语音信号处理（第2版）

【基本信息】：

作者：赵力　编著

出版社：机械工业出版社

出版日期：2011-6-1

ISBN：9787111271901

版次：1

页数：331

字数：529000

开本：16开

用纸：胶版纸

包装：平装

【推荐】：

　　本书是根据机械工业出版社高等院校通信与信息专业规划教材编审出版规划，由通信与信息专业规划教材编审委员会编审、推荐出版的，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。新版教材力求系统地反映语音信号处理的基本原理和方法，以及近年来该领域的新进展和新技术；突出基本概念、原理、方法、应用、研究现状及学科发展趋势。在篇幅上，按照基础一分析一处理与应用的顺序组织材料；在选材上，使其既能满足教学需要，又反映出本学科领域近年来发展的新成果。

【内容简介】：

　　本书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14章，包括绪论、语音信号处理基础知识、语音信号分析、矢量量化技术、隐马尔可夫模型、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、说话人识别与语种辨识、语音转换与语音隐藏、语音信号中的情感信息处理、耳语音信号处理、语音增强等内容。

     本书可作为高等院校教材或教学参考用书，也可供从事语音信号处理等领域的工程技术人员参考。

【目录】：

出版说明

前言

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 矢量量化器的最佳码本设计

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

【书摘】：

　　（2）说出阶段

由想说阶段大脑中枢的决策，以脉冲形式向发音器官发出指令，使舌、唇、颚、声带、肺等部分的肌肉协调地动作，发出声音来。当然，与此同时，大脑也发出其他一些指令给其他有关器官，使之产生各种动作来配合言语的效果，如面部表情、手势、身体姿态等。另外，还开动了另一个“反馈”系统，来帮助修改语音。这就是：他不但发出语音，而且他自己的听觉系统也在听自己的话语。但是，在这个阶段中，主要是与发音器官的活动有关。

（3）传送阶段

说出来的话语是一连串声波，凭借空气为媒介传送到听者的耳朵里。当然，有时遇到某种阻碍或其他声响的干扰，使声音产生损耗或失真。这阶段中，主要是传送信息的物理过程起作用。

（4）接收阶段

从外耳收集到的声波信息，经过中耳的放大作用，到达内耳。经过内耳基底膜的振动，激发柯替氏器官内的神经元使之产生脉冲，将信息以脉冲形式传送给大脑。在这个阶段中主要是与听觉系统的活动有关。

（5）理解阶段

听觉神经中枢收到脉冲信息之后，通过一种至今尚未完全了解的方式，辨认出说话的人及其所说的信息，从而听懂了讲话者的话。

从这5个阶段来看，说话的过程包括着相当复杂的因素，其中有心理的、生理的、物理的以及个人的和社会的因素。这里，个人的因素是指讲话的口音和用词造句的特色以及听话者的听力和理解能力；社会的因素则是指讲话者和听话者对用于进行交际的手段有共同的理解的社会基础。

语言是从人们的话语中概括总结出来的规律性的符号系统。包括构成语言的语素、词、短语和句子等的不同层次的单位，以及词法、句法、文脉等语法和语义内容等。句法的最小单位是单词，词法的最小单位是音节。不同的语言有不同的语言规则。语言学是语音信号处理的基础。例如，可以利用句法和语义信息减少语音识别中搜索匹配范围，提高正确识别率。随着现代科学和计算机技术的发展，除了人与人之间的上述自然语言的通信方式之外，人机对话及智能机器人等领域也开始使用语言了。这些人工语言同样有词汇、语法、句法结构和语义内容等。因此，语言学又称为自然语言处理，它是一门专门的学科。 

【插图】：