●第1章緒論
1.1語音信號處理的發展
1.1.1語音合成
1.1.2語音編碼
1.1.3語音識別
1.2語音信號處理的應用
1.3語音信號處理的過程
1.4MATLAB在數字語音信號處理中的應用
習題1
第2章語音信號的數字模型
2.1語音的發聲機理
2.1.1人的發聲器官
2.1.2語音生成
2.2語音的聽覺機理
2.2.1聽覺器官
2.2.2聽覺掩蔽效應
2.2.3臨界帶寬與頻率群
2.2.4耳蝸的信號處理機制
2.2.5語音信號聽覺模型
2.3語音信號的線性模型
2.3.1激勵模型
2.3.2聲道模型
2.3.3輻射模型
2.3.4語音信號數字模型
2.4語音信號的非線性模型
2.4.1線性模型局限性
2.4.2幾種非線性模型
2.4.3非線性動力學模型
2.4.4非線性模型在語音信號處理中的應用及MATLAB實現
習題2
第3章語音信號的短時時域分析
3.1語音信號的預處理
3.1.1語音信號的預加重處理
3.1.2語音信號的加窗處理
3.2短時平均能量
3.3短時平均幅度函數
3.4短時平均過零率
3.5短時自相關分析
3.5.1短時自相關函數
3.5.2語音信號的短時自相關函數
3.5.3修正的短時自相關函數
3.5.4短時平均幅度差函數
3.6基於能量和過零率的語音端點檢測
3.7基音周期估值
3.7.1基於短時自相關法的基音周期估值
3.7.2基於短時平均幅度差函數AMDF法的基音周期估值
3.7.3基音周期估值的後處理
3.7.4基音周期估值後處理的MATLAB實現
習題3
第4章語音信號短時頻域及倒譜分析
4.1傅裡葉變換的解釋
4.1.1短時傅裡葉變換
4.1.2窗函數的作用
4.2濾波器的解釋
4.2.1短時傅裡葉變換的濾波器實現形式一
4.2.2短時傅裡葉變換的濾波器實現形式二
4.3短時綜合的濾波器組相加法
4.3.1短時綜合的濾波器組相加法原理
4.3.2短時綜合的濾波器組相加法的MATLAB程序實現
4.3.3短時綜合的疊接相加法原理及MATLAB程序實現
4.4語音信號的復倒譜和倒譜分析及應用
4.4.1復倒譜和倒譜的定義及性質
4.4.2復倒譜的幾種計算方法
4.4.3倒譜的MATLAB實現
4.4.4語音的倒譜分析及應用
習題4
第5章語音信號線性預測分析
5.1LPC的基本原理
5.1.1LPC的實現方法
5.1.2語音信號模型和LPC之間的關繫
5.1.3模型增益G的確定
5.2線性預測分析的解法
5.2.1自相關法
5.2.2協方差法
5.2.3自相關法的MATLAB實現
5.3線譜對LSP分析
5.3.1LSP的定義和特點
5.3.2LPC參數到LSP參數的轉換及MATLAB實現
5.3.3LSP參數到LPC參數的轉換及MATLAB實現
5.4LPC的幾種推演參數
5.4.1反射繫數
5.4.2對數面積比繫數LAR
5.4.3預測器多項式的根
5.4.4預測誤差濾波器的衝激響應及其自相關繫數
5.4.5LPC倒譜及其MATLAB實現
習題5
第6章矢量量化
6.1矢量量化基本原理
6.1.1矢量量化的定義
6.1.2失真測度
6.1.3矢量量化器
6.2很好矢量量化器
6.3矢量量化器的設計算法及MATLAB實現
6.3.1LBG算法
6.3.2初始碼書的選定與空胞腔的處理
6.3.3已知訓練序列的LBG算法的MATLAB實現
6.3.4樹形搜索矢量量化器
習題6
第7章語音編碼原理及應用
7.1語音編碼的分類及特性
7.1.1波形編碼
7.1.2參數編碼
7.1.3混合編碼
7.2語音編碼性能的評價指標
7.2.1編碼速率
7.2.2編碼語音質量評價
7.2.3編解碼延時
7.2.4算法復雜度
7.3語音信號波形編碼
7.3.1脈衝編碼調制PCM
7.3.2自適應預測編碼APC
7.3.3G.721編碼及算法實現
7.4語音信號參數編碼
7.4.1LPC聲碼器原理
7.4.2LPC?10編碼器
7.5語音信號混合編碼
7.5.1合成分析技術和感覺加權濾波器
7.5.2激勵模型的演變
7.5.3G.728語音編碼標準簡介
7.6語音信號寬帶變速率編碼
習題7
第8章語音合成
8.1語音合成的原理及分類
8.1.1波形合成法
8.1.2參數合成法
8.1.3規則合成法
8.2共振峰合成法
8.2.1級聯型共振峰模型
8.2.2並聯型共振峰模型
8.2.3混合型共振峰模型
8.3線性預測參數合成法
8.4基音同步疊加法
8.4.1基音同步疊加PSOLA算法原理
8.4.2基音同步疊加PSOLA算法實現步驟
8.5文語轉換繫統
8.5.1文語轉換繫統的組成
8.5.2漢語按規則合成
習題8
第9章語音識別基本原理與應用
9.1語音識別繫統概述
9.1.1語音信號預處理
9.1.2語音識別特征提取
9.1.3語音訓練識別模型
9.2HMM基本原理及在語音識別中的應用
9.2.1隱馬爾可夫模型
9.2.2隱馬爾可夫模型的3個基本問題
9.2.3隱馬爾可夫模型用於語音識別
9.3支持向量機在語音識別中的應用
9.3.1支持向量機分類原理
9.3.2支持向量機的模型參數選擇問題
9.3.3支持向量機用於語音識別的MATLAB實現
習題9
第10章語音增強原理及應用
10.1語音和噪聲的主要特性
10.1.1語音的主要特性
10.1.2噪聲的特性
10.2語音增強算法的分類
10.3單通道語音增強算法及MATLAB仿真實現
10.3.1譜減法
10.3.2維納濾波法
10.3.3最小均方誤差估計法
10.3.4子空間語音增強算法
10.4多通道語音增強算法及MATLAB仿真實現
10.4.1陣列信號繫統模型
10.4.2麥克風陣列近場模型與遠場模型
10.4.3經典麥克風陣列的語音增強算法
習題10
第11章小波分析及在語音信號處理中的應用
11.1基礎理論
11.2小波的特性
11.2.1連續小波變換及性質
11.2.2離散小波變換及性質
11.3幾種常用的小波及特性
11.3.1Haar小波
11.3.2Daubechies(dbN)小波
11.3.3MexicanHat(Marr)小波
11.3.4Morlet小波
11.3.5Meyer小波
11.4小波變換在語音信號處理中的應用
11.4.1小波分析在語音信號預處理的應用及MATLAB實現
11.4.2小波分析在語音去噪中的應用及MATLAB實現
習題11
第12章人工神經網絡及在語音信號處理中的應用
12.1人工神經網絡簡介
12.2人工神經網絡構成
12.2.
12.2.2網絡拓撲
12.2.3網絡的學習算法
12.3幾種神經網絡模型及其算法
12.3.1單層感知器
12.3.2多層感知器
12.3.3徑向基函數神經網絡
12.3.4自組織特征映射神經網絡
12.4神經網絡在語音信號處理中的應用
12.4.1RBF神經網絡在語音識別中的應用及MATLAB實現
12.4.2自組織神經網絡在語音編碼中的應用及MATLAB實現
習題12
第13章獨立分量分析及在語音信號處理中的應用
13.1基礎理論
13.1.1ICA的定義與數學模型
13.1.2ICA的基本假設、不確定性及求解過程
13.1.3ICA中信號的預處理
13.1.4ICA的目標函數
13.1.5ICA性能評價參數
13.2經典ICA算法
13.2.1自然梯度算法
13.2.2信息優選化法
13.2.3快速ICA算法(FASTICA)
13.3ICA在語音信號處理中的應用及MATLAB實現
13.3.1INFORMAX算法在語音盲信號分離中的應用及MATLAB實現
13.3.2FASTICA算法在語音盲信號分離中的應用及MATLAB實現
習題13
第14章語音質量評價和可懂度評價
14.1語音質量與可懂度
14.2語音質量的主觀評價方法
14.3語音可懂度的主觀評價方法
14.4語音質量客觀評價方法
14.4.1時域和頻域分段信噪比的方法及MATLAB實現
14.4.2基於LPC客觀評價方法及MATLAB實現
14.4.3語音質量的感知評價方法(PESQ)及MATLAB實現
14.5語音可懂度客觀評價方法
14.5.1加權頻帶信噪比評價方法及MATLAB實現
14.5.2歸一化協方差評價方法(NCM)及MATLAB實現
14.5.3短時清晰度指數評價方法(AI-ST)及MATLAB實現
習題14
附錄A專業術語縮寫英漢對照表
附錄B程序索引
參考文獻
本書繫統地闡述了語音信號處理的原理、方法、技術和應用,同時給出了部分內容對應的MATLAB仿真源程序。全書共14章,第1~6章是基本理論部分,包括語音信號的數字模型、語音信號的短時時域分析、頻域分析及倒譜分析、語音信號線性預測分析和矢量量化;第7~14章是應用部分,包括語音編碼、語音合成、語音識別、語音增強、小波分析、人工神經網絡及獨立分量分析及其在語音信號處理中的應用、語音質量評價和可懂度評價原理及實現。本書內容全面,重點突出,原理闡述深入淺出,注重理論與實際應用的結合,可讀性強。本書可以作為高等院校通信工程、電子信息工程、自動化、計算機技術與應用等專業高年級本科生相關課程的教材,也可供從事語音信號處理研究的研究生和科研人員參考。