了得網研究生_語音信號處理

商品搜索

类别：

关键字：

商品分类

語音信號處理
該商品所屬分類：研究生 -> 工學
【市場價】	772-1120元
【優惠價】	483-700元
【作者】	洪弘、陶華偉、薛彪、趙力
【所屬類別】	圖書教材研究生/本科/專科教材工學
【出版社】	清華大學出版社
【ISBN】	9787302635482
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

開本：16開

紙張：膠版紙

包裝：平裝

是否套裝：否

國際標準書號ISBN：9787302635482

作者：洪弘、陶華偉、薛彪、趙力

出版社：清華大學出版社

出版時間：2023年06月

產品特色

編輯推薦

兼顧相關專業、不同層次學生對語音信號處理知識的需求，最大限度地涉及計算機學科更多更新的知識

內容簡介

本書為語音信號處理領域的指導書。作者在東南大學、南京理工大學開設的本科生課程的基礎上，介紹了語音信號處理的基本原理、分析方法以及該學科領域近年來取得的一些研究成果和技術，在理論和應用之間達到了極好的平衡。全書共11章，內容包括：緒論、語音信號處理的聲學理論與模型、傳統語音信號分析方法、現代語音信號處理方法、語音信號的參數估計、語音編碼、語音增強、語音合成、語音識別、說話人識別、語音信號中的情感信息處理。另外，在本書的每章中都加入了復習題，供讀者思考。本書可作為高等院校計算機應用、信號與信息處理、通信與信息繫統等專業的高年級本科生、研究生教材，同時也可供語音信號處理等領域的工程技術人員參考。

第1章緒論
1.1語音信號處理的發展歷史
1.1.1經典語音信號處理技術
1.1.2新興的語音信號處理技術
1.2語音信號處理的研究內容
1.3本書的結構
第2章語音信號處理的聲學理論與模型
2.1概述
2.2語音信號處理的聲學基礎
2.2.1語音的產生
2.2.2語音信號的感知
2.2.3掩蔽效應
2.3語音生成的數學模型

第1章緒論

1.1語音信號處理的發展歷史

1.1.1經典語音信號處理技術

1.1.2新興的語音信號處理技術

1.2語音信號處理的研究內容

1.3本書的結構

第2章語音信號處理的聲學理論與模型

2.1概述

2.2語音信號處理的聲學基礎

2.2.1語音的產生

2.2.2語音信號的感知

2.2.3掩蔽效應

2.3語音生成的數學模型

2.3.1激勵模型

2.3.2聲道模型

2.3.3輻射模型

2.4語音信號的特性分析

2.4.1語音信號的時域波形和頻譜特性

2.4.2語音信號的語譜圖

2.4.3語音信號的統計特性

2.5語音學基本概念

2.5.1語音學

2.5.2語音的分類及其聲學特征

2.5.3漢語語音學

2.6小結

復習思考題

第3章傳統語音信號分析方法

3.1概述

3.2語音信號數字化和預處理

3.2.1數字化

3.2.2預處理

3.3端點檢測

3.3.1雙門限法

3.3.2相關法的端點檢測

3.3.3能零比雙門限法

3.4語音信號的時域分析

3.4.1短時能量及短時平均幅度分析

3.4.2短時過零率分析

3.4.3短時相關分析

3.4.4短時平均幅度差函數

3.5語音信號的頻域分析

3.5.1利用短時傅裡葉變換求語音的短時譜

3.5.2語音的短時譜的臨界帶特征矢量

3.6語音信號的線性預測（LPC）分析

3.6.1線性預測分析的基本原理

3.6.2線性預測方程組的求解

3.6.3LPC譜估計和LPC復倒譜

3.6.4線譜對（LSP）分析

3.7小結

復習思考題

第4章現代語音信號處理方法

4.1概述

4.2同態信號處理

4.2.1同態信號處理的基本原理

4.2.2語音信號的復倒譜

4.2.3語音信號兩個卷積分量的復倒譜

4.2.4語音信號倒譜分析實例

4.3小波變換

4.3.1小波變換的基本原理

4.3.2常用小波函數的介紹

4.3.3小波基和分解層數的選擇

4.3.4語音信號小波變換分析實例

4.4Teager能量操作

4.4.1連續時間和離散時間的能量操作

4.4.2連續時間和離散時間的能量分離（ESA）

4.4.3語音信號Teager能量算子分析實例

4.5希爾伯特黃變換

4.5.1希爾伯特黃變換的起源

4.5.2經驗模式分解

4.5.3希爾伯特黃變換的時頻譜

4.6經驗小波變換

4.6.1經驗小波的定義

4.6.2傅裡葉頻譜劃分

4.6.3窗的選取

4.6.4經驗小波變換及其改進算法

4.6.5語音信號經驗小波變換分析實例

4.7小結

復習思考題

第5章語音信號的參數估計

5.1概述

5.2基音周期估計

5.2.1基音周期估計分類

5.2.2基於自相關的基音周期估計

5.2.3基於平均幅度差函數（AMDF）的基音周期估計

5.2.4基於倒譜法（CEP）的基音周期估計

5.2.5基於簡化的逆濾波跟蹤（SIFT）的基音周期估計

5.2.6基於小波變換的基音周期估計

5.2.7基於倒譜和希爾伯特黃變換的基音周期估計

5.2.8基於繫綜經驗模式分解的動態基音周期估計

5.2.9基於繫綜經驗模式分解和倒譜法的基音周期估計

5.2.10基音周期估計的後處理

5.3共振峰估計

5.3.1傳統的共振峰估計方法

5.3.2基於希爾伯特黃變換的漢語共振峰估計

5.4梅爾頻率倒譜繫數

5.4.1梅爾濾波器組

5.4.2MFCC特征參數提取

5.5小結

復習思考題

第6章語音編碼

6.1概述

6.2語音信號壓縮編碼的原理

6.2.1語音編碼分類

6.2.2語音壓縮的基本原理

6.3語音編碼的關鍵技術

6.3.1線性預測

6.3.2合成分析法（AnalysisBySynthesis）

6.3.3感覺加權濾波器

6.4語音編碼的性能指標和評測方法

6.4.1主觀評價

6.4.2客觀評價

6.5語音信號的波形編碼

6.5.1脈衝編碼調制(PCM）

6.5.2自適應預測編碼（APC）

6.5.3自適應增量調制（ADM）

6.5.4自適應差分脈衝編碼調制（ADPCM）

6.5.5子帶編碼（SBC）

6.5.6自適應變換編碼（ATC）

6.6語音信號的參數編碼

6.6.1線性預測聲碼器

6.6.2LPC10編碼器

6.7語音信號的混合編碼

6.8現代通信中的語音信號編碼方法

6.8.1EVS編碼器概述

6.8.2EVS編碼器設計指標

6.8.3EVS編碼涉及的關鍵技術

6.8.4EVS編碼器評價

6.9小結

復習思考題

第7章語音增強

7.1概述

7.2語音特性、人耳感知特性

7.2.1語音特性

7.2.2人耳感知特性

7.3傳統語音增強技術

7.3.1基於濾波法的語音增強技術

7.3.2基於減譜法的語音增強技術

7.3.3基於Weiner濾波法的語音增強技術

7.3.4基於模型的語音增強技術

7.3.5基於聽覺掩蔽的語音增強技術

7.3.6基於時域處理的語音增強技術

7.4現代語音增強技術

7.4.1基於非負矩陣分解的語音增強技術

7.4.2基於DNN頻譜映射的語音增強技術

7.5小結

復習思考題

第8章語音合成

8.1概述

8.2共振峰合成法

8.3線性預測合成法

8.4神經網絡語音合成法

8.5語音合成專用硬件簡介

8.6PSOLA算法合成語音

8.7文語轉換繫統（TTS）

8.7.1文語轉換繫統的組成

8.7.2連讀語音的韻律特性

8.7.3文本分析方法

8.7.4語音合成方法

8.7.5語音合成中的韻律控制

8.8小結

復習思考題

第9章語音識別

9.1概述

9.2語音識別原理和識別繫統的組成

9.2.1預處理和參數分析

9.2.2語音識別

9.2.3語音識別繫統的基本數據庫

9.3動態時間規整（DTW）

9.4孤立字（詞）識別繫統

9.4.1基於MQDF的漢語塞音語音識別繫統

9.4.2基於概率尺度DP識別方法的孤立字（詞）識別繫統

9.5連續語音識別繫統

9.5.1模型

9.5.2繫統語言模型

9.5.3句法分析和單詞的預測方法

9.6連續語音識別繫統的性能評測

9.6.1連續語音識別繫統的評測方法以及繫統復雜性和識別能力的測度

9.6.2綜合評估連續語音識別繫統時需要考慮的其他因素

9.7基於DNNHMM的語音識別繫統

9.8小結

復習思考題

第10章說話人識別

10.1概述

10.2說話人識別方法和繫統結構

10.2.1預處理

10.2.2說話人識別的特征提取

10.2.3特征參量評價方法

10.2.4模式匹配方法

10.2.5說話人識別中判別方法和閾值的選擇

10.2.6說話人識別繫統的評價

10.3應用DTW的說話人確認繫統

10.4應用VQ的說話人識別繫統

10.5應用HMM的說話人識別繫統

10.5.1基於HMM的與文本有關的說話人識別

10.5.2基於HMM的與文本無關的說話人識別

10.5.3基於HMM的指定文本型說話人識別

10.5.4說話人識別HMM的學習方法

10.5.5魯棒的HMM說話人識別技術

10.6應用GMM的說話人識別繫統

10.6.1GMM模型的基本概念

10.6.2GMM模型的參數估計

10.6.3訓練數據不充分的問題

10.6.4GMM模型的識別問題

10.6.5應用GMM和BP網絡的說話人識別繫統

10.7應用深度學習的說話人識別

10.7.1基於DNNUBM模型的說話人識別

10.7.2說話人識別中的embeddings特征

10.8說話人識別中尚需進一步探索的研究課題

10.8.1基礎性的課題

10.8.2實用性的問題

10.9語種辨識的原理和應用

10.9.1語種辨識的基本原理和方法

10.9.2語種辨識的應用領域

10.10小結

復習思考題

第11章語音信號中的情感信息處理

11.1概述

11.2語言信號中的情感分類和情感特征分析

11.2.1語音情感識別繫統模型

11.2.2語音信號中的情感分類

11.2.3語料庫

11.2.4語音情感特征分析

11.2.5語音情感識別特征分析方法

11.3基於融合特征的語音情感識別方法

11.3.1特征提取

11.3.2分類器

11.3.3仿真實驗

11.4基於LSTM的語音情感識別方法

11.4.1LSTM實現原理

11.4.2應用LSTM的語音情感識別

11.4.3仿真實驗

11.5基於CNN的語音情感識別方法

11.5.1卷積神經網絡（CNN）

11.5.2基於CNN的語音情感識別模型

11.5.3仿真實驗

11.6小結

復習思考題

漢英名詞術語對照

前言

人工智能技術的發展，正改變著人機交互的方式。語音是人類最直接、最方便的信息交流方式，讓機器像人一樣說話和聽話，實現人與機器的自然交流，是人工智能領域一直追求的目標。語音信號處理的研究，可推動這一目標的逐步實現，其研究成果可廣泛應用於智能辦公、交通、金融、公安、商業、旅遊等行業的語音咨詢與管理，工業生產部門的語聲控制，電話和電信繫統的自動撥號、輔助控制與查詢以及醫療衛生和福利事業的生活支援等領域。可見，語音信號處理技術的研究是一項極具市場價值和挑戰的工作。我們今天進行這一領域的研究與開拓就是要讓語音信號處理技術走入人們的日常生活中，並不斷朝著更高的目標發展。因此，開展語音信號處理的研究具有重要的理論意義和較高的實際應用價值。

語音信號處理這門學科之所以能夠長期深深吸引廣大科學工作者不斷對其進行研究和探討，除了它的實用性之外，另一個重要原因是它始終與信息科學中最活躍的前沿學科保持密切的聯繫，並共同發展。語音信號處理是以語音語言學和數字信號處理為基礎而形成的一門涉及面很廣的綜合性學科，與人工智能、心理學、生理學、計算機科學、通信與信息繫統以及模式識別等學科都有著非常密切的關繫。對語音信號處理的研究一直是數字信號處理技術發展的重要推動力量。因為許多信號處理新方法的提出，首先是在語音信號處理中獲得成功，然後再推廣到其他領域的。許多高速信號處理器的誕生和發展與語音信號處理技術的發展密不可分，語音信號處理的復雜性和實時性，促使人們設計更為先進的高速信號處理器。這種處理器問世之後，會先在語音信號處理中得到最有效的推廣應用。語音信號處理產品對此類處理器有著巨大的需求，因此它反過來又進一步推動了微電子技術的發展。

語音信號處理是研究用數字信號處理技術對語音信號進行處理的一門學科。與語音信號處理的理論和研究緊密結合的有兩方面：一方面是從語音的產生和對語音的感知來對其進行研究，這一研究與語音學、語言學、認知科學、心理學、生理學等學科密不可分；另一方面是將語音作為一種信號來進行處理，包括傳統的數字信號處理技術以及一些新的應用於語音信號處理的方法和技術。

本書將繫統介紹語音信號處理的基礎、原理、方法和應用。全書共11章。其中，第1章為緒論。第2章介紹了語音信號處理的聲學理論與模型，如語音信號處理的聲學基礎、語音生成的數學模型、語音信號的特性分析和語言學基本概念等，在此基礎上纔可以建立既實用又便於分析的語音信號產生模型和語音信號感知模型等。第3章介紹了傳統語音信號分析方法，包括語音信號數字化和預處理、端點檢測、語音信號的時域分析與頻域分析等，傳統語音分析方法均為線性方法，制約著語音分析和處理性能的進一步提高；第4章介紹了現代語音信號的處理方法，包括同態信號處理、小波變換、Teager能量操作、希爾伯特黃變換和經驗小波變換。第5章介紹了語音信號的基音周期估計和共振峰估計等，基音周期估計可以分為基於幀的估計和基於事件的估計，而共振峰估計主要包括傳統的共振峰估計方法和基於希爾伯特黃變換的漢語共振峰估計方法。第6章介紹了三種編碼方法，包括波形編碼、參數編碼與混合編碼，各種編碼技術的目的是減少傳輸碼率或存儲量，以提高傳輸或存儲的效率，同時介紹了現代通信中的語音信號編碼方法。第7章主要介紹語音增強的內容，首先介紹了語音特性和人耳感知特性，在此基礎上根據實際情況選用合適的語音增強方法，對於傳統的語音增強方法，介紹了基於濾波法、減譜法、Weiner濾波法、模型、聽覺隱蔽和時域處理的語音增強技術，而對於現代語音增強技術，則從機器學習的角度出發，介紹了基於非負矩陣分解的語音增強技術和基於DNN頻譜映射的語音增強技術。第8章介紹了語音合成的共振峰合成法、線性預測合成法、神經網絡語音合成法和PSOLA算法等。第9章介紹了語音識別的內容，主要包括語音識別原理及識別繫統的組成、動態時間規整、孤立字（詞）識別繫統、連續語音識別繫統及其性能評測和基於DNNHMM的語音識別繫統，可以分為模板匹配法、隨機模型法、概率語法分析法、基於深度學習等語音識別繫統。第10章主要介紹了說話人識別繫統中所使用的方法，說話人識別繫統的基本結構，以及說話人識別繫統的應用。第11章介紹了語音信號中的情感信息處理，對語音信號中的情感做了分類，主要可以分為基本情感論和多維分析論，並給出了三種語音情感識別的方法，即基於融合特征的語音情感識別方法、基於LSTM的語音情感識別方法和基於CNN的語音情感識別方法。

語音信號處理技術是目前發展最為迅速的信息科學技術之一，其研究涉及一繫列前沿課題，且處於迅速發展之中。因此本書的宗旨是在繫統地介紹語音信號處理的基礎、原理、方法和應用的同時，向讀者介紹該學科領域近年來取得的一些新成果、新方法及新技術。數字語音信號處理屬於應用科學，要學好這門課程，必須理論聯繫實際應用，纔能很好地掌握數字語音處理的理論和技術方法。因此，本書的每一章後面都附有課外思考題。建議學習者仔細思考書中的習題，並進行計算機上機實驗以獲得實際經驗，幫助自己盡快掌握所學的語音信號處理知識。

本書可作為人工智能、計算機、電子信息等專業工程技術人員、教師和研究生的參考書。因為語音信號處理技術是一項正在快速發展的技術，許多方法還在不斷更新和研究中，加之作者水平有限，書中許多內容有待進一步研究和完善，懇請讀者批評指正。

編者
2023年3月30日

網友評論我們期待著您對此商品發表評論

相關商品

商品搜索

商品分类

【醫學】

【各大出版社】