书籍详情

智能语音处理

智能语音处理

作者:张雄伟,孙蒙,杨吉斌 著

出版社:机械工业出版社

出版时间:2020-09-01

ISBN:9787111665328

定价:¥79.00

购买这本书可以去
内容简介
  本书系统性地阐述智能语音处理技术,并重点以机器学习等技术及其在语音处理中的典型应用,理论与实践联系紧密。
作者简介
  本书编写组主 编 张雄伟 孙 蒙 杨吉斌 副主编 曹铁勇 郑昌艳 吴海佳 参 编 曾 理 韩 伟 陈栩杉 闵 刚 孙 健 孙新建 周 彬 黄建军 苗晓孔 李嘉康 张星昱
目录
前言
第1章 智能语音处理导论1
 11 概述1
 12 经典语音处理2
   121 语音处理的发展2
   122 语音基本表示方法3
   123 语音处理基本方法3
   124 经典语音处理方法的不足4
 13 智能语音处理5
   131 智能语音处理的基本概念5
   132 智能语音处理的基本框架5
   133 智能语音处理的基本模型6
 14 语音处理的应用7
   141 语音处理的传统应用领域8
   142 语音处理的新应用领域11
 15 小结14
 参考文献14
第2章 稀疏和压缩感知15
 21 引言15
 22 稀疏和稀疏表示16
   221 稀疏16
   222 稀疏表示18
 23 冗余字典19
   231 基本概念19
   232 字典学习20
   233 字典学习算法22
   234 原子选择算法25
 24 压缩感知27
   241 基本概念27
   242 压缩感知模型29
   243 观测矩阵30
   244 信号重构32
 25 小结33
 参考文献33
第3章 隐变量模型36
 31 引言36
 32 高斯混合模型36
   321 基本概念37
   322 GMM参数估计37
 33 隐马尔可夫模型39
   331 基本概念39
   332 HMM关键问题42
 34 高斯过程隐变量模型48
   341 基本模型48
   342 GPLVM的理论来源49
   343 GPLVM模型训练50
 35 小结51
 参考文献51
第4章 组合模型52
 41 引言52
 42 主成分分析53
   421 基本模型53
   422 求解算法54
 43 非负矩阵分解56
   431 基本模型56
   432 求解算法57
   433 NMF与其他数据表示模型的关系58
 44 鲁棒组合模型60
   441 组合模型的鲁棒性分析61
   442 鲁棒主成分分析61
   443 鲁棒非负矩阵分解63
 45 小结64
 参考文献64
第5章 人工神经网络和深度学习65
 51 引言65
 52 神经网络基础66
   521 神经元模型66
   522 浅层神经网络67
   523 深度神经网络68
 53 深度学习69
   531 基本概念和形式69
   532 深度网络的学习方法70
 54 深度神经网络的典型结构71
   541 深度置信网络71
   542 自动编码器与栈式自动编码器72
   543 卷积神经网络74
   544 循环神经网络75
   545 生成式对抗网络77
 55 小结79
 参考文献79
第6章 语音压缩编码81
 61 引言81
 62 基于字典学习的语音信号压缩感知82
   621 语音信号的稀疏性82
   622 语音在常见变换域的稀疏化83
   623 基于K-L展开的语音非相干字典84
   624 基于K-L非相干字典的语音压缩重构87
   625 实验仿真与性能分析88
 63 基于梅尔倒谱系数重构的语音压缩编码93
   631 基于梅尔倒谱分析的抗噪语音编码模型94
   632 基于稀疏约束的梅尔倒谱合成96
   633 梅尔倒谱系数的量化算法99
   634 实验仿真与性能分析103
 64 基于深度学习的语音压缩编码107
   641 基于DAE的幅度谱编码和量化107
   642 基于DAE的低速率语音编码110
   643 实验仿真与性能分析111
 65 小结113
 参考文献113
第7章 语音增强115
 71 引言115
 72 语音增强技术基础116
   721 语音增强的估计参数116
   722 智能语音增强的语音特征117
   723 性能评价118
 73 基于非负矩阵分解的语音增强120
   731 基本模型121
   732 基于不相交约束非负矩阵分解的语音增强122
   733 基于CNMF字典学习的语音增强127
 74 基于深度学习的语音增强136
   741 基于听觉感知加权的深度神经网络语音增强方法136
   742 基于听觉感知掩蔽的深度神经网络语音增强方法141
 75 小结151
 参考文献152
第8章 语音转换155
 81 引言155
 82 语音转换基本原理155
 83 语音转换模型与评价156
   831 语音分析/合成模型156
   832 语音参数的选择157
   833 时间对齐157
   834 转换模型和规则158
   835 转换性能评价159
 84 基于非负矩阵分解的谱转换160
   841 概述160
   842 基于卷积非负矩阵分解的谱转换161
   843 声道谱转换效果164
 85 基于深度神经网络的谱转换168
   851 深度学习驱动下的语音转换168
   852 面向谱转换的神经网络模型选择168
   853 基于BLSTM和神经网络声码器交替训练的语音转换171
 86 小结176
 参考文献176
第9章 说话人识别178
 91 引言178
 92 说话人识别基础179
   921 说话人识别系统框架179
   922 典型的说话人识别模型180
 93 基于i-vector的说话人识别及其改进181
   931 基于i-vector的说话人识别概述181
   932 用于提高i-vector鲁棒性的帧加权方法182
   933 实验结果与分析187
 94 基于深度神经网络的说话人识别187
   941 基于深度神经网络的说话人识别概述187
   942 基于对比度损失函数优化说话人矢量189
   943 实验结果与分析191
 95 说话人识别系统的攻击与防御192
   951 攻击和防御的背景192
   952 说话人识别系统的攻击方法192
   953 说话人识别攻击的检测方法194
   954 实验结果与分析196
 96 小结196
 参考文献197
第10章 骨导语音增强200
 101 引言200
 102 骨导语音增强基础201
    1021 骨导语音的产生与特性201
    1022 骨导语音盲增强的特点202
    1023 骨导语音盲增强的典型方法203
 103 基于长短时记忆网络的骨导语音盲增强205
    1031 骨导/气导语音的谱映射206
    1032 基于深度残差BLSTM的骨导语音盲增强方法207
    1033 实验仿真及性能分析211
 104 基于均衡-生成组合谱映射的骨导语音盲增强215
    1041 均衡法215
    1042 基于均衡-生成组合谱映射的骨导语音盲增强方法216
    1043 实验仿真及性能分析218
 105 小结222
 参考文献223
第11章 智能语音处理展望224
 111 智能语音处理的未来224
 112 有待解决的关键技术225
    1121 语音识别226
    1122 语音合成228
    1123 语音增强229
    1124 语音处理中的安全问题230
 113 小结230
 参考文献230
缩略语232
猜您喜欢

读书导航