当前位置:首页 > 工业技术
语音信号处理
语音信号处理

语音信号处理PDF电子书下载

工业技术

  • 电子书积分:11 积分如何计算积分?
  • 作 者:胡航编著
  • 出 版 社:哈尔滨:哈尔滨工业大学出版社
  • 出版年份:2005
  • ISBN:7560314899
  • 页数:286 页
图书介绍:本书介绍了语音信号处理的基础、概念原理、方法与应用以及该学科领域取得的新进展。
《语音信号处理》目录

第1篇 语音信号处理基础 1

第1章 绪论 1

1.1 语音信号处理概述 1

1.2 语音信号处理的发展概况 3

1.3 本书的内容 5

第2章 基础知识 6

2.1 概述 6

2.2 语音产生的过程 6

2.3 语音信号的特性 9

2.4 语音信号产生的数字模型 15

2.5 语音感知 21

第2篇 语音信号分析 23

第3章 时域分析 23

3.1 概述 23

3.2 数字化和预处理 24

3.3 短时能量分析 27

3.4 短时过零分析 31

3.5 短时相关分析 34

第4章 短时傅里叶分析 41

4.1 概述 41

4.2 短时傅里叶变换 41

4.3 短时傅里叶变换的取样率 48

4.4 语音信号的短时综合 49

4.5 语谱图 54

第5章 同态滤波及倒谱分析 56

5.1 概述 56

5.2 同态信号处理的基本原理 56

5.3 复倒谱和倒谱 58

5.4 两个卷积分量复倒谱的性质 59

5.5 避免相位卷绕的算法 61

5.6 语音信号复倒谱分析实例 66

第6章 线性预测分析 69

6.1 概述 69

6.2 线性预测分析的基本原理 69

6.3 线性预测方程组的建立 72

6.4 线性预测分析的解法(1)——自相关法和协方差法 73

6.5 线性预测分析的解法(2)——格型法 78

6.6 线性预测分析应用——LPC谱估计和LPC复倒谱 83

6.7 线谱对(LSP)分析 88

6.8 极零模型 91

第7章 矢量量化 93

7.1 概述 93

7.2 矢量量化的基本原理 94

7.3 失真测度 96

7.4 最佳矢量量化器和码本的设计 98

7.5 降低复杂度的矢量量化系统 101

7.6 语音参数的矢量量化 105

第8章 隐马尔可夫模型(HMM) 107

8.1 概述 107

8.2 隐马尔可夫模型的引入 108

8.3 隐马尔可夫模型的定义 110

8.4 隐马尔可夫模型三项问题的求解 112

8.5 HMM的一些实际问题 115

第9章 语音检测分析 117

9.1 基音检测 117

9.2 共振峰估值 127

第3篇 语音信号处理技术与应用第10章 语音编码(1)——波形编码 135

10.1 概述 135

10.2 语音信号的压缩编码原理 137

10.3 脉冲编码调制(PCM)及其自适应 139

10.4 预测编码及其自适应APC 143

10.5 自适应差分脉冲编码调制(ADPCM)及自适应增量调制(ADM) 146

10.6 子带编码(SBC) 148

10.7 自适应变换编码(ATC) 151

第11章 语音编码(2)——声码器技术及混合编码 154

11.1 概述 154

11.2 声码器的基本结构 155

11.3 相位声码器和通道声码器 156

11.4 同态声码器 159

11.5 线性预测声码器 162

11.6 混合编码 164

11.7 各种语音编码方法的比较及语音编码研究方向 169

11.8 语音编码的性能指标和质量评价 171

第12章 语音合成 174

12.1 概述 174

12.2 语音合成原理 176

12.3 共振峰合成 178

12.4 线性预测合成 181

12.5 专用语音合成硬件及语音合成器芯片 184

第13章 语音识别 188

13.1 概述 188

13.2 语音识别原理 191

13.3 动态时间规整 195

13.4 有限状态矢量量化技术 198

13.5 孤立词识别系统 200

13.6 连续语音识别 204

13.7 听觉视觉双模态语音识别(AVSR) 207

第14章 说话人识别 209

14.1 概述 209

14.2 特征选取 210

14.3 说话人识别系统的结构 212

14.4 说话人识别中的识别方法 213

第15章 语音增强 217

15.1 概述 217

15.2 语音特性、人耳感知特性及噪声特性 218

15.3 滤波器法 220

15.4 非线性处理 221

15.5 减谱法 222

15.6 自相关相减法 225

15.7 自适应噪声对消 225

15.8 基于子波分析技术的语音增强简介 229

第16章 人工神经网络的应用 231

16.1 概述 231

16.2 神经网络的基本概念 232

16.3 神经网络的模型结构 234

16.4 神经网络与传统方法的结合 239

16.5 神经网络语音合成 242

16.6 神经网络语音识别 243

16.7 神经网络说话人识别 246

16.8 神经网络语音增强 248

第17章 语音信号处理中的新兴与前沿技术 249

17.1 混沌理论的应用 249

17.2 分形理论的应用 257

17.3 支持向量机(SVM)在语音识别和说话人识别中的应用 262

17.4 语音信号的非线性预测(NLP)编码 267

汉英名词术语对照 271

参考文献 279

相关图书
作者其它书籍
返回顶部