语音信号处理

《语音信号处理(第2版)》系统地介绍语音信号处理的基础、概念、原理、方法与应用，以及该学科领域取得的新进展。全书共分9章，其中靠前章绪论，介绍语音信号处理及其发展过程。第2章介绍语音产生与人类听觉的机理，传统的线性语音产生模型，以及近年来刚刚兴起的非线性语音产生模型。第3章从语音信号的时域特征入手，引入时频分析的思想，并进一步阐述时频分析中短时傅里叶变换和小波变换在语音信号特征分析中的应用，很后对广泛使用的倒谱特征以及同态解卷积进行介绍。第4章介绍语音信号的线性预测原理、解法、几种推演方法以及线谱对分析法。第5章介绍语音编码的相关知识，包括语音的波形编码、线性预测编码、极低速率语音编码技术，以及相关编码器的性能指标和评测方法。第6章介绍语音识别的基本内容，从基于矢量量化的识别技术到动态时间归正的识别技术，再到隐马尔可夫模型的识别技术，从孤立词识别到连接词识别及连续语音识别技术，再到关键词检出技术，很后还介绍近年来兴起的一些语音识别应用技术，包括语言学模型的自适应、HTK应用以及Lattice结构和混淆网络等。第7章介绍说话人识别的基本原理，主要包括说话人的特征选取、说话人识别的主要方法，以及近年来备受关注的GMM-UBM模型、开集说话人识别的规整技术等。第8章介绍近年来发展迅速的顽健语音识别技术，从影响语音识别性能的环境变化因素分析开始，介绍噪声环境下顽健语音识别技术，以及变异语音识别的技术。第9章介绍语音合成的基本原理、线性预测合成、共振峰合成以及汉语按规则合成，以及很近兴起的基于HMM合成技术等内容。
《语音信号处理(第2版)》可作为高等院校计算机应用、信号与信息处理、通信与电子系统等专业及学科的高年级本科生、研究生教材，也可供该领域的科研及工程技术人员参考。本书由韩纪庆等编著。

第1章 绪论
1.1 语音信号处理的发展
1.2 语音信号处理的应用
1.3 语音信号处理的总体结构
参考文献
第2章 语音信号的声学基础及产生模型
2.1 语音信号的产生
2.1.1 语音的发音器官
2.1.2 语音的声学特征
2.1.3 语音信号在时域和频域的表示
2.1.4 汉语中语音的分类
2.1.5 汉语语音的韵律特性
2.2 语音信号的感知
2.2.1 听觉系统
2.2.2 听觉特性
2.2.3 掩蔽效应
2.3 语音信号的线性产生模型
2.3.1 激励模型
2.3.2 声道模型
2.3.3 辐射模型
2.4 语音信号的非线性产生模型
2.4.1 调频-调幅模型的基本原理
2.4.2 Teager能量算子
2.4.3 能量分离算法
2.4.4 调频-调幅模型的应用
参考文献
第3章 语音信号的特征分析
3.1 语音信号数字化
3.1.1 语音信号的采样和量化
3.1.2 短时加窗处理
3.2 语音信号的时域分析
3.2.1 短时能量分析
3.2.2 短时平均过零率
3.2.3 短时自相关函数和短时平均幅度差函数
3.2.4 端点检测和语音分割
3.3 语音信号的频域分析
3.3.1 滤波器组方法
3.3.2 傅里叶频谱分析
3.4 传统傅里叶变换缺点及时频分析的思想
3.4.1 信号的时频表示
3.4.2 不确定原理
3.5 Gabor变换
3.6 小波变换在语音信号分析中的应用
3.6.1 小波的数学表示及意义
3.6.2 小波分析特点
3.6.3 小波变换的多分辨分析
3.6.4 小波变换在语音处理中应用
3.7 语音信号的同态解卷积
3.7.1 同态信号处理的基本原理
3.7.2 语音信号的复倒谱
3.7.3 避免相位卷绕的算法
3.7.4 基于听觉特性的Mel频率倒谱系数
3.8 语音信号特征应用
3.8.1 基音周期估计
3.8.2 共振峰的估计
参考文献
第4章 语音信号的线性预测分析
4.1 线性预测的基本原理
4.2 线性预测方程组的解法
4.2.1 自相关法
4.2.2 协方差法
4.2.3 格型法
4.2.4 几种求解线性预测方法的比较
4.3 线性预测的几种推演参数
4.3.1 归一化自相关函数
4.3.2 反射系数
4.3.3 预测器多项式的根
4.3.4 LPC倒谱
4.3.5 全极点系统的冲激响应及其自相关函数
4.3.6 预测误差滤波器的冲激响应及其自相关函数
4.3.7 对数面积比系数
4.4 线谱对分析法
4.4.1 线谱对分析的原理
4.4.2 线谱对参数的求解
4.5 感知线性预测PLP系数
参考文献
第5章 语音编码
5.1 波形编码
5.1.1 均匀量化PCM
5.1.2 非均匀量化PCM
5.1.3 自适应量化PCM
5.1.4 差分脉冲编码
5.1.5 自适应差分脉冲编码
5.1.6 增量调制和自适应增量调制
5.1.7 子带编码
5.1.8 自适应变换域编码
5.2 参数编码和混合编码
5.2.1 参数编码
5.2.2 基于全极点语音产生模型的混合编码
5.2.3 基于正弦模型的混合编码
5.3 极低速率语音编码技术
5.3.1 400bps～1.2Kbps的声码器
5.3.2 识别合成型声码器
5.4 语音编码器的性能指标和质量评测方法
5.4.1 编码速率
5.4.2 顽健性
5.4.3 时延
5.4.4 计算复杂度和算法的可扩展性
5.4.5 语音质量及其评价方法
5.5 语音编码国际标准
5.6 感知音频编码
5.6.1 感知编码的一般框架
5.6.2 心理声学模型
5.6.3 常用的感知编码标准
参考文献
第6章 语音识别
6.1 概述
6.2 基于矢量量化的识别技术
6.2.1 K-means矢量量化算法
6.2.2 LBG算法
6.3 动态时间归正的识别技术
6.3.1 DTW基本原理
6.3.2 模板训练算法
6.4 隐马尔可夫模型技术
6.4.1 HMM基本思想
6.4.2 HMM基本算法
6.4.3 HMM算法实现中的问题
6.4.4 关于HMM训练的几点考虑
6.5 连接词语音识别技术
6.5.1 连接词识别问题的一般描述
6.5.2 二阶动态规划算法
6.5.3 分层构筑方法
6.6 大词表连续语音识别中的声学模型和语言学模型
6.6.1 声学模型
6.6.2 统计语言学模型
6.6.3 统计语言学模型平滑技术
6.6.4 语言学模型自适应技术
6.7 大词表连续语音识别中的解码技术
6.7.1 图的基本搜索算法
6.7.2 面向语音识别的搜索算法
6.8 大词表连续语音识别后处理技术
6.8.1 语音识别中间结果的表示形式
6.8.2 错误处理
6.8.3 最小字错误率解码方法
6.9 基于HMM的自适应技术
6.9.1 基于Bayesian理论的自适应方法
6.9.2 基于变换的自适应方法
6.10 关键词检出技术
6.10.1 问题描述
6.10.2 关键词检出系统的组成
6.10.3 垃圾模型建模方法
6.10.4 语音解码器的设计
6.10.5 关键词确认过程
6.10.6 关键词检出系统性能优化
6.11 语音识别的应用技术
6.11.1 语音信息检索
6.11.2 发音学习技术
6.11.3 基于语音的情感处理
6.11.4 网络环境下的语音识别
6.11.5 嵌入式语音识别技术
6.12 HTK工具介绍
6.12.1 数据准备阶段
6.12.2 模型训练阶段
6.12.3 识别阶段
参考文献
第7章 说话人识别
7.1 概述
7.2 说话人识别的特征选取
7.2.1 特征参数的评价方法
7.2.2 说话人识别系统中常用的特征
7.3 说话人识别的主要方法
7.3.1 与文本有关的识别方法
7.3.2 与文本无关的识别方法
7.3.3 文本提示型的识别方法
7.4 阈值的选取
7.5 得分规整
7.5.1 零规整(zero normalization)
7.5.2 测试规整(test normalization)
7.5.3 说话人自适应的测试规整
7.5.4 TZ-norm
7.5.5 H-norm
7.5.6 C-norm
7.6 引入区分判别模型的说话人识别
7.6.1 SVM
7.6.2 基于SVM的说话人识别
7.6.3 基于GMM得分的SVM说话人识别
7.6.4 基于GMM均值超矢量的SVM说话人识别
7.7 复杂信道下的说话人识别
7.7.1 特征映射
7.7.2 说话人模型合成
7.7.3 扰动属性投影
7.7.4 联合因子分析
7.8 说话人识别中有待解决的问题
参考文献
第8章 顽健语音识别技术
8.1 概述
8.2 影响语音识别性能的环境变化因素
8.3 噪声环境下的顽健语音识别技术
8.3.1 基于语音增强的方法
8.3.2 通道畸变的抑制方法
8.3.3 基于模型的补偿方法
8.4 变异语音识别方法
8.4.1 变异语音的分析
8.4.2 变异语音的分类
8.4.3 变异语音的识别
参考文献
第9章 语音合成
9.1 语音合成的基本原理
9.2 参数合成方法
9.2.1 线性预测合成方法
9.2.2 共振峰合成方法
9.3 波形拼接合成技术
9.3.1 TD-PSOLA算法
9.3.2 FD-PSOLA算法
9.4 汉语按规则合成
9.4.1 韵律规则
9.4.2 多音节协同发音规则合成
9.4.3 轻声音节规则合成
9.4.4儿化音节的规则合成
9.5 基于HMM的参数化语音合成技术
9.5.1 基于HMM参数语音合成系统的训练
9.5.2 基于HMM参数语音合成系统的合成阶段
参考文献