目录 9
第一章 概述 9
第二章 语音技术的基础知识 9
2.1 语音过程生理学基础知识 9
2.1.1 语音发送过程生理学基础知识 9
2.1.2 语音接收过程生理学基础知识 12
2.2 语音学基础知识 14
2.2.1 词的分段特点 14
2.2.2 词的语音特点 16
2.2.3 词的非分段特点 17
2.2.4 超语言学特点 19
2.2.5 语音学的6个基本问题 19
2.3 汉语语音基础知识 19
2.3.1 汉语语音基本概念 19
2.3.2 汉语语音三要素 20
3.1 语音过程的早期研究 27
第三章 语音过程及其模型 27
3.2 语音发送过程的声学模型 29
3.2.1 语音发送过程的声学理论 29
3.2.2 语音发送过程的声学模型 31
3.3 语音发送过程的数字模型 34
3.3.1 声带、声道和唇辐射的数字模型 34
3.3.2 语音发送过程的完整数字模型 37
3.4 语音发送过程的电模型 38
3.5 语音接收过程的电模型 40
第四章 计算机语音分析技术 42
4.1 语音分析的一般方法 42
4.2 语音的时域分析 46
4.2.1 过零分析 46
4.2.2 幅度分析 49
4.2.3 相关分析 52
4.3 语音的频域分析 58
4.3.1 滤波器组法 58
4.3.2 傅里叶频谱分析 59
4.3.3 汉语语音的功率谱分析 64
4.4 语谱图 74
4.4.1 语谱仪原理 74
4.4.2 美国英语语谱图 80
4.4.3 可见语音 86
4.4.4 语谱图分析 90
第五章 计算机语音存储与再生技术 92
5.1 语音信号的数字处理 92
5.1.1 编译码技术的基本概念 92
5.1.2 语音信号的压缩技术 96
5.1.3 语音信号的编码技术 98
5.2 语音信号的存储技术 105
5.2.1 半导体随机存储器 105
5.2.2 半导体只读存储器 110
5.2.3 数字语音存储器 113
5.3 计算机语音处理机 118
5.3.1 语音存储与再生集成芯片 118
5.3.2 语音记录和回放电路 131
5.4 新型器件及其应用 143
5.4.1 ISD产品系列 144
5.4.2 ISD器件的寻址方式 154
5.4.3 ISD器件的使用 158
5.4.4 ISD器件的应用实例 166
第六章 计算机语音合成技术 187
6.1 计算机语音合成原理和方法 187
6.1.1 计算机语音合成技术概况 187
6.1.2 共振峰语音合成原理 189
6.2 线性预测合成技术 192
6.2.1 线性预测原理 192
6.2.2 格型合成滤波器分析 198
6.2.3 TMS5220语音合成处理器 205
6.3 语音音素合成技术 218
6.3.1 语音音素合成原理 218
6.3.2 Votrax ML-I型音素合成器 219
6.3.3 Votrax SC-01音素合成技术 223
6.3.4 汉语的音素合成 231
6.4 可视语言的语音合成技术 234
6.4.1 发音参数语音合成器 234
6.4.2 用视觉音素的语音合成技术 236
第七章 计算机语音识别技术 242
7.1 计算机语音识别一般概念 242
7.1.1 语音识别的类型和问题 242
7.1.2 语音识别的基本过程 244
7.2.1 语音识别的一般方法 246
7.2 计算机语音识别原理和方法 246
7.2.2 语音识别的测度和决策 249
7.2.3 时间规整法 250
7.3 滤波器组法语音识别技术 255
7.3.1 滤波器组法语音识别原理 255
7.3.2 语音识别芯片 257
7.3.3 语音识别应用电路 262
7.3.4 微机控制语音识别系统 267
7.4.1 汉语语音识别系统分析 274
7.4 微机汉语语音识别研究 274
7.4.2 提高汉语语音识别率的硬件方法 277
7.4.3 汉语语音识别实验及其分析 280
第八章 计算机语音增强技术 284
8.1 计算机语音增强的概念和研究的意义 284
8.2 噪声度量、特性和评价 285
8.2.1 噪声的分类和度量 285
8.2.2 噪声的特性 289
8.2.3 航空噪声 291
8.2.4 噪声测量和评价 293
8.3 计算机语音增强的原理和方法 297
8.3.1 频谱减法 297
8.3.2 线性滤波法 297
8.3.3 梳状滤波法 298
8.3.4 自相关法 298
8.3.5 卡尔曼滤波法 299
8.3.6 自适应噪声抵消法 301
8.4 自适应噪声抵消法 302
8.4.1 LMS自适应滤波原理 303
8.4.2 LMS自适应滤波算法的性能分析 306
8.4.3 混合LMS算法（HLMS）及其与LMS算法的性能比较 316
8.5 自适应噪声抵消系统的实现和实验结果 318
8.5.1 自适应噪声抵消系统的组成原理 318
8.5.2 自适应噪声抵消系统的实现 321
8.5.3 自适应噪声抵消实验结果 322
9.1.1 语音技术的发展 330
9.1.2 语音技术所面临的问题 330
9.1 概述 330
第九章 计算机语音技术的新理论和新方法 330
9.1.3 语音技术系统的分类 331
9.1.4 语音系统设计的关键技术 331
9.2 隐马尔可夫模型技术 333
9.2.1 隐马尔可夫模型的定义和基本概念 333
9.2.2 隐马尔可夫模型的3个基本问题 334
9.2.3 HMM的结构和类型 337
9.2.5 显式状态驻留的HMM 338
9.2.4 HMM结构上的变化——空转移及捆绑状态 338
9.2.6 基于HMM的孤立词语音识别系统 341
9.2.7 HMM的不足及语音识别随机模型的统一框架——分段模型 343
9.3 语音的神经网络识别技术 345
9.3.1 BP网络结构 345
9.3.2 BP网络学习公式推导 346
9.3.3 Kohonen自组织网络 349
9.3.4 Kohonen网络的语音识别技术 351
9.4 HMM与自组织神经网络结合的语音识别 356
9.4.1 HMMNN（HMM与自组织神经网络）模型及学习算法 356
9.4.2 应用实验结果 358
9.5 小波分析在语音信号处理中的应用 359
9.5.1 运用小波理论的语音处理技术 360
9.5.2 小波分析技术在语音基音频率分析中的应用技术 362
9.5.3 复解析小波变换在语音信号包络提取方面的应用 366
9.5.4 甚低比特率小波子带语音压缩编码 370
9.5.5 基于小波变换和音质模型的音频编码技术 373