●前言
章 緒論
1.1 研究的內容和意義
1.2 國內外研究現狀與分析
1.2.1 加性噪聲補償方法
1.2.2 信道畸變補償方法
1.2.3 聯合補償方法
1.2.4 目前方法存在的問題
參考文獻
第2章 基於隱馬爾可夫模型的語音識別
2.1 引言
2.2 語音識別整體框架
2.3 前端處理
2.4 聲學模型
2.5 識別
2.5.1 語言模型
2.5.2 解碼
2.6 實驗平臺和實驗數據庫
2.6.1 實驗平臺
2.6.2 實驗數據庫
2.6.3 評價指標
2.7 環境失配與補償的數學描述
2.8 本章小結
參考文獻
第3章 基於形態成分分析的魯棒語音活動檢測
3.1 引言
3.2 變化的噪聲下基於稀疏編碼的語音活動檢測方法
3.2.1 稀疏表示
3.2.2 基於稀疏編碼的語音活動檢測方法
3.2.3 實驗結果和說明
3.3 在線更新噪聲字典的基於形態成分分析的語音活動檢測
3.3.1 基於形態成分分析的語音活動檢測
3.3.2 實驗結果和說明
3.4 本章小結
參考文獻
第4章 基於稀疏編碼的加性噪聲補償
4.1 引言
4.2 稀疏編碼的數學描述及字典構建
4.3 稀疏編碼在語音去噪中存在的問題與分析
4.4 原子字典的評價準則和優化策略
4.4.1 字典評價指標
4.4.2 原子字典的優化策略
4.5 基於原子重要性的殘留噪聲去除方法
4.6 實驗與分析
4.6.1 頻譜增強與特征提取流程
4.6.2 字典評價指標和優化算法的實驗分析
4.6.3 動態屏蔽算法的實驗分析
4.7 基於卷積降噪自編碼神經網絡的語音增強
4.7.1 基本原理
4.7.2 網絡結構
4.7.3 實驗
4.8 本章小結
參考文獻
第5章 基於語音字典的評價與優化的補償方法
5.1 引言
5.2 字典評價的指標
5.2.1 以信號表示為目標的評價指標
5.2.2 以分離為目標的評價指標
5.2.3 關於評價數據
5.3 字典優化方法
5.3.1 去除有害原子
5.3.2 關於重要原子選擇的評價數據
5.4 實驗與分析
5.4.1 字典和評價數據
5.4.2 字典或學習方法的比較
5.4.3 在語音去噪或分離中評價字典
5.4.4 UAR評價
5.4.5 HAR評價
5.5 語音字典與噪聲字典去噪分析
5.6 本章小結
參考文獻
第6章 信道畸變兩個子問題的劃分與補償
6.1 引言
6.2 信道畸變兩個子問題的劃分
6.3 復雜信道環境的畸變模型
6.4 帶寬檢測及殘留噪聲估計
6.5 信道畸變直流分量的估計
6.6 信道畸變補償統一框架
6.7 實驗與分析
6.7.1 實驗數據準備
6.7.2 實驗設置
6.7.3 帶寬檢測測試
6.7.4 實驗結果
6.7.5 討論與分析
6.8 本章小結
參考文獻
第7章 高斯依賴的信道畸變補償
7.1 引言
7.2 經典畸變模型的局限性
7.3 復雜信道環境下更精確的畸變模型
7.4 高斯依賴的頻段丟失補償
7.5 高斯依賴的幅值改變補償
7.6 功率譜域均值計算
7.7 信道頻譜響應估計
7.8 實驗與分析
7.8.1 部分丟失頻段的實驗分析
7.8.2 幅值改變補償的實驗分析
7.8.3 集成補償實驗比較
7.9 本章小結
參考文獻
第8章 基於對數運算線性分段函數的聯合補償
8.1 引言
8.2 對數函數的分段線性插值近似
8.3 對數運算線性化情況下的畸變模型
8.4 線性畸變模型下的聲學模型補償
8.5 噪聲參數的估計
8.6 聯合補償框架
8.7 實驗與分析
8.7.1 實驗數據
8.7.2 實驗設置
8.7.3 實驗對比
8.8 本章小結
參考文獻
彩圖
內容簡介
本書繫統論述了語音識別中的環境失配問題和補償方法。全書共8章,內容包括環境失配問題研究的內容和意義以及研究現狀;基於隱馬爾可夫模型的語音識別;基於形態成分分析的魯棒語音活動檢測;基於稀疏編碼的加性噪聲補償;基於語音字典的評價與優化的補償方法;信道畸變兩個子問題的劃分與補償;髙斯依賴的信道畸變補償;基於對數運算線性分段函數的聯合補償。
本書可作為高等院校從事人工智能和語音信號處理相關研究的碩士、博士研究生的參考書,也可供從事計算機信息科學、人工智能和數據挖掘的科技人員和工程人員參考。