語(yǔ)音信號(hào)處理

  第1章  緒論
  第2章  語(yǔ)音信號(hào)處理的基礎(chǔ)知識(shí)
    2.1  概述
    2．2  語(yǔ)音和語(yǔ)言
    2．3  漢語(yǔ)語(yǔ)音學(xué)
    2．3．1  漢語(yǔ)語(yǔ)音的特點(diǎn)
    2．3．2  漢語(yǔ)的拼音方法
    2．3．3  漢語(yǔ)音節(jié)的一般結(jié)構(gòu)
    2．3．4  漢語(yǔ)聲母的結(jié)構(gòu)
    2．3．5  漢語(yǔ)韻母的結(jié)構(gòu)
    2．3．6  聲母和韻母的相互作用音征互載
    2．3．7  漢語(yǔ)的聲調(diào)
    2．4  語(yǔ)音生成系統(tǒng)和語(yǔ)音感知系統(tǒng)
    2．4．1  語(yǔ)音發(fā)音系統(tǒng)
    2．4．2  語(yǔ)音聽(tīng)覺(jué)系統(tǒng)
    2. 5  語(yǔ)音信號(hào)生成的數(shù)學(xué)模型
    2．5．1  激勵(lì)模型
    2．5．2  聲道模型
    2．5．3  輻射模型
    2．5．4  語(yǔ)音信號(hào)的數(shù)學(xué)模型
    2．6  語(yǔ)音信號(hào)的特性分析
    2．6．1  語(yǔ)音信號(hào)的時(shí)域波形和頻譜特性
    2．6．2  語(yǔ)音信號(hào)的語(yǔ)譜圖
    2．6．3  語(yǔ)音信號(hào)的統(tǒng)計(jì)特性思考與復(fù)習(xí)題
  第3章  語(yǔ)音信號(hào)分析
    3．1  概述
    3．2  語(yǔ)音信號(hào)的數(shù)字化和預(yù)處理
    3．2．1  預(yù)濾波、采樣、A/D變換
    3．2．2  預(yù)處理
    3．3  語(yǔ)音信號(hào)的時(shí)域分析
    3．3．1  短時(shí)能量及短時(shí)平均幅度分析
    3．3．2  短時(shí)過(guò)零率分析
    3．3．3  短時(shí)才目關(guān)分析
    3．3．4  短時(shí)平均幅度差函數(shù)
    3．4  語(yǔ)音信號(hào)的頻域分析
    3．4．1  利用短時(shí)傅里葉變換求語(yǔ)音的短時(shí)譜
    3．4．2  語(yǔ)音的短時(shí)譜的臨界帶特征矢量
    3．5  語(yǔ)音信號(hào)的倒譜分析
    3．5．1  同態(tài)信號(hào)處理的基本原理
    3．5．2  復(fù)倒譜和倒譜
    3．5．3  語(yǔ)音信號(hào)兩個(gè)卷積分量的復(fù)倒譜
    3．5．4  復(fù)倒譜分析中的相位卷繞及避免相位卷繞的算法
    3．5．5  語(yǔ)音信號(hào)倒譜分析實(shí)例
    3．6  語(yǔ)音信號(hào)的線性預(yù)測(cè)分析
    3．6．1  線性預(yù)測(cè)分析的基本原理
    3．6．2  線性預(yù)測(cè)方程組的求解
    3．6．3  LPC譜估計(jì)和LPC復(fù)倒譜
    3．6．4  線譜對(duì)(LSP)分析
    3．7  基音周期估計(jì)
    3．7．1  自豐目關(guān)法
    3．7．2  平均幅度差函數(shù)法(AMDF)
    3．7．3  并行處理技術(shù)(PPROC)方法
    3．7．4  倒譜(CEP)法
    3．7．5  簡(jiǎn)化逆濾波法(SLFT)
    3．7．6  小波變換法
    3．7．7  基音檢測(cè)的后處理
    3．8  共振峰估計(jì)
    3．8．1  帶通濾波器組法
    3．8．2  倒譜法
    3．8．3  LPC法
    思考與復(fù)習(xí)題
  第4章  矢量量化技術(shù)(VQ)
    4．1  概述
    4．2  矢量量化的基本原理
    4．3  矢量量化的失真測(cè)度
    4．3．1  歐氏距離測(cè)度
    4．3．2  線性預(yù)測(cè)失真測(cè)度
    4．3．3  識(shí)別失真測(cè)度
    4．4  矢量量化器的最佳碼本設(shè)計(jì)
    4．4．1  BG算法
    4．4．2  初始碼本的生成
    4．5  矢量量化技術(shù)的優(yōu)化設(shè)計(jì)
    4．5．1  無(wú)記憶的矢量量化系統(tǒng)
    4．5．2  有記憶的矢量量化系統(tǒng)
    4．5．3  模糊矢量量化(FuzzyVQ)
    4．5．4  遺傳算法優(yōu)化碼本GAVQ算法
    思考與復(fù)習(xí)題
  第5章  隱馬爾可夫模型(HMM)
    5．1  概述
    5．2  隱馬爾可夫模型的引入
    5．3  隱馬爾可夫模型的定義
    5．3．1  離散Markov過(guò)程
    5．3．2  隱Markov模型
    5．3．3  HMM的基本元素
    5．4  隱馬爾可夫模型的基本算法
    5．4．1  前向后向算法
    5．4．2  維特比(Viterbi)算法
    5．4．3  Baum-Welch算法
    5．5  隱馬爾可夫模型的各種結(jié)構(gòu)類(lèi)型
    5．5．1  按照HMM的狀態(tài)轉(zhuǎn)移概率矩陣(A參數(shù))分類(lèi)
    5．5．2  按照HMM的輸出概率分布(月參數(shù))分類(lèi)
    5．5．3  其他一些特殊的HMM的形式
    5．6  隱馬爾可夫模型的一些實(shí)際問(wèn)題
    5．6．1  下溢問(wèn)題
    5．6．2  參數(shù)的初始化問(wèn)題 
    5．6．3  提高HMM描述語(yǔ)音動(dòng)態(tài)特性的能力
    5．6．4  HMM訓(xùn)練方法的改進(jìn)
    5．6．5  直接利用狀態(tài)持續(xù)時(shí)間分布概率的HMM系統(tǒng)
  思考與復(fù)習(xí)題
  第6章  人工神經(jīng)網(wǎng)絡(luò)初步
    6．1  概述
    6．2  人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
    6．3  人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成
    6．3．1  神經(jīng)元
    6，3．2  神經(jīng)元的學(xué)習(xí)算法
    6．3．3  網(wǎng)絡(luò)拓?fù)?br />    6．3．4  網(wǎng)絡(luò)的學(xué)習(xí)算法
    6．4  幾種用于模式識(shí)別的神經(jīng)網(wǎng)絡(luò)模型及其主要算法
    6．4．1  單層感知器
    6．4．2  雙2 雙層感知器
    6．4．3  多層感知器
    6．4．4  徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的分類(lèi)特性
    6．4．5  自組織特征映射模型
    6．4．6  時(shí)延神經(jīng)網(wǎng)絡(luò)
    6．4．7  循環(huán)神經(jīng)網(wǎng)絡(luò)
    6．5  用神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別的典型做法
    6，5．1  多輸出型
    6．5．2  單輸出型
    6．6  人工神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用舉例
  思考與復(fù)習(xí)題
  第7章  語(yǔ)音編碼
    7．1  概述   
    7．2  語(yǔ)音信號(hào)壓縮編碼的原理和壓縮系統(tǒng)評(píng)價(jià)
    7．2．1  語(yǔ)音壓縮的基本原理
    7．2．2  語(yǔ)音編碼的關(guān)鍵技術(shù)
    7．2．3  語(yǔ)音壓縮系統(tǒng)的性能指標(biāo)和評(píng)測(cè)方法
    7．3  語(yǔ)音信號(hào)的波形編碼
    7．3．1  脈沖編碼調(diào)制(POM)
    7．3．2  自適應(yīng)預(yù)測(cè)編碼(APC)
    7．3．3  自適應(yīng)增量調(diào)制(ADM)和自適應(yīng)差分脈沖編碼調(diào)制(ADPCM)
    7．3．4  子帶編碼(SBC)
    7．3．5  自適應(yīng)變換編碼(ATC)
    7，4  語(yǔ)音信號(hào)的參數(shù)編碼
    7．4．1  線性預(yù)測(cè)聲碼器
    7．4．2  LPC-10編碼器
    7．5  語(yǔ)音信號(hào)的混合編碼
    7．6  現(xiàn)代通信中的語(yǔ)音信號(hào)編碼方法
    7．6．1  EVRC算法基本原理
    7．6．2 EVRC算法概述
   思考與復(fù)習(xí)題
  第8章  語(yǔ)音合成
    8．1  概述
    8．2  共振峰合成法
    8．3  線性預(yù)測(cè)合成法
    8．4  語(yǔ)音合成專(zhuān)用硬件簡(jiǎn)介
    8．5  PSOLA算法合成語(yǔ)音
    8．6  文語(yǔ)轉(zhuǎn)換系統(tǒng)(丌S)
    8．6．1  文語(yǔ)轉(zhuǎn)換系統(tǒng)的組成
    8．6．2  連讀語(yǔ)音的韻律特性
    8．6．3  文本分析方法
    8．6．4  語(yǔ)音合成方法
    8．6．5  語(yǔ)音合成中的韻律控制
    思考與復(fù)習(xí)題
  第9章  語(yǔ)音識(shí)別
    9．1  概述
    9．2  語(yǔ)音識(shí)別原理和識(shí)別系統(tǒng)的組成
    9．2．1  預(yù)處理和參數(shù)分析
    9．2．2  語(yǔ)音識(shí)別
    9．2．3  語(yǔ)音識(shí)別系統(tǒng)的基本數(shù)據(jù)庫(kù)
    9．3  動(dòng)態(tài)時(shí)間規(guī)整(DrW)
    9．4  孤立字(詞)識(shí)別系統(tǒng)
    9．4．1  基于MQl)F的漢語(yǔ)塞音語(yǔ)音識(shí)別系統(tǒng)
    9．4．2  基于概率尺度DP識(shí)別方法的孤立字(詞)識(shí)別系統(tǒng)
    9．5  連續(xù)語(yǔ)音識(shí)別系統(tǒng)
    9．6  連續(xù)語(yǔ)音識(shí)別系統(tǒng)的性能評(píng)測(cè)
    9．6．1  連續(xù)語(yǔ)音識(shí)別系統(tǒng)的評(píng)測(cè)方法以及系統(tǒng)復(fù)雜性和識(shí)別能力的測(cè)度
    9．6．2  綜合評(píng)估連續(xù)語(yǔ)音識(shí)別系統(tǒng)時(shí)需要考慮的其他因素
  思考與復(fù)習(xí)題
  第10章  說(shuō)話人識(shí)別與語(yǔ)種辨識(shí)
    10．1  概述
    10．2  說(shuō)話人識(shí)別方法和系統(tǒng)結(jié)構(gòu)
    10．2．1  預(yù)處理
    10．2．2  說(shuō)話人識(shí)別特征的選取
    10．2．3  特征參量評(píng)價(jià)方法
    10．2．4  模式匹配方法
    10．2．5  說(shuō)話人識(shí)別中判別方法和閾值的選擇
    10．2．6  說(shuō)話人識(shí)別系統(tǒng)的評(píng)價(jià)
    10．3  應(yīng)用DTW的說(shuō)話人確認(rèn)系統(tǒng)
    10．4  應(yīng)用VQ的說(shuō)話人識(shí)別系統(tǒng)
    10．5  應(yīng)用HMM的說(shuō)話人識(shí)別系統(tǒng)
    10．5．1  基于HMM的與文本有關(guān)的說(shuō)話人識(shí)別
    10．5．2  基于HMM的與文本無(wú)關(guān)的說(shuō)話人識(shí)別  
    10．5．3  基于HMM的指定文本型說(shuō)話人識(shí)別
    10．5．4  說(shuō)話人識(shí)別HMM的學(xué)習(xí)方法
    10．5．5  魯棒的HMM說(shuō)話人識(shí)別技術(shù)
    10．6  應(yīng)用GMM的說(shuō)話人識(shí)別系統(tǒng)
    10．6．1  GMM模型的基本概念
    10．6. 2  GMM模型的參數(shù)估計(jì)
    10．6．3  訓(xùn)練數(shù)據(jù)不充分的問(wèn)題
    10．6．4  GMM模型的識(shí)別問(wèn)題
    10．7  說(shuō)話人識(shí)別中尚需進(jìn)一步探索的研究課題
    10．8  語(yǔ)種辨識(shí)的原理和應(yīng)用
    10．8．1  語(yǔ)種辨識(shí)的基本原理和方法
    10．8．2  語(yǔ)種辨識(shí)的應(yīng)用領(lǐng)域
  思考與復(fù)習(xí)題
  第11章  語(yǔ)音信號(hào)中的情感信息處理
    11．1  概述
    11．2  語(yǔ)音信號(hào)中的情感分類(lèi)和情感特征分析
    11．2．1  情感的分類(lèi)
    11．2．2  情感特征分析
    11．3  語(yǔ)音情感識(shí)別方法
    11．3．1  主元分析法(PCA)
    11．3．2  神經(jīng)網(wǎng)絡(luò)方法(ANN)
    11．3．3  混合高斯模型法(GMM)
    11．4  情感語(yǔ)音的合成
    11．5  今后的研究方向
  思考與復(fù)習(xí)題
  第12章  語(yǔ)音增強(qiáng)
    12．1  概述
    12．2  語(yǔ)音特性、人耳感知特性及噪聲特性
    12．2．1  語(yǔ)音特性
    12．2．2  人耳感知特性
    12．2．3  噪聲特性
    12．3  濾波法語(yǔ)音增強(qiáng)技術(shù)
    12．3．1  陷波器法  
    12．3．2  自適應(yīng)濾波器
    12．4  利用相關(guān)特性的語(yǔ)音增強(qiáng)技術(shù)
    12．4．1  自相關(guān)處理抗噪法語(yǔ)音增強(qiáng)技術(shù)
    12．4．2  利用復(fù)數(shù)幀段主分量特征的降噪方法
    12．5  非線性處理法語(yǔ)音增強(qiáng)技術(shù)
    12．5．1  中心削波法同態(tài)濾波法
    12．6  減譜法語(yǔ)音增強(qiáng)技術(shù)
    12．6．1  基本原理
    12．6．2  基本減譜法的改進(jìn)
    12．7  利用Weiner濾波法的語(yǔ)音增強(qiáng)技術(shù)
    12．7．1  基本原理
    12．7．2 Weiner濾波的改進(jìn)形式
思考與復(fù)習(xí)題
   附錄A  語(yǔ)音信號(hào)LPC美爾倒譜系數(shù)(LPCMCC)分析程序
   附錄B  利用HMM的孤立宇(詞)語(yǔ)音識(shí)別程序
   附錄C  漢英名詞術(shù)語(yǔ)對(duì)照參考文獻(xiàn)