语音信号处理PDF|Epub|txt|kindle电子书版本网盘下载

语音信号处理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1语音信号处理的发展1

1.2语音信号处理的应用9

1.3语音信号处理的总体结构11

参考文献12

第2章 语音信号的声学基础及产生模型13

2.1语音信号的产生13

2.1.1语音的发音器官14

2.1.2语音的声学特征16

2.1.3语音信号在时域和频域的表示18

2.1.4汉语中语音的分类22

2.1.5汉语语音的韵律特性24

2.2语音信号的感知25

2.2.1听觉系统25

2.2.2听觉特性27

2.2.3掩蔽效应28

2.3语音信号的线性产生模型33

2.3.1激励模型33

2.3.2声道模型34

2.3.3辐射模型35

2.4语音信号的非线性产生模型35

2.4.1调频-调幅模型的基本原理36

2.4.2 Teager能量算子37

2.4.3能量分离算法37

2.4.4调频-调幅模型的应用39

参考文献41

第3章 语音信号的特征分析43

3.1语音信号数字化44

3.1.1语音信号的采样和量化44

3.1.2短时加窗处理47

3.2语音信号的时域分析49

3.2.1短时能量分析49

3.2.2短时平均过零率50

3.2.3短时自相关函数和短时平均幅度差函数52

3.2.4端点检测和语音分割55

3.3语音信号的频域分析57

3.3.1滤波器组方法57

3.3.2傅里叶频谱分析57

3.4传统傅里叶变换缺点及时频分析的思想61

3.4.1信号的时频表示62

3.4.2不确定原理64

3.5 Gabor变换66

3.6小波变换在语音信号分析中的应用68

3.6.1小波的数学表示及意义68

3.6.2小波分析特点70

3.6.3小波变换的多分辨分析72

3.6.4小波变换在语音处理中应用74

3.7语音信号的同态解卷积76

3.7.1同态信号处理的基本原理77

3.7.2语音信号的复倒谱78

3.7.3避免相位卷绕的算法81

3.7.4基于听觉特性的Mel频率倒谱系数85

3.8语音信号特征应用86

3.8.1基音周期估计86

3.8.2共振峰的估计92

参考文献95

第4章 语音信号的线性预测分析97

4.1线性预测的基本原理97

4.2线性预测方程组的解法99

4.2.1自相关法100

4.2.2协方差法102

4.2.3格型法103

4.2.4几种求解线性预测方法的比较107

4.3线性预测的几种推演参数108

4.3.1归一化自相关函数108

4.3.2反射系数108

4.3.3预测器多项式的根109

4.3.4 LPC倒谱110

4.3.5全极点系统的冲激响应及其自相关函数110

4.3.6预测误差滤波器的冲激响应及其自相关函数111

4.3.7对数面积比系数111

4.4线谱对分析法111

4.4.1线谱对分析的原理112

4.4.2线谱对参数的求解113

4.5感知线性预测PLP系数113

参考文献114

第5章 语音编码115

5.1波形编码116

5.1.1均匀量化PCM116

5.1.2非均匀量化PCM116

5.1.3自适应量化PCM117

5.1.4差分脉冲编码118

5.1.5自适应差分脉冲编码120

5.1.6增量调制和自适应增量调制123

5.1.7子带编码124

5.1.8自适应变换域编码126

5.2参数编码和混合编码127

5.2.1参数编码127

5.2.2基于全极点语音产生模型的混合编码133

5.2.3基于正弦模型的混合编码146

5.3极低速率语音编码技术151

5.3.1 400bps～1.2Kbps的声码器151

5.3.2识别合成型声码器152

5.4语音编码器的性能指标和质量评测方法153

5.4.1编码速率154

5.4.2顽健性154

5.4.3时延155

5.4.4计算复杂度和算法的可扩展性155

5.4.5语音质量及其评价方法156

5.5语音编码国际标准158

5.6感知音频编码158

5.6.1感知编码的一般框架159

5.6.2心理声学模型160

5.6.3常用的感知编码标准162

参考文献164

第6章 语音识别165

6.1概述165

6.2基于矢量量化的识别技术167

6.2.1 K-means矢量量化算法167

6.2.2 LBG算法168

6.3动态时间归正的识别技术169

6.3.1 DTW基本原理169

6.3.2模板训练算法171

6.4隐马尔可夫模型技术173

6.4.1 HMM基本思想173

6.4.2 HMM基本算法176

6.4.3 HMM算法实现中的问题180

6.4.4关于HMM训练的几点考虑186

6.5连接词语音识别技术190

6.5.1连接词识别问题的一般描述191

6.5.2二阶动态规划算法192

6.5.3分层构筑方法193

6.6大词表连续语音识别中的声学模型和语言学模型197

6.6.1声学模型199

6.6.2统计语言学模型206

6.6.3统计语言学模型平滑技术208

6.6.4语言学模型自适应技术212

6.7大词表连续语音识别中的解码技术213

6.7.1图的基本搜索算法214

6.7.2面向语音识别的搜索算法216

6.8大词表连续语音识别后处理技术222

6.8.1语音识别中间结果的表示形式222

6.8.2错误处理224

6.8.3最小字错误率解码方法226

6.9基于HMM的自适应技术231

6.9.1基于Bayesian理论的自适应方法231

6.9.2基于变换的自适应方法232

6.10关键词检出技术234

6.10.1问题描述235

6.10.2关键词检出系统的组成237

6.10.3垃圾模型建模方法237

6.10.4语音解码器的设计239

6.10.5关键词确认过程240

6.10.6关键词检出系统性能优化241

6.11语音识别的应用技术241

6.11.1语音信息检索241

6.11.2发音学习技术243

6.11.3基于语音的情感处理249

6.11.4网络环境下的语音识别252

6.11.5嵌入式语音识别技术255

6.12 HTK工具介绍256

6.12.1数据准备阶段259

6.12.2模型训练阶段263

6.12.3识别阶段272

参考文献273

第7章 说话人识别279

7.1概述279

7.2说话人识别的特征选取282

7.2.1特征参数的评价方法283

7.2.2说话人识别系统中常用的特征284

7.3说话人识别的主要方法285

7.3.1与文本有关的识别方法285

7.3.2与文本无关的识别方法286

7.3.3文本提示型的识别方法297

7.4阈值的选取298

7.5得分规整299

7.5.1零规整300

7.5.2测试规整300

7.5.3说话人自适应的测试规整301

7.5.4 TZ-norm302

7.5.5 H-norm302

7.5.6 C-norm303

7.6引入区分判别模型的说话人识别303

7.6.1 SVM303

7.6.2基于SVM的说话人识别306

7.6.3基于GMM得分的SVM说话人识别307

7.6.4基于GMM均值超矢量的SVM说话人识别308

7.7复杂信道下的说话人识别309

7.7.1特征映射310

7.7.2说话人模型合成311

7.7.3扰动属性投影312

7.7.4联合因子分析312

7.8说话人识别中有待解决的问题313

参考文献315

第8章 顽健语音识别技术317

8.1概述317

8.2影响语音识别性能的环境变化因素317

8.3噪声环境下的顽健语音识别技术319

8.3.1基于语音增强的方法320

8.3.2通道畸变的抑制方法325

8.3.3基于模型的补偿方法330

8.4变异语音识别方法344

8.4.1变异语音的分析345

8.4.2变异语音的分类346

8.4.3变异语音的识别349

参考文献354

第9章 语音合成357

9.1语音合成的基本原理358

9.2参数合成方法361

9.2.1线性预测合成方法362

9.2.2共振峰合成方法363

9.3波形拼接合成技术369

9.3.1 TD-PSOLA算法370

9.3.2 FD-PSOLA算法373

9.4汉语按规则合成375

9.4.1韵律规则376

9.4.2多音节协同发音规则合成382

9.4.3轻声音节规则合成383

9.4.4儿化音节的规则合成384

9.5基于HMM的参数化语音合成技术385

9.5.1基于HMM参数语音合成系统的训练385

9.5.2基于HMM参数语音合成系统的合成阶段390

参考文献393