包邮语言信号处理(第2版)

第1章 绪论第2章 语音信号处理基础知识2.1 语音和语言2.2 汉语语音学2.2.1 汉语语音的特点2.2.2 汉语的拼音方法2.2.3 汉语音节的一般结构2.2.4 汉语声母的结构2.2.5 汉语韵母的结构2.2.6 声母和韵母的相互作用—音征互载2.2.7 汉语的声调2.3 语音生成系统和语音感知系统2.3.1 语音发音系统2.3.2 语音听觉系统2.4 语音信号生成的数学模型2.4.1 激励模型2.4.2 声道模型2.4.3 辐射模型2.4.4 语音信号的数学模型2.5 语音信号的特性分析2.5.1 语音信号的时域波形和频谱特性2.5.2 语音信号的语谱图2.5.3 语音信号的统计特性2.6 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转换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 短时相关分析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 线谱对分析3.7 语音信号的小波分析3.7.1 傅里叶变换3.7.2 短时傅里叶变换3.7.3 连续小波变换3.7.4 离散小波变换3.7.5 小波变换的几个实例3.8 基音周期估计3.8.1 自相关法3.8.2 平均幅度差函数法3.8.3 并行处理法3.8.4 倒谱法3.8.5 简化逆滤波法3.8.6 小波变换法3.8.7 基音检测的后处理3.9 共振峰估计3.9.1 带通滤波器组法3.9.2 倒谱法3.9.3 LPC法3.10 思考与复习题第4章 矢量量化技术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*佳码本设计4.4.1 LBG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4.6 思考与复习题第5章 隐马尔可夫模型5.1 隐马尔可夫模型的引入5.2 隐马尔可夫模型的定义5.2.1 离散Markov过5.2.2 隐Markov模型5.2.3 HMM的基本元素5.3 隐马尔可夫模型的基本算法5.3.1 前向-后向算法5.3.2 维特比算法5.3.3 Baum-Welch算法5.4 隐马尔可夫模型的各种结构类型5.4.1 按照HMM的状态转移概率矩阵(A参数)分类5.4.2 按照HMM的输出概率分布(B参数)分类5.4.3 其他一些特殊的：HMM的形式5.5 隐马尔可夫模型的一些实际问题5.5.1 下溢问题5.5.2 参数的初始化问题5.5.3 提高HMM描述语音动态特性的能力5.5.4 直接利用状态持续时间分布概率的HMM系统5.6 思考与复习题第6章 人工神经网络初步6.1 人工神经网络简介6.2 人工神经网络的构成6.2.1 神经元6.2.2 神经元的学习算法6.2.3 网络拓扑6.2.4 网络的学习算法6.3 几种用于模式识别的神经网络模型及其主要算法6.3.1 单层感知器6.3.2双层感知器6.3.3 多层感知器6.3.4 径向基函数神经网络的分类特性6.3.5 自组织特征映射模型6.3.6 时延神经网络6.3.7 循环神经网络6.3.8 支持向量机6.4 用神经网络进行模式识别的典型做法6.4.1 多输出型6.4.2 单输出型6.5 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7.3.2 自适应预测编码7.3.3 自适应增量调制和自适应差分脉冲编码调制7.3.4 子带编码7.3.5 自适应变换编码7.4 语音信号的参数编码7.4.1 线性预测声码器7.4.21P-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7.7 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8.7 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9.4 孤立字(词)识别系统9.4.1 基于MQDF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9.7 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10.9 思考与复习题第11章 语音转换与语音隐藏11.1 语音转换的原理和应用11.2 常用语音转换的方法11.2.1 频谱特征参数转换11.2.2 基音周期转换11.2.3 韵律信息转换11.3 语音分析模型和语音库的选择11.3.1 语音分析模型11.3.2 语音库的设计11.4 应用CMM的语音转换11.5 语音转换的研究方向11.6 语音信息隐藏的原理及应用11.7 语音信息隐藏的常用方法11.8 语音信息隐藏系统的评价标准11.9 语音信息隐藏需要研究和解决的问题11.10 思考与复习题第12章 语音信号中的情感信息处理12.1 概述12.2 语音信号中的情感分类和情感特征分析12.2.1 情感的分类12.2.2情感特征分析12.3 语音情感识别方法12.3.1 主元分析法12.3.2 神经网络方法12.3.3 混合高斯模型法12.4 情感语音的合成12.5 今后的研究方向12.6 思考与复习题第13章 耳语音信号处理13.1 耳语音的声学特征分析13.1.1 音长13.1.2 音高13.1.3 声调13.1.4共振峰频率13.1.5 耳语音美尔频率倒谱特征参数分析13.2耳语音增强13.3 耳语音转换正常音13.4耳语音识别13.4.1 孤立字(词)的耳语音识别13.4.2 耳语音的说话人识别13.5 耳语音的研究方向13.6 思考与复习题第14章 语音增强14.1 概述14.2 语音特性、人耳感知特性及噪声特性14.2.1 语音特性14.2.2入耳感知特性14.2.3 噪声特性14.3 滤波法语音增强技术14.3.1 陷波器法14.3.2 自适应滤波器14.4 利用相关特性的语音增强技术14.4.1 自相关处理抗噪法语音增强技术14.4.2 利用复数帧段主分量特征的降噪方法14.5 非线性处理法语音增强技术14.5.1 中心削波法14.5.2 同态滤波法14.6 减谱法语音增强技术14.6.1 基本原理14.6.2 基本减谱法的改进14.7 利用Weiner滤波法的语音增强技术14.7.1 基本原理14.7.2 Weiner滤波的改进形式14.8 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的孤立字(词)语音识别程序附录C 汉英名词术语对照”参考文献