书籍详情
实时语音处理实践指南
作者：葛世超 等 著
出版社：电子工业出版社
出版时间：2020-04-01
ISBN：9787121387593
定价：¥99.00
购买这本书可以去
内容简介
本书主要介绍基于互联网场景的交互式实时语音处理流程，内容涉及智能语音助手、智能音箱、音/视频会议等，具体包括实时语音信号处理、数字音效、网络传输编/解码和语音唤醒识别四部分。在阐述各部分内容时，本书从基本概念和原理入手，将理论和实践相结合，并细致分析了极具商业价值的实例，以帮助读者了解相关算法在工程上是如何实现的。另外，为便于有兴趣的读者快速进行算法验证并将其改进和应用到实际的项目中，作者也开源了书中算法的源码。 对于语音技术零基础的读者，建议按照本书的编排顺序阅读；本书也适合有一定语音理论基础的高等院校相关专业本科生和研究生；对从事语音相关产品的非技术人员来说，可从本书了解语音处理的主要内容和技术难点，对从事语音工程开发的技术人员来说，本书开源了一些极具商业价值的源码工程，具有较高的参考价值。
作者简介
葛世超，硕士，毕业于西安电子科技大学雷达国防重点实验室，先后任职于阿里巴巴、rokid和Zoom，从事语音算法工作。 吕强，学士，吉林大学通信工程专业毕业，原微鲸电视系统软件音频专家。 钱思冲，武汉理工大学博士，2016年至2018年在rokid从事麦克风阵列信号研究，目前主要研究语音信号盲源分离。 张博伦，硕士研究生，毕业于中国海洋大学海底科学与探测技术教育部重点实验室。毕业后先后从事水声、音频信号处理等工作。 张硕，毕业于西安电子科技大学和法国高等电力学院，先后任职于诺基亚和Rokid，从事语音算法相关工作。
目录
绪论1
第1章 信号处理 7
1.1 数字和模拟频率 7
1.2 离散傅里叶变换8
1.2.1 实数DFT 9
1.2.2 复数DFT 10
1.2.3 负频分量 10
1.2.4 DFT变换性质 10
1.3 FFT 11
1.3.1 FFT 结果举例 12
1.3.2 实信号FFT 13
1.3.3 短时傅里叶变换 14
1.3.4 STFT语音窗函数选择 14
1.4 重叠相加法和重叠保留法 16
1.4.1 OLA 17
1.4.2 OLS 19
1.5 加权重叠相加法 21
1.5.1 WOLA 计算过程 22
1.5.2 WOLA 窗函数选择 22
1.6 滤波器组 23
1.7 语音预加重 27
1.8 高斯分布 27
1.8.1 单高斯分布 27
1.8.2 多维高斯分布 29
1.9 HMM模型 31
1.10 卡尔曼滤波 32
第2章 发音机理和器件 34
2.1 语音的产生和接收 34
2.1.1 语音产生机理 34
2.1.2 发声模型 36
2.1.3 发音单位 36
2.1.4 发音分类 37
2.1.5 声音接收 37
2.1.6 声音传播 38
2.2 扬声器 38
2.2.1 电学性能 38
2.2.2 声学性能 39
2.2.3 底噪 40
2.2.4 频响特性 41
2.2.5 THD+N POUT 41
2.2.6 电压（功率）和失真 42
2.3 麦克风 42
2.3.1 麦克风性能指标 42
2.3.2 麦克风的选择 43
2.4 结构设计 45
2.5 音频设备 46
2.6 声学测试 49
第3章 语音端点检测 59
3.1 特征选取 59
3.2 判决准则 61
3.2.1 门限 61
3.3 VAD 实例 63
3.4 语音/非语音帧的初始参数 75
第4章 单通道降噪 79
4.1 谱减法 79
4.2 维纳滤波 84
4.3 子空间降噪 86
4.4 WebRTC 单通道降噪实现 87
4.5 深度学习降噪 101
第5章 声学回声消除 106
5.1 回声消除原理 106
5.2 自适应滤波器 108
5.3 WebRTC 回声消除算法 113
5.4 Speex 回声消除算法 128
第6章 声源定位 147
6.1 GCC算法 147
6.2 SRP-PHAT算法 149
6.3 MUSIC算法 150
6.4 TOPS 算法 152
6.5 FRIDA算法 154
6.6 后处理抗噪 155
第7章 波束形成技术 162
7.1 麦克风阵列 163
7.2 常见波束形成方法 168
7.3 WebRTC 波束形成实例 174
7.4 后置滤波（Post-filtering） 187
第8章 盲源分离 196
8.1 基本概念及数学预备知识 196
8.2 盲语音分离预处理——PCA 199
8.3 频域独立成分分析法——FDICA 200
8.4 后置滤波处理 205
8.5 GSC 与ICA联合估计 209
第9章 音效处理 214
9.1 声道的分类 214
9.2 后端音效处理 217
第10章 语音编/解码 227
10.1 LPC 编码 230
10.2 SILK编/解码 231
10.3 opus 编/解码概览 239
10.4 语音质量评估 247
第11章 语音网络传输 251
11.1 拥塞控制 252
11.2 NetEQ 266
第12章 语音唤醒 278
12.1 语音唤醒技术简介 278
12.2 特征提取 279
12.3 模型结构 284
12.4 计算加速 292
第13章 语音识别 301
13.1 语音特征提取 303
13.2 声学模型 306
13.3 语言模型 310
13.4 YES 和NO识别实例 312
13.5 Kaldi 中文语音识别 321
13.6 DeepSpeech 语音识别 324
附录A 本书涉及的专业术语 331
第1章 信号处理 7
1.1 数字和模拟频率 7
1.2 离散傅里叶变换8
1.2.1 实数DFT 9
1.2.2 复数DFT 10
1.2.3 负频分量 10
1.2.4 DFT变换性质 10
1.3 FFT 11
1.3.1 FFT 结果举例 12
1.3.2 实信号FFT 13
1.3.3 短时傅里叶变换 14
1.3.4 STFT语音窗函数选择 14
1.4 重叠相加法和重叠保留法 16
1.4.1 OLA 17
1.4.2 OLS 19
1.5 加权重叠相加法 21
1.5.1 WOLA 计算过程 22
1.5.2 WOLA 窗函数选择 22
1.6 滤波器组 23
1.7 语音预加重 27
1.8 高斯分布 27
1.8.1 单高斯分布 27
1.8.2 多维高斯分布 29
1.9 HMM模型 31
1.10 卡尔曼滤波 32
第2章 发音机理和器件 34
2.1 语音的产生和接收 34
2.1.1 语音产生机理 34
2.1.2 发声模型 36
2.1.3 发音单位 36
2.1.4 发音分类 37
2.1.5 声音接收 37
2.1.6 声音传播 38
2.2 扬声器 38
2.2.1 电学性能 38
2.2.2 声学性能 39
2.2.3 底噪 40
2.2.4 频响特性 41
2.2.5 THD+N POUT 41
2.2.6 电压（功率）和失真 42
2.3 麦克风 42
2.3.1 麦克风性能指标 42
2.3.2 麦克风的选择 43
2.4 结构设计 45
2.5 音频设备 46
2.6 声学测试 49
第3章 语音端点检测 59
3.1 特征选取 59
3.2 判决准则 61
3.2.1 门限 61
3.3 VAD 实例 63
3.4 语音/非语音帧的初始参数 75
第4章 单通道降噪 79
4.1 谱减法 79
4.2 维纳滤波 84
4.3 子空间降噪 86
4.4 WebRTC 单通道降噪实现 87
4.5 深度学习降噪 101
第5章 声学回声消除 106
5.1 回声消除原理 106
5.2 自适应滤波器 108
5.3 WebRTC 回声消除算法 113
5.4 Speex 回声消除算法 128
第6章 声源定位 147
6.1 GCC算法 147
6.2 SRP-PHAT算法 149
6.3 MUSIC算法 150
6.4 TOPS 算法 152
6.5 FRIDA算法 154
6.6 后处理抗噪 155
第7章 波束形成技术 162
7.1 麦克风阵列 163
7.2 常见波束形成方法 168
7.3 WebRTC 波束形成实例 174
7.4 后置滤波（Post-filtering） 187
第8章 盲源分离 196
8.1 基本概念及数学预备知识 196
8.2 盲语音分离预处理——PCA 199
8.3 频域独立成分分析法——FDICA 200
8.4 后置滤波处理 205
8.5 GSC 与ICA联合估计 209
第9章 音效处理 214
9.1 声道的分类 214
9.2 后端音效处理 217
第10章 语音编/解码 227
10.1 LPC 编码 230
10.2 SILK编/解码 231
10.3 opus 编/解码概览 239
10.4 语音质量评估 247
第11章 语音网络传输 251
11.1 拥塞控制 252
11.2 NetEQ 266
第12章 语音唤醒 278
12.1 语音唤醒技术简介 278
12.2 特征提取 279
12.3 模型结构 284
12.4 计算加速 292
第13章 语音识别 301
13.1 语音特征提取 303
13.2 声学模型 306
13.3 语言模型 310
13.4 YES 和NO识别实例 312
13.5 Kaldi 中文语音识别 321
13.6 DeepSpeech 语音识别 324
附录A 本书涉及的专业术语 331
猜您喜欢
