圖書內容
本書系統介紹了語音信號處理的基礎、原理、方法、套用、新理論、新成果與新技術，以及該研究領域的背景知識、研究現狀、套用前景和發展趨勢。
全書分三篇共17章。第一篇語音信號處理基礎，包括第1章緒論，第2章語音信號處理的基礎知識；第二篇語音信號分析，包括第3章時域分析，第4章短時傅立葉分析，第5章倒譜分析與同態濾波，第6章線性預測分析，第7章語音信號的非線性分析，第8章語音特徵參數檢測與估計，第9章矢量量化，第10章隱馬爾可夫模型；第三篇語音信號處理技術與套用，包括第11章語音編碼，第12章語音合成，第13章語音識別，第14章說話人識別和語種辨識，第15章智慧型信息處理技術在語音信號處理中的套用，第16章語音增強，第17章基於麥克風陣列的語音信號處理。 本書體系完整，結構嚴謹；系統性強，層次分明；內容深入淺出，原理闡述透徹；取材廣泛，繁簡適中；內容豐富而新穎；聯繫實際套用。
目 錄
第一篇 語音信號處理基礎
第1章 緒論 1
1.1 語音信號處理的發展歷史 1
1.2 語音信號處理的主要研究內容及發展
概況 3
1.3 本書的內容 7
思考與複習題 8
第2章 語音信號處理的基礎知識 9
2.1 概述 9
2.2 語音產生的過程 9
2.3 語音信號的特性 12
2.3.1 語言和語音的基本特性 12
2.3.2 語音信號的時間波形和頻譜特性 13
2.3.3 語音信號的統計特性 15
2.4 語音產生的線性模型 16
2.4.1 激勵模型 17
2.4.2 聲道模型 18
2.4.3 輻射模型 20
2.4.4 語音信號數字模型 21
2.5 語音產生的非線性模型 22
2.5.1 FM-AM模型的基本原理 22
2.5.2 Teager能量運算元 22
2.5.3 能量分離算法 23
2.5.4 FM-AM模型的套用 24
2.6 語音感知 24
2.6.1 聽覺系統 24
2.6.2 神經系統 25
2.6.3 語音感知 26
思考與複習題 29
第二篇 語音信號分析
第3章 時域分析 30
3.1 概述 30
3.2 數位化和預處理 31
3.2.1 取樣率和量化字長的選擇 31
3.2.2 預處理 33
3.3 短時能量分析 34
3.4 短時過零分析 36
3.5 短時相關分析 39
3.5.1 短時自相關函式 39
3.5.2 修正的短時自相關函式 40
3.5.3 短時平均幅差函式 42
3.6 語音端點檢測 42
3.6.1 雙門限前端檢測 43
3.6.2 多門限過零率前端檢測 43
3.6.3 基於FM-AM模型的端點檢測 43
3.7 基於高階累積量的語音端點檢測 44
3.7.1 噪聲環境下的端點檢測 44
3.7.2 高階累積量與高階譜 44
3.7.3 基於高階累積量的端點檢測 46
思考與複習題 48
第4章 短時傅立葉分析 50
4.1 概述 50
4.2 短時傅立葉變換 50
4.2.1 短時傅立葉變換的定義 50
4.2.2 傅立葉變換的解釋 51
4.2.3 濾波器的解釋 54
4.3 短時傅立葉變換的取樣率 55
4.4 語音信號的短時綜合 56
4.4.1 濾波器組求和法 56
4.4.2 FFT求和法 58
4.5 語譜圖 59
思考與複習題 61
第5章 倒譜分析與同態濾波 62
5.1 概述 62
5.2 同態信號處理的基本原理 62
5.3 復倒譜和倒譜 63
5.4 語音信號兩個卷積分量復倒譜的性質 64
5.4.1 聲門激勵信號 64
5.4.2 聲道衝激回響序列 65
5.5 避免相位卷繞的算法 66
5.5.1 微分法 67
5.5.2 最小相位信號法 67
5.5.3 遞推法 69
5.6 語音信號復倒譜分析實例 70
5.7 Mel頻率倒譜係數 72
思考與複習題 73
第6章 線性預測分析 74
6.1 概述 74
6.2 線性預測分析的基本原理 74
6.2.1 基本原理 74
6.2.2 語音信號的線性預測分析 75
6.3 線性預測方程組的建立 76
6.4 線性預測分析的解法(1)—自相關和
協方差法 77
6.4.1 自相關法 78
6.4.2 協方差法 79
6.4.3 自相關和協方差法的比較 80
6.5 線性預測分析的解法(2)—格型法 81
6.5.1 格型法基本原理 81
6.5.2 格型法的求解 83
6.6 線性預測分析的套用—LPC譜估計和
LPC復倒譜 85
6.6.1 LPC譜估計 85
6.6.2 LPC復倒譜 87
6.6.3 LPC譜估計與其他譜分析方法的
比較 88
6.7 線譜對(LSP)分析 89
6.7.1 線譜對分析原理 89
6.7.2 線譜對參數的求解 91
6.8 極零模型 91
思考與複習題 93
第7章 語音信號的非線性分析 94
7.1 概述 94
7.2 時頻分析 94
7.2.1 短時傅立葉變換的局限 95
7.2.2 時頻分析 96
7.3 小波分析 97
7.3.1 概述 97
7.3.2 小波變換的定義 97
7.3.3 典型的小波函式 99
7.3.4 離散小波變換 100
7.3.5 小波多分辨分析與Mallat算法 100
7.4 基於小波的語音分析 101
7.4.1 語音分解與重構 101
7.4.2 清/濁音判斷 102
7.4.3 語音去噪 102
7.4.4 聽覺系統模擬 103
7.4.5 小波包變換在語音端點檢測中的
套用 103
7.5 混沌與分形 104
7.6 基於混沌的語音分析 105
7.6.1 語音信號的混沌性 105
7.6.2 語音信號的相空間重構 106
7.6.3 語音信號的Lyapunov指數 108
7.6.4 基於混沌的語音、噪聲判別 109
7.7 基於分形的語音分析 110
7.7.1 概述 110
7.7.2 語音信號的分形特徵 111
7.7.3 基於分形的語音分割 112
思考與複習題 113
第8章 語音特徵參數估計 114
8.1 基音估計 114
8.1.1 自相關法 115
8.1.2 並行處理法 117
8.1.3 倒譜法 118
8.1.4 簡化逆濾波法 120
8.1.5 高階累積量法 122
8.1.6 小波變換法 123
8.1.7 基音檢測的後處理 124
8.2 共振峰估計 125
8.2.1 帶通濾波器組法 125
8.2.2 DFT法 126
8.2.3 倒譜法 127
8.2.4 LPC法 129
8.2.5 FM-AM模型法 130
思考與複習題 131
第9章 矢量量化 132
9.1 概述 132
9.2 矢量量化的基本原理 133
9.3 失真測度 134
9.3.1 歐氏距離—均方誤差 135
9.3.2 LPC失真測度 135
9.3.3 識別失真測度 137
9.4 最佳矢量量化器和碼本的設計 137
9.4.1 矢量量化器最佳設計的兩個條件 137
9.4.2 LBG算法 138
9.4.3 初始碼書生成 138
9.5 降低複雜度的矢量量化系統 139
9.5.1 無記憶的矢量量化系統 140
9.5.2 有記憶的矢量量化系統 142
9.6 語音參數的矢量量化 144
9.7 模糊矢量量化 145
9.7.1 模糊集概述 146
9.7.2 模糊矢量量化 147
9.8 遺傳矢量量化 148
9.8.1 遺傳算法 148
9.8.2 遺傳矢量量化 150
思考與複習題 151
第10章 隱馬爾可夫模型 152
10.1 概述 152
10.2 隱馬爾可夫模型的引入 153
10.3 隱馬爾可夫模型的定義 155
10.4 隱馬爾可夫模型三個問題的求解 156
10.4.1 機率的計算 157
10.4.2 HMM的識別 159
10.4.3 HMM的訓練 160
10.4.4 EM算法 161
10.5 HMM的選取 162
10.5.1 HMM的類型選擇 162
10.5.2 輸出機率分布的選取 163
10.5.3 狀態數的選取 163
10.5.4 初值選取 163
10.5.5 訓練準則的選取 165
10.6 HMM套用與實現中的一些問題 166
10.6.1 數據下溢 166
10.6.2 多輸出(觀察矢量序列)情況 166
10.6.3 訓練數據不足 167
10.6.4 考慮狀態持續時間的HMM 168
10.7 HMM的結構和類型 170
10.7.1 HMM的結構 170
10.7.2 HMM的類型 172
10.7.3 按輸出形式分類 173
10.8 HMM的相似度比較 174
思考與複習題 175
第三篇 語音信號處理技術與套用
第11章 語音編碼 176
11.1 概述 176
11.2 語音信號的壓縮編碼原理 178
11.2.1 語音壓縮的基本原理 178
11.2.2 語音通信中的語音質量 179
11.2.3 兩種壓縮編碼方式 180
11.3 語音信號的波形編碼 180
11.3.1 PCM及APCM 180
11.3.2 預測編碼及自適應預測編碼 183
11.3.3 ADPCM及ADM 185
11.3.4 子帶編碼(SBC) 187
11.3.5 自適應變換編碼(ATC) 189
11.4 聲碼器 191
11.4.1 概述 191
11.4.2 聲碼器的基本結構 192
11.4.3 通道聲碼器 192
11.4.4 同態聲碼器 194
11.5 LPC聲碼器 195
11.5.1 LPC參數的變換與量化 196
11.5.2 LPC-10 197
11.5.3 LPC-10e 198
11.5.4 變幀率LPC聲碼器 199
11.6 各種常規語音編碼方法的比較 200
11.6.1 波形編碼的信號壓縮技術 200
11.6.2 波形編碼與聲碼器的比較 200
11.6.3 各種聲碼器的比較 201
11.7 基於LPC模型的混合編碼 201
11.7.1 混合編碼採用的技術 202
11.7.2 MPLPC 204
11.7.3 RPELPC 207
11.7.4 CELP 209
11.7.5 CELP的改進形式 211
11.7.6 基於分形碼本的CELP 213
11.8 基於正弦模型的混合編碼 214
11.8.1 正弦變換編碼 215
11.8.2 多帶激勵(MBE)編碼 215
11.9 極低速率語音編碼 217
11.9.1 400～1.2kb/s數碼率的聲碼器 217
11.9.2 識別-合成型聲碼器 218
11.10 語音編碼的性能指標 219
11.11 語音編碼的質量評價 221
11.11.1 主觀評價方法 221
11.11.2 客觀評價方法 222
11.11.3 主客觀評價方法的結合 225
11.11.4 基於多重分形的語音質量評價 226
11.12 語音編碼國際標準 227
11.13 語音編碼與圖像編碼的關係 228
小結 229
思考與複習題 229
第12章 語音合成 231
12.1 概述 231
12.2 語音合成原理 232
12.2.1 語音合成的方法 232
12.2.2 語音合成的系統特性 234
12.3 共振峰合成 235
12.3.1 共振峰合成原理 235
12.3.2 共振峰合成實例 237
12.4 LPC合成 237
12.5 PSOLA語音合成 239
12.5.1 概述 239
12.5.2 PSOLA的原理 240
12.5.3 PSOLA的實現 240
12.5.4 PSOLA的改進 242
12.5.5 PSOLA語音合成系統的發展 243
12.6 文語轉換系統 243
12.6.1 組成與結構 243
12.6.2 文本分析 244
12.6.3 韻律控制 245
12.6.4 語音合成 248
12.6.5 TTS系統的一些問題 248
12.7 基於HMM的參數化語音合成 249
12.8 語音合成的研究現狀和發展趨勢 253
12.9 語音合成硬體簡介 255
思考與複習題 256
第13章 語音識別 257
13.1 概述 257
13.2 語音識別原理 260
13.3 動態時間規整 264
13.4 基於有限狀態矢量量化的語音識別 266
13.5 孤立詞識別系統 267
13.6 連線詞識別 270
13.6.1 基本原理 270
13.6.2 基於DTW的連線詞識別 271
13.6.3 基於HMM的連線詞識別 273
13.6.4 基於分段K-均值的最佳詞串分割及
模型訓練 273
13.7 連續語音識別 274
13.7.1 連續語音識別存在的困難 274
13.7.2 連續語音識別的訓練及識別方法 275
13.7.3 連續語音識別的整體模型 276
13.7.4 基於HMM統一框架的大辭彙非特定
人連續語音識別 277
13.7.5 聲學模型 278
13.7.6 語言學模型 280
13.7.7 最優路徑搜尋 282
13.8 說話人自適應 284
13.8.1 MAP算法 285
13.8.2 基於變換的自適應方法 285
13.8.3 基於說話人分類的自適應方法 286
13.9 魯棒的語音識別 287
13.10 關鍵字確認 289
13.11 可視語音識別 291
13.11.1 概述 291
13.11.2 機器自動唇讀 291
13.11.3 雙模態語音識別 293
13.12 語音理解 296
13.12.1 MAP語義解碼 297
13.12.2 語義結構的表示 297
13.12.3 意圖解碼器 298
小結 299
思考與複習題 299
第14章 說話人識別 300
14.1 概述 300
14.2 特徵選取 301
14.2.1 說話人識別所用的特徵 301
14.2.2 特徵類型的優選準則 302
14.2.3 常用的特徵參數 303
14.3 說話人識別系統 303
14.3.1 說話人識別系統的結構 303
14.3.2 說話人識別的基本方法概述 304
14.4 說話人識別系統實例 305
14.4.1 DTW型說話人識別系統 305
14.4.2 套用VQ的說話人識別系統 306
14.5 基於HMM的說話人識別 307
14.6 基於GMM的說話人識別 310
14.7 說話人識別中需進一步研究的問題 312
14.8 語種辨識 313
思考與複習題 316
第15章 智慧型信息處理技術在語音信號
處理中的套用 317
15.1 人工神經網路 317
15.1.1 概述 317
15.1.2 神經網路的基本概念 319
15.2 神經網路的模型結構 320
15.2.1 單層感知機 320
15.2.2 多層感知機 321
15.2.3 自組織映射神經網路 323
15.2.4 時延神經網路 324
15.2.5 循環神經網路 325
15.3 神經網路與傳統方法的結合 325
15.3.1 概述 325
15.3.2 神經網路與DTW 326
15.3.3 神經網路與VQ 326
15.3.4 神經網路與HMM 327
15.4 神經網路語音識別 328
15.4.1 靜態語音識別 328
15.4.2 連續語音識別 330
15.5 基於神經網路的說話人識別 330
15.6 基於神經網路的語音信號非線性預測
編碼 332
15.6.1 語音信號的非線性預測 332
15.6.2 基於MLP的非線性預測編碼 333
15.6.3 基於RNN的非線性預測編碼 334
15.7 基於神經網路的語音合成 335
15.8 支持向量機 336
15.8.1 概述 336
15.8.2 支持向量機的基本原理 337
15.9 基於支持向量機的語音分類識別 339
15.10 基於支持向量機的說話人識別 340
15.10.1 基於支持向量機的說話人辨認 340
15.10.2 基於支持向量機的說話人確認 340
15.11 基於混沌神經網路的語音識別 342
15.11.1 混沌神經網路 342
15.11.2 基於混沌神經網路的語音識別 342
15.12 分形在語音識別中的套用 344
15.13 智慧型最佳化算法在語音信號處理中的
套用 344
15.14 各種智慧型信息處理技術的融合與
集成 346
15.14.1 模糊系統與神經網路的融合 347
15.14.2 神經網路與遺傳算法的融合 347
15.14.3 模糊邏輯、神經網路及遺傳算法的
融合 348
15.14.4 神經網路、模糊邏輯及混沌的
融合 349
15.14.5 混沌與遺傳算法的融合 349
思考與複習題 350
第16章 語音增強 351
16.1 概述 351
16.2 語音、人耳感知及噪聲的特性 352
16.3 濾波器法 354
16.3.1 固定濾波器 354
16.3.2 變換技術 354
16.3.3 自適應噪聲對消 354
16.4 非線性處理 357
16.5 基於相關特性的語音增強 358
16.6 減譜法 359
16.6.1 減譜法的基本原理 359
16.6.2 減譜法的改進形式 360
16.7 基於Wiener濾波的語音增強 361
16.8 基於語音產生模型的語音增強 362
16.9 基於小波的語音增強 364
16.9.1 概述 364
16.9.2 基於小波的語音增強 364
16.9.3 基於小波包的語音增強 366
16.10 基於信號子空間分解的語音增強 367
16.11 語音增強的一些新發展 370
小結 371
思考與複習題 372
第17章 基於麥克風陣列的語音信號
處理 373
17.1 概述 373
17.2 麥克風陣列語音處理技術的難點 374
17.3 聲源定位 375
17.3.1 去混響 375
17.3.2 近場模型 376
17.3.3 聲源定位 377
17.4 語音增強 381
17.4.1 概述 381
17.4.2 方法與技術 382
17.4.3 套用 386
17.4.4 本節小結 387
17.5 語音盲分離 387
17.5.1 瞬時線性混合模型 388
17.5.2 卷積混合模型 393
17.5.3 非線性混合模型 395
17.5.4 需進一步研究的問題 396
思考與複習題 396
漢英名詞術語對照 398
參考文獻 407
