
13.4.2耳語音的說話人識別
13.5耳語音的研究方向
13.6思考與複習題
第14章語音增強
14.1概述
14.2語音特性、人耳感知特性及噪聲特性
14.2.1語音特性
14.2.2入耳感知特性
14.2.3噪聲特性
14.3濾波法語音增強技術
14.3.1陷波器法
14.3.2自適應濾波器
14.4利用相關特性的語音增強技術
14.4.1自相關處理抗噪法語音增強技術
14.4.2利用複數幀段主分量特徵的降噪方法
14.5非線性處理法語音增強技術
14.5.1中心削波法
14.5.2同態濾波法
14.6減譜法語音增強技術
14.6.1基本原理
14.6.2基本減譜法的改進
14.7利用Weiner濾波法的語音增強技術
14.7.1基本原理
14.7.2Weiner濾波的改進形式
14.8思考與複習題
附錄A語音信號LPC美爾倒譜係數(LPCMCC)分析程式
附錄B利用HMM的孤立字(詞)語音識別程式
附錄C漢英名詞術語對照”
參考文獻
