《語音信號處理實用教程/21世紀高等院校信息與通信工程規(guī)劃教材》系統(tǒng)地介紹了語音信號處理的相關(guān)知識，系統(tǒng)地論述了語音信號處理的基礎、概念、原理、方法與應用，以及該學科領域取得的一些新成果、新進展及新技術(shù)。全書分3篇共15章，其中第1篇語音信號處理基礎篇，包括第1章緒論，第2章語音信號處理的基礎知識；第2篇語音信號分析篇，包括第3章至第9章，介紹語音信號的各種分析方法和技術(shù)，包括傳統(tǒng)方法，如時域、頻域處理等，還包括新方法和新技術(shù)，如同態(tài)處理、線性預測分析、矢量量化、隱馬爾可夫模型技術(shù)等；第3篇語音信號處理技術(shù)與應用篇，包括第10章至第15章，分別介紹語音編碼、語音合成、語音識別、說話人識別、語音增強及語音處理的實時實現(xiàn)。
《語音信號處理實用教程/21世紀高等院校信息與通信工程規(guī)劃教材》在編寫上既重視基礎知識，又跟蹤前沿技術(shù)；既具有學術(shù)深度，又具有教材的系統(tǒng)性和可讀性。
全書層次分明，條理清晰，結(jié)構(gòu)嚴謹，并注意各部分內(nèi)容的有機結(jié)合；既有較強的理論系統(tǒng)性，又體現(xiàn)一定應用的觀點。
《語音信號處理實用教程/21世紀高等院校信息與通信工程規(guī)劃教材》可作為高等院校電子信息工程、通信工程、模式識別與人工智能等專業(yè)的高年級本科生、碩士研究生教材，也可供該領域的科研及工程技術(shù)人員參考。
第1篇 語音信號處理基礎篇
第1章 緒論
1.1 語音信號處理概述
1.2 語音信號處理的發(fā)展
1.3 語音信號處理的應用
思考與練習
第2章 語音信號處理的基礎知識
2.1 語音和語言
2.2 語音產(chǎn)生的過程及其聲學特性
2.2.1 語音的發(fā)音器官
2.2.2 人類語音的產(chǎn)生過程
2.2.3 共振峰頻率
2.3 語音信號的聲學特性
2.3.1 語音信號的物理屬性
2.3.2 語音信號的統(tǒng)計特性
2.3.3 語音信號的時間波形和頻譜特性
2.4 語音信號產(chǎn)生的數(shù)字模型
2.4.1 激勵模型
2.4.2 聲道模型
2.4.3 輻射模型
2.4.4 完整的語音信號數(shù)字模型
2.5 人類的聽覺功能
2.5.1 聽覺器官
2.5.2 聽覺感知
2.5.3 聲音三要素
2.5.4 聽覺掩蔽效應
思考與練習
第2篇 語音信號處理分析篇
第3章 語音信號的時域分析
3.1 語音信號的數(shù)字化和預處理
3.1.1 取樣和量化
3.1.2 預處理
3.1.3 語音信號的加窗處理
3.2 短時能量分析
3.2.1 短時平均能量
3.2.2 短時平均幅度
3.3 短時過零分析
3.4 短時相關(guān)分析
3.4.1 短時自相關(guān)函數(shù)
3.4.2 修正的短時自相關(guān)函數(shù)
3.4.3 短時平均幅度差函數(shù)
3.5 基音周期估值
3.5.1 基于短時自相關(guān)法的基音周期估值
3.5.2 基于短時平均幅度差函數(shù)AMDF法的基音周期估值
3.5.3 基音周期估值的后處理
思考與練習
第4章 語音信號的頻域分析
4.1 短時傅里葉變換的定義
4. 2 短時傅里葉變換的兩種解釋
4.2.1 標準傅里葉變換的解釋
4.2.2 濾波器的解釋
4.3 短時傅里葉變換的取樣率
4.3.1 時域取樣率
4.3.2 頻域取樣率
4.3.3 總?cè)勇?/span>
4.4 語音信號的短時綜合
4.4.1 濾波器組求和法
4.4.2 快速傅立葉變換求和法
4.5 語譜圖
思考與練習
第5章 語音信號的同態(tài)處理
5.1 卷積同態(tài)處理的基本原理
5.2 復倒譜和倒譜
5.2.1 復倒譜
5.2.2 倒譜
5.3 語音信號的復倒譜
5.3.1 聲門激勵信號的復倒譜
5.3.2 聲道沖激響應序列的復倒譜
5.4 復倒譜的幾種計算方法
5.4.1 微分法
5.4.2 最小相位信號法
5.4.3 遞推法
5.5 語音的倒譜分析及應用
5.5.1 語音同態(tài)濾波系統(tǒng)構(gòu)成
5.5.2 語音的倒譜分析原理
5.5.3 語音的倒譜應用
思考與練習
第6章 語音信號的線性預測分析
6.1 線性預測分析的基本原理
6.1.1 信號模型
6.1.2 語音信號的線性預測模型
6.2 線性預測方程的建立
6.3 線性預測分析的經(jīng)典解法
6.3.1 自相關(guān)法
6.3.2 協(xié)方差法
6.3.3 自相關(guān)法和協(xié)方差法的比較
6.4 格型法
6.4.1 格型法的基本原理
6.4.2 格型法的求解
6.5 線譜對LSP分析
6.5.1 LSP的定義和特點
6.5.2 LPC參數(shù)到LSP參數(shù)的轉(zhuǎn)換
6.5.3 LSP參數(shù)到LPC參數(shù)的轉(zhuǎn)換
6.6 導抗譜對ISP分析
6.6.1 ISP的定義和特點
6.6.2 LPC與ISP參數(shù)間的轉(zhuǎn)換
6.7 LPC導出的其它語音參數(shù)
6.7.1 反射系數(shù)
6.7.2 對數(shù)面積比系數(shù)
6.7.3 LPC倒譜系數(shù)
6.8 LPC分析的頻域解釋
6.8.1 最小預測誤差的頻域解釋
6.8.2 LPC譜估計
思考與練習
第7章 語音信號的矢量量化
7.1 矢量量化的基本原理
7.1.1 矢量量化的定義
7.1.2 矢量量化系統(tǒng)的工作過程
7.1.3 矢量量化與標量量化的比較
7.1.4 失真測度
7.2 最佳矢量量化器
7.2.1 最佳劃分
7.2.2 最佳碼書
7.3 矢量量化器的設計算法
7.3.1 LBG算法
7.3.2 初始碼書的生成
7.3.3 空胞腔的處理
7.4 降低復雜度的矢量量化系統(tǒng)
7.4.1 樹形搜索矢量量化器
7.4.2 多級矢量量化器
7.4.3 波形/增益矢量量化器
7.4.4 分離均值矢量量化器
7.4.5 有記憶的矢量量化器
7.5 語音參數(shù)的矢量量化
思考與練習
第8章 隱馬爾可夫模型
8.1 隱馬爾可夫模型的引入
8.2 隱馬爾可夫模型的定義
8.3 隱馬爾可夫模型的計算
8.3.1 概率Pr [Y/λ ]的計算
8.3.2 HMM的識別
8.4 HMM的各種結(jié)構(gòu)類型
8.4.1 A矩陣參數(shù)分類
8.4.2 B矩陣參數(shù)分類
8.4.3 其他一些特殊的HMM形式
8.5 HMM的一些實際問題
8.5.1 下溢問題
8.5.2 參數(shù)的初始化問題
8.5.3 B矩陣參數(shù)的選擇
思考與練習
第9章 語音信號檢測分析
9.1 基音提取
9.1.1 自相關(guān)法
9.1.2 并行處理法
9.1.3 倒譜法
9.1.4 簡化逆濾波法
9.2 共振峰估值
9.2.1 帶通濾波器組法
9.2.2 離散傅里葉變換（DFT）
9.2.3 倒譜法
9.2.4 LPC法
思考與練習
第3篇 語音信號處理應用篇
第10章 語音編碼
10.1 語音信號的壓縮編碼原理
10.1.1 語音壓縮的基本原理
10.1.2 語音通信中的語音質(zhì)量
10.1.3 語音編碼的分類
10.2 語音編碼性能的評價指標
10.2.1 編碼速率
10.2.2 編碼質(zhì)量
10.2.3 編解碼延時
10.2.4 算法復雜度
10.3 語音信號波形編碼
10.3.1 脈沖編碼調(diào)制
10.3.2 自適應預測編碼
10.3.3 自適應差分脈沖編碼調(diào)制
10.3.4 子帶編碼
10.3.5 變換編碼
10.4 語音信號參數(shù)編碼
10.4.1 聲碼器的工作原理
10.4.2 相位聲碼器
10.4.3 通道聲碼器
10.4.4 共振峰聲碼器
10.4.5 同態(tài)聲碼器
10.4.6 線性預測聲碼器
10.5 語音信號混合編碼
10.5.1 合成分析技術(shù)
10.5.2 感覺加權(quán)濾波器
10.5.3 激勵模型的改進
10.5.4 G.728語音編碼標準簡介
10.6 語音信號寬帶變速率編碼
10.7 各種語音編碼方法的比較
10.7.1 波形編碼的信號壓縮技術(shù)
10.7.2 波形編碼和聲碼器的比較
10.7.3 各種聲碼器的比較
思考與練習
第11章 語音合成
11.1 概述
11.2 語音合成原理
11.2.1 波形合成法
11.2.2 參數(shù)合成法
11.2.3 規(guī)則合成法
11.3 語音合成系統(tǒng)的特性
11.3.1 合成單元
11.3.2 合成參數(shù)
11.3.3 合成音質(zhì)
11.4 共振峰合成
11.4.1 共振峰合成原理
11.4.2 級聯(lián)型共振峰模型
11.4.3 并聯(lián)型共振峰模型
11.4.4 共振峰合成實例
11.5 線性預測合成
11.6 基音同步疊加法
11.6.1 算法原理
11.6.2 算法實現(xiàn)步驟
11.7 文語轉(zhuǎn)換系統(tǒng)
11.7.1 文語轉(zhuǎn)換系統(tǒng)的組成
11.7.2 漢語按規(guī)則合成
11.8 語音合成技術(shù)的應用
11.8.1 語音合成的典型應用
11.8.2 專用語音合成硬件及語音合成器芯片
思考與練習
第12章 語音識別
12.1 概述
12.2 語音識別原理
12.3 動態(tài)時間規(guī)整
12.4 有限狀態(tài)矢量量化技術(shù)
12.4.l FSVQ原理及FSVQ聲碼器
12.4.2 FSVQ語音識別器
12.5 孤立詞識別系統(tǒng)
12.6 連續(xù)語音識別
12.6.1 識別基元的選擇與切分
12.6.2 發(fā)音變化及音征提取
12.6.3 訓練及新的識別方法
12.6.4 基于HMM統(tǒng)一框架的大詞匯量非特定人連續(xù)語音識別
思考與練習
第13章 說話人識別
13.1 概述
13.2 特征選取
13.2.1 說話人識別所用特征
13.2.2 特征類型的優(yōu)選準則
13.3 說話人識別系統(tǒng)的結(jié)構(gòu)
13.4 說話人識別中的識別方法
13.4.1 模板匹配法
13.4.2 概率統(tǒng)計方法
13.4.3 動態(tài)時間規(guī)整方法
13.4.4 矢量量化方法
13.4.5 隱馬爾可夫模型方法
13.4.6 人工神經(jīng)網(wǎng)絡方法
13.5 聲紋識別應用前景
13.5.1 聲紋識別特性
13.5.2 聲紋識別應用
13.5.3 聲紋識別未來
思考與練習
第14章 語音增強
14.1 概述
14.2 語音特性、人耳感知特性及噪聲特性
14.2.1 語音特性
14.2.2 人耳感知特性
14.2.3 噪聲特性
14.3 語音增強算法
14.3.1 參數(shù)方法
14.3.2 非參數(shù)方法
14.3.3 統(tǒng)計方法
14.3.4 其他方法
14.4 濾波器法
14.4.1 固定濾波器
14.4.2 自適應濾波
14.4.3 變換技術(shù)
14.5 非線性處理語音增強
14.5.1 中心削波
14.5.2 同態(tài)濾波法
14.6 譜減法
14.6.1 譜減法的原理
14.6.2 譜減法的改進形式
14.6.3 譜減法語音增強的仿真實現(xiàn)
14.7 自相關(guān)相減法
14.8 自適應噪聲對消
14.8.1 自適應濾波
14.8.2 具有參考信號的自適應噪聲
對消
14.8.3 利用延遲來建立參考信號的自
適應噪聲對消
思考與練習
第15章 語音處理的實時實現(xiàn)
15.1 可編程DSP芯片應用基礎
15.1.1 DSP的發(fā)展歷程
15.1.2 DSP芯片的特點
15.1.3 DSP芯片的分類
15.1.4 DSP芯片的基本結(jié)構(gòu)
15.1.5 常用DSP芯片簡介
15.1.6 DSP芯片的應用
15.2 基于DSP的語音處理系統(tǒng)
15.2.1 基于DSP的實時語音處理系統(tǒng)的構(gòu)成
15.2.2 基于DSP的實時語音處理系統(tǒng)的特點
15.2.3 基于DSP的實時語音處理系統(tǒng)的設計過程
15.3 DSPCCS集成開發(fā)環(huán)境
15.3.1 DSP的開發(fā)工具
15.3.2 CCS概述
15.3.3 CCS的構(gòu)成
15.4 基于TMS320C5409的實時語音識別系統(tǒng)
15.4.1 硬件介紹
15.4.2 軟件設計
15.4.3 獨立系統(tǒng)形成
思考與練習
附錄 漢英名詞術(shù)語對照
參考文獻
新書資訊