听觉信息处理研究前沿(精)/类脑计算与类脑智能研究前沿系列

听觉信息处理技术的创 新能够推动实现高度智能化 机器感知系统的发展，本分 册主要介绍了国内外听觉信 息处理方面的研究现状和阶 段性成果，通过对人类言语 产生与听觉机理，听觉机理 的计算理论与方法，语音信 号处理，语音识别声学建模 ，特殊场景语音识别，声纹 与语种识别，韵律、情绪及 音乐分析，统计语音合成， 口语对话系统等技术研究成 果的阐述与分析，展示我国 在这些研究领域的优势与特 色，并提出未来的技术挑战 与发展方向。

1 言语产生和听觉的机理及其研究／党建武赵彬魏建国 1.1 言语产生和感知的机理 1.1.1 有声语言产生的条件 1.1.2 语音产生的机理 1.1.3 语音感知的机理 1.2 声源的产生与声道的调制 1.2.1 声源产生机理与感知 1.2.2 声道的调制机理 1.3 言语产生与感知的相互作用 1.3.1 言语链 1.3.2 言语感知运动理论 1.3.3 言语感知机理研究的发展与挑战 1.3.4 镜像神经元和言语听觉-运动整合 1.4 言语的脑功能研究 1.4.1 言语的脑认知研究发展 1.4.2 言语的认知神经机理 1.4.3 言语功能障碍及康复训练 1.5 语音信号处理方法简介 1.5.1 基于产生机理的信号处理方法 1.5.2 基于感知机理的信号处理方法 参考文献 2 语音增强与麦克风阵列信号处理／付中华 2.1 信号模型 2.1.1 时域信号模型 2.1.2 频域信号模型与短时傅里叶变换技术 2.2 评价方法 2.2.1 主观评价方法与指标 2.2.2 客观评价方法与指标 2.3 单声道语音增强 2.3.1 时域维纳滤波器增强原理 2.3.2 频域维纳滤波器增强原理 2.3.3 噪声功率谱的估计 2.3.4 基于深度学习的语音增强 2.4 麦克风阵列语音增强 2.4.1 固定波束 2.4.2 自适应波束 2.4.3 后置滤波技术 参考文献 3 语音识别声学建模／俞凯徐波戴礼荣 3.1 统计语音识别概述 3.2 基于隐马尔可夫模型的经典声学建模方法 3.2.1 HMM 3.2.2 GMM—IMM在语音识别中的使用 3.2.3 模型改进及问题分析 3.2.4 自适应技术 3.2.5 鉴别性训练技术 3.3 结合深度学习的声学建模方法 3.3.1 深度学习基础 3.3.2 CD-DNN-HMM混合建模 3.3.3 深度学习在声学建模中的综合应用 3.3.4 深度学习训练加速 3.3.5 深度学习自适应技术 3.3.6 深度学习框架下的序列鉴别性训练 3.3.7 端到端声学建模 参考文献 4 特殊场景语音识别(抗噪、低资源)／谢磊张鹏远钱彦曼杜俊 4.1 鲁棒语音识别前端 4.1.1 噪声鲁棒性语音识别方法 4.1.2 鲁棒性特征 4.1.3 信号域增强 4.1.4 特征增强／补偿方法 4.2 环境表达与声学模型自适应 4.2.1 自适应与鲁棒性 4.2.2 基于保守训练的自适应 4.2.3 基于线性变换的自适应 4.2.4 基于环境感知的自适应 4.2.5 参数结构化自适应及自适应训练 4.3 多语种声学与语言建模 4.3.1 基于知识共享的多语言声学建模技术 4.3.2 小语种语言模型建模技术 参考文献 5 声纹识别与语种识别／王龙标 李明 郑 方 程星亮 李蓝天 5.1 声纹识别与语种识别简介 5.1.1 传统方法 5.1.2 深度学习方法 5.1.3 迁移学习、多任务学习及多数据库联合学习 5.2 声纹识别经典算法 5.2.1 特征提取 5.2.2 GMM—LJBM—MAP 5.2.3 i—vector 5.2.4 PLDA 5.3 鲁棒性声纹识别算法 5.3.1 复杂环境声纹识别 5.3.2 时变声纹识别 5.3.3 短语音声纹识别 5.3.4 防声纹假冒闯人对策 5.4 基于深度学习的声纹及语种识别算法 5.4.1 正义统计量 5.4.2 Tandem及Bottleneck特征 5.4.3 典型模型结构 5.5 评价指标、数据库及工具包 5.5.1 评价指标 5.5.2 数据库及工具包 参考文献 6 韵律、情绪及音乐分析／陶建华 李爱军 李伟 6.1 言语韵律 6.1.1 言语韵律基本概念与理论 6.1.2 韵律分析与建模 6.1.3 韵律标注系统 6.1.4 汉语韵律研究的挑战 6.2 情感语音 6.2.1 情感语音的声学特征 6.2.2 语音的情感分类与识别 6.2.3 情感语音合成 6.3 音乐内容分析理解 6.3.1 音乐和语音的关系 6.3.2 音乐旋律分析 6.3.3 音乐节奏分析 参考文献 7 统计语音合成／凌震华 陶建华 7.1 语音合成概述 7.2 基于隐马尔可夫模型的统计语音合成方法 7.2.1 隐马尔可夫模型 7.2.2 基于HMM的统计参数语音合成 7.2.3 基于HMM的统计参数语音合成关键技术 7.2.4 基于HMM的语音合成灵活性 7.2.5 基于HMM的统计参数语音合成方法的优缺点 7.3 结合深度学习的统计语音合成方法 7.3.1 深度学习关键技术 7.3.2 基于深度学习的声学建模方法 7.3.3 基于深度学习的频谱特征提取与频谱生成后滤波 7.3.4 基于神经网络的波形生成方法 7.4 基于神经网络的语音合成前端处理 7.4.1 基于深度学习的字音转换 7.4.2 基于深度学习的韵律边界预测 7.5 基于神经网络的语音合成端到端建模方法 参考文献 8 人机口语对话系统／俞凯陈 露 8.1 人机口语对话系统概述 8.1.1 人机口语对话系统发展历史及分类 8.1.2 任