目 录 1
第1章数字语音信号处理概要 1
1.1基于语音的信息传递 2
1.2人类的语音生成和语音感知 3
1.3语音生成模型 5
1.4语音的合成与识别 8
第2章语音分析合成的线性预测法 11
2.1线性预测法 12
2.2 PARCOR法 17
2.2.1 PARCOR系数 17
2.2.2用PARCOR系数构造的合成滤波器 22
2.3 LSP法 24
第3章语音分析合成的倒谱法 29
3.1倒谱法 30
3.2对数幅频近似滤波器 33
3.3改进型倒谱法 37
3.4无偏倒谱法 41
3.4.1 对数周期图 41
3.4.2 准同态法 43
3.4.3对数频谱的无偏估计法 43
第4章 语音的按规则合成和语音识别 47
4.1语音的按规则合成 48
4.1.1 基于规则的语音合成 48
4.1.2语音生成过程的模型 49
4.1.3 语音的按规则合成方法 50
4.1.4 调音参数序列的生成 51
4.1.5 声源参数序列的生成 52
4.2基于DP匹配的语音识别 53
4.2.1 单个单词语音的识别方法 53
4.2.2 基于DP匹配的单词语音识别 54
4.3基于HMM的语音识别 59
4.3.1 HMM的基本结构 59
4.3.2基于HMM的识别算法 60
4.3.3 前向算法 62
4.3.4前后向算法 65
4.3.5 Viterbi算法 66
4.3.6 HMM的参数估计 67
4.3.7连续输出分布型HMM 70
4.4连续语音的识别 72
4.4.1 连续语音识别的方法 72
4.4.2 基于二层DP匹配法的连续语音识别 73
4.4.3 连续语音识别中语言的概率模型的利用 76
4.5语音识别系统的非指定语者的识别 78
4.5.1 非指定语者的识别方法 78
4.5.2语者独立型语音识别系统 79
4.5.3 语者适应型语音识别系统 79
第5章数字图像处理概论 81
5.1 图像与二维线性系统 82
5.1.1 点扩展函数与线性空间不变系统 82
5.1.2 二维系统与传递函数 85
5.2.1 均匀性与各态历经性 87
5.2图像及二维平面上的随机场 87
5.2.2 相关函数与功率谱 88
5.3图像的数字化 91
5.3.1 图像的采样 91
5.3.2 图像的量化 93
5.4数字图像的二维线性模型 95
5.4.1 图像的数学模型 95
5.4.2 因果模型 95
5.4.3 非因果模型 101
第6章数字图像的增强与恢复 105
6.1.1 基于灰度级变换的对比度增强 106
6.1数字图像的增强 106
6.1.2 图像的锐化 115
6.1.3 图像的平滑处理 115
6.1.4 图像的几何校正 124
6.2边界检测与图像的二值化 126
6.2.1 数字图像的边界检测 126
6.2.2 数字图像的二值化 132
6.2.3 二值图像的处理 138
6.3数字图像的恢复 144
6.3.1 基于二维FIR滤波器的图像恢复（Ⅰ） 144
6.3.2 基于二维FIR滤波器的图像恢复（Ⅱ） 147
6.3.3 基于二维维纳滤波器的图像恢复 161
第7章数字图像的压缩 169
7.1变换编码方式 170
7.1.1 图像的正交展开 170
7.1.2 二维沃尔什变换 173
7.1.3 二维哈达玛变换 176
7.1.4二维DFT 178
7.1.5二维DCT（Ⅰ） 181
7.1.6 维DCT（Ⅱ） 190
7.1.7二维DCT（Ⅲ） 203
7.2预测编码方式 216
7.2.1 图像信号的预测 216
7.2.2 预测编码方式的概念 218
7.2.4 自适应预测编码方式 221
7.2.3 δ调制方式 221
第8章基于投影信息的数字图像重构 223
8.1图像重构的基础 224
8.2 CT图像的重构 227
8.CT图像的高精度化 232
8.3.1 基于扇型光束的检测 232
8.3.2高频部分的恢复 234
8.4三维图像的重构 237
8.5δ函数与Hough变换 242
8.5.1曲线图与Hough变换 242
8.5.2点图与Hough变换 244
参考文献 247
索引 255