包邮数字语音处理及MATLAB仿真-(第2版)

第1章 绪论 1.1 语音信号处理的发展 1.1.1 语音合成 1.1.2 语音编码 1.1.3 语音识别 1.2 语音信号处理的应用 1.3 语音信号处理的过程 1.4 matlab在数字语音信号处理中的应用 习题1 第2章 语音信号的数字模型 2.1 语音的发声机理 2.1.1 人的发声器官 2.1.2 语音生成 2.2 语音的听觉机理 2.2.1 听觉器官 2.2.2 听觉掩蔽效应 2.2.3 临界带宽与频率群 2.2.4 耳蜗的信号处理机制 2.2.5 语音信号听觉模型 2.3 语音信号的线性模型 2.3.1 激励模型 2.3.2 声道模型 2.3.3 辐射模型 2.3.4 语音信号数字模型 2.4 语音信号的非线性模型 2.4.1 线性模型局限性 2.4.2 几种非线性模型 2.4.3 非线性动力学模型 2.4.4 非线性模型在语音信号处理中的应用及matlab实现 习题2 第3章 语音信号的短时时域分析 3.1 语音信号的预处理 3.1.1 语音信号的预加重处理 3.1.2 语音信号的加窗处理 3.2 短时平均能量 3.3 短时平均幅度函数 3.4 短时平均过零率 3.5 短时自相关分析 3.5.1 短时自相关函数 3.5.2 语音信号的短时自相关函数 3.5.3 修正的短时自相关函数 3.5.4 短时平均幅度差函数 3.6 基于能量和过零率的语音端点检测 3.7 基音周期估值 3.7.1 基于短时自相关法的基音周期估值 3.7.2 基于短时平均幅度差 函数amdf法的基音周期估值 3.7.3 基音周期估值的后处理 3.7.4 基音周期估值后处理的matlab实现 习题3 第4章 语音信号短时频域及倒谱分析 4.1 傅里叶变换的解释 4.1.1 短时傅里叶变换 4.1.2 窗函数的作用 4.2 滤波器的解释 4.2.1 短时傅里叶变换的滤波器实现形式一 4.2.2 短时傅里叶变换的滤波器 实现形式二 4.3 短时综合的滤波器组相加法 4.3.1 短时综合的滤波器组相加法原理 4.3.2 短时综合的滤波器组相加法的matlab程序实现 4.3.3 短时综合的叠接相加法原理及matlab程序实现 4.4 语音信号的复倒谱和倒谱分析及 应用 4.4.1 复倒谱和倒谱的定义及性质 4.4.2 复倒谱的几种计算方法 4.4.3 倒谱的matlab实现 4.4.4 语音的倒谱分析及应用 习题4 第5章 语音信号线性预测分析 5.1 lpc的基本原理 5.1.1 lpc的实现方法 5.1.2 语音信号模型和lpc 之间的关系 5.1.3 模型增益g的确定 5.2 线性预测分析的解法 5.2.1 自相关法 5.2.2 协方差法 5.2.3 自相关法的matlab 实现 5.3 线谱对lsp分析 5.3.1 lsp的定义和特点 5.3.2 lpc参数到lsp参数的转换及matlab实现 5.3.3 lsp参数到lpc参数的转换及matlab实现 5.4 lpc的几种推演参数 5.4.1 反射系数 5.4.2 对数面积比系数lar 5.4.3 预测器多项式的根 5.4.4 预测误差滤波器的冲激 响应及其自相关系数 5.4.5 lpc倒谱及其matlab实现 习题5 第6章 矢量量化 6.1 矢量量化基本原理 6.1.1 矢量量化的定义 6.1.2 失真测度 6.1.3 矢量量化器 6.2 *佳矢量量化器 6.3 矢量量化器的设计算法及matlab实现 6.3.1 lbg算法 6.3.2 初始码书的选定与空胞腔的处理 6.3.3 已知训练序列的lbg算法的matlab实现 6.3.4 树形搜索矢量量化器 习题6 第7章 语音编码原理及应用 7.1 语音编码的分类及特性 7.1.1 波形编码 7.1.2 参数编码 7.1.3 混合编码 7.2 语音编码性能的评价指标 7.2.1 编码速率 7.2.2 编码语音质量评价 7.2.3 编解码延时 7.2.4 算法复杂度 7.3 语音信号波形编码 7.3.1 脉冲编码调制pcm 7.3.2 自适应预测编码apc 7.3.3 g.721编码及算法实现 7.4 语音信号参数编码 7.4.1 lpc声码器原理 7.4.2 lpc10编码器 7.5 语音信号混合编码 7.5.1 合成分析技术和感觉加权滤波器 7.5.2 激励模型的演变 7.5.3 g.728语音编码标准简介 7.6 语音信号宽带变速率编码 习题7 第8章 语音合成 8.1 语音合成的原理及分类 8.1.1 波形合成法 8.1.2 参数合成法 8.1.3 规则合成法 8.2 共振峰合成法 8.2.1 级联型共振峰模型 8.2.2 并联型共振峰模型 8.2.3 混合型共振峰模型 8.3 线性预测参数合成法 8.4 基音同步叠加法 8.4.1 基音同步叠加psola算法原理 8.4.2 基音同步叠加psola算法实现步骤 8.5 文语转换系统 8.5.1 文语转换系统的组成 8.5.2 汉语按规则合成 习题8 第9章 语音识别基本原理与应用 9.1 语音识别系统概述 9.1.1 语音信号预处理 9.1.2 语音识别特征提取 9.1.3 语音训练识别模型 9.2 hmm基本原理及在语音识别中的应用 9.2.1 隐马尔可夫模型 9.2.2 隐马尔可夫模型的3个基本问题 9.2.3 隐马尔可夫模型用于语音识别 9.3 支持向量机在语音识别中的应用 9.3.1 支持向量机分类原理 9.3.2 支持向量机的模型参数选择问题 9.3.3 支持向量机用于语音识别的matlab实现 习题9第10章 语音增强原理及应用 10.1 语音和噪声的主要特性 10.1.1 语音的主要特性 10.1.2 噪声的特性 10.2 语音增强算法的分类 10.3