语音信号处理

　　《语音信号处理》介绍了语音信号处理的基础、原理、方法和应用，以及该学科领域近年来取得的一些新的研究成果和技术。全书共分十二章，内容包括绪论、语音信号处理的基础知识、语音信号的分析技术、语音信号的矢量量化、隐马尔可夫模型技术、神经网络在语音信号处理中的应用、语音编码、语音合成、语音识别、说话人识别和语种辨识技术、语音信号的情感信息处理技术、语音增强技术。《语音信号处理》可作为高等院校的教材或教学参考书使用，同时也可供语音信号处理等领域的工程技术人员参考。

暂缺《语音信号处理》作者简介

  第1章  绪论
  第2章  语音信号处理的基础知识
    2.1  概述
    2．2  语音和语言
    2．3  汉语语音学
    2．3．1  汉语语音的特点
    2．3．2  汉语的拼音方法
    2．3．3  汉语音节的一般结构
    2．3．4  汉语声母的结构
    2．3．5  汉语韵母的结构
    2．3．6  声母和韵母的相互作用音征互载
    2．3．7  汉语的声调
    2．4  语音生成系统和语音感知系统
    2．4．1  语音发音系统
    2．4．2  语音听觉系统
    2. 5  语音信号生成的数学模型
    2．5．1  激励模型
    2．5．2  声道模型
    2．5．3  辐射模型
    2．5．4  语音信号的数学模型
    2．6  语音信号的特性分析
    2．6．1  语音信号的时域波形和频谱特性
    2．6．2  语音信号的语谱图
    2．6．3  语音信号的统计特性思考与复习题
  第3章  语音信号分析
    3．1  概述
    3．2  语音信号的数字化和预处理
    3．2．1  预滤波、采样、A/D变换
    3．2．2  预处理
    3．3  语音信号的时域分析
    3．3．1  短时能量及短时平均幅度分析
    3．3．2  短时过零率分析
    3．3．3  短时才目关分析
    3．3．4  短时平均幅度差函数
    3．4  语音信号的频域分析
    3．4．1  利用短时傅里叶变换求语音的短时谱
    3．4．2  语音的短时谱的临界带特征矢量
    3．5  语音信号的倒谱分析
    3．5．1  同态信号处理的基本原理
    3．5．2  复倒谱和倒谱
    3．5．3  语音信号两个卷积分量的复倒谱
    3．5．4  复倒谱分析中的相位卷绕及避免相位卷绕的算法
    3．5．5  语音信号倒谱分析实例
    3．6  语音信号的线性预测分析
    3．6．1  线性预测分析的基本原理
    3．6．2  线性预测方程组的求解
    3．6．3  LPC谱估计和LPC复倒谱
    3．6．4  线谱对(LSP)分析
    3．7  基音周期估计
    3．7．1  自丰目关法
    3．7．2  平均幅度差函数法(AMDF)
    3．7．3  并行处理技术(PPROC)方法
    3．7．4  倒谱(CEP)法
    3．7．5  简化逆滤波法(SLFT)
    3．7．6  小波变换法
    3．7．7  基音检测的后处理
    3．8  共振峰估计
    3．8．1  带通滤波器组法
    3．8．2  倒谱法
    3．8．3  LPC法
    思考与复习题
  第4章  矢量量化技术(VQ)
    4．1  概述
    4．2  矢量量化的基本原理
    4．3  矢量量化的失真测度
    4．3．1  欧氏距离测度
    4．3．2  线性预测失真测度
    4．3．3  识别失真测度
    4．4  矢量量化器的最佳码本设计
    4．4．1  BG算法
    4．4．2  初始码本的生成
    4．5  矢量量化技术的优化设计
    4．5．1  无记忆的矢量量化系统
    4．5．2  有记忆的矢量量化系统
    4．5．3  模糊矢量量化(FuzzyVQ)
    4．5．4  遗传算法优化码本GAVQ算法
    思考与复习题
  第5章  隐马尔可夫模型(HMM)
    5．1  概述
    5．2  隐马尔可夫模型的引入
    5．3  隐马尔可夫模型的定义
    5．3．1  离散Markov过程
    5．3．2  隐Markov模型
    5．3．3  HMM的基本元素
    5．4  隐马尔可夫模型的基本算法
    5．4．1  前向后向算法
    5．4．2  维特比(Viterbi)算法
    5．4．3  Baum-Welch算法
    5．5  隐马尔可夫模型的各种结构类型
    5．5．1  按照HMM的状态转移概率矩阵(A参数)分类
    5．5．2  按照HMM的输出概率分布(月参数)分类
    5．5．3  其他一些特殊的HMM的形式
    5．6  隐马尔可夫模型的一些实际问题
    5．6．1  下溢问题
    5．6．2  参数的初始化问题 
    5．6．3  提高HMM描述语音动态特性的能力
    5．6．4  HMM训练方法的改进
    5．6．5  直接利用状态持续时间分布概率的HMM系统
  思考与复习题
  第6章  人工神经网络初步
    6．1  概述
    6．2  人工神经网络简介
    6．3  人工神经网络的构成
    6．3．1  神经元
    6，3．2  神经元的学习算法
    6．3．3  网络拓扑
    6．3．4  网络的学习算法
    6．4  几种用于模式识别的神经网络模型及其主要算法
    6．4．1  单层感知器
    6．4．2  双2 双层感知器
    6．4．3  多层感知器
    6．4．4  径向基函数神经网络的分类特性
    6．4．5  自组织特征映射模型
    6．4．6  时延神经网络
    6．4．7  循环神经网络
    6．5  用神经网络进行模式识别的典型做法
    6，5．1  多输出型
    6．5．2  单输出型
    6．6  人工神经网络模型的应用举例
  思考与复习题
  第7章  语音编码
    7．1  概述   
    7．2  语音信号压缩编码的原理和压缩系统评价
    7．2．1  语音压缩的基本原理
    7．2．2  语音编码的关键技术
    7．2．3  语音压缩系统的性能指标和评测方法
    7．3  语音信号的波形编码
    7．3．1  脉冲编码调制(POM)
    7．3．2  自适应预测编码(APC)
    7．3．3  自适应增量调制(ADM)和自适应差分脉冲编码调制(ADPCM)
    7．3．4  子带编码(SBC)
    7．3．5  自适应变换编码(ATC)
    7，4  语音信号的参数编码
    7．4．1  线性预测声码器
    7．4．2  LPC-10编码器
    7．5  语音信号的混合编码
    7．6  现代通信中的语音信号编码方法
    7．6．1  EVRC算法基本原理
    7．6．2 EVRC算法概述
   思考与复习题
  第8章  语音合成
    8．1  概述
    8．2  共振峰合成法
    8．3  线性预测合成法
    8．4  语音合成专用硬件简介
    8．5  PSOLA算法合成语音
    8．6  文语转换系统(丌S)
    8．6．1  文语转换系统的组成
    8．6．2  连读语音的韵律特性
    8．6．3  文本分析方法
    8．6．4  语音合成方法
    8．6．5  语音合成中的韵律控制
    思考与复习题
  第9章  语音识别
    9．1  概述
    9．2  语音识别原理和识别系统的组成
    9．2．1  预处理和参数分析
    9．2．2  语音识别
    9．2．3  语音识别系统的基本数据库
    9．3  动态时间规整(DrW)
    9．4  孤立字(词)识别系统
    9．4．1  基于MQl)F的汉语塞音语音识别系统
    9．4．2  基于概率尺度DP识别方法的孤立字(词)识别系统
    9．5  连续语音识别系统
    9．6  连续语音识别系统的性能评测
    9．6．1  连续语音识别系统的评测方法以及系统复杂性和识别能力的测度
    9．6．2  综合评估连续语音识别系统时需要考虑的其他因素
  思考与复习题
  第10章  说话人识别与语种辨识
    10．1  概述
    10．2  说话人识别方法和系统结构
    10．2．1  预处理
    10．2．2  说话人识别特征的选取
    10．2．3  特征参量评价方法
    10．2．4  模式匹配方法
    10．2．5  说话人识别中判别方法和阈值的选择
    10．2．6  说话人识别系统的评价
    10．3  应用DTW的说话人确认系统
    10．4  应用VQ的说话人识别系统
    10．5  应用HMM的说话人识别系统
    10．5．1  基于HMM的与文本有关的说话人识别
    10．5．2  基于HMM的与文本无关的说话人识别  
    10．5．3  基于HMM的指定文本型说话人识别
    10．5．4  说话人识别HMM的学习方法
    10．5．5  鲁棒的HMM说话人识别技术
    10．6  应用GMM的说话人识别系统
    10．6．1  GMM模型的基本概念
    10．6. 2  GMM模型的参数估计
    10．6．3  训练数据不充分的问题
    10．6．4  GMM模型的识别问题
    10．7  说话人识别中尚需进一步探索的研究课题
    10．8  语种辨识的原理和应用
    10．8．1  语种辨识的基本原理和方法
    10．8．2  语种辨识的应用领域
  思考与复习题
  第11章  语音信号中的情感信息处理
    11．1  概述
    11．2  语音信号中的情感分类和情感特征分析
    11．2．1  情感的分类
    11．2．2  情感特征分析
    11．3  语音情感识别方法
    11．3．1  主元分析法(PCA)
    11．3．2  神经网络方法(ANN)
    11．3．3  混合高斯模型法(GMM)
    11．4  情感语音的合成
    11．5  今后的研究方向
  思考与复习题
  第12章  语音增强
    12．1  概述
    12．2  语音特性、人耳感知特性及噪声特性
    12．2．1  语音特性
    12．2．2  人耳感知特性
    12．2．3  噪声特性
    12．3  滤波法语音增强技术
    12．3．1  陷波器法  
    12．3．2  自适应滤波器
    12．4  利用相关特性的语音增强技术
    12．4．1  自相关处理抗噪法语音增强技术
    12．4．2  利用复数帧段主分量特征的降噪方法
    12．5  非线性处理法语音增强技术
    12．5．1  中心削波法同态滤波法
    12．6  减谱法语音增强技术
    12．6．1  基本原理
    12．6．2  基本减谱法的改进
    12．7  利用Weiner滤波法的语音增强技术
    12．7．1  基本原理
    12．7．2 Weiner滤波的改进形式
思考与复习题
   附录A  语音信号LPC美尔倒谱系数(LPCMCC)分析程序
   附录B  利用HMM的孤立宇(词)语音识别程序
   附录C  汉英名词术语对照参考文献