本书介绍了语音信号处理的基础、原理、方法和应用,以及该学科领域近年来取得的一些新的研究成果和技术。全书共分14章,包括绪论、语音信号处理基础知识、语音信号分析、矢量量化技术、隐马尔可夫模型、神经网络在语音信号处理中的应用、语音编码、语音合成、语音识别、说话人识别与语种辨识、语音转换与语音隐藏、语音信号中的情感信息处理、耳语音信号处理、语音增强等内容。
本书可作为高等院校教材或教学参考用书,也可供从事语音信号处理等领域的工程技术人员参考。

第3章 语音信号分析
3.1 概述
语音信号分析是语音信号处理的前提和基础,只有分析出可表示语音信号本质特征的参数,才有可能利用这些参数进行**的语音通信、语音合成和语音识别等处理,况且语音合成的音质好坏和语音识别率的高低,也都取决于对语音信号分析的准确性和**性。因此,语音信号分析在语音信号处理应用中具有举足轻重的地位。
贯穿于语音分析全过程的是“短时分析技术”。因为从整体来看,语音信号的特性及表征其本质特征的参数均是随时间而变化的,所以它是一个非平稳态过程,不能用处理平稳信号的数字信号处理技术对其进行分析处理。但是,由于不同的语音是由人的口腔肌肉运动构成声道某种形状而产生的响应,而这种口腔肌肉运动相对于语音频率来说是非常缓慢的,所以从另一方面看,虽然语音信号具有时变特性,但是在一个短时间范围内(一般认为在10~30ms的短时间内),其特性基本保持不变,即相对稳定,因而可以将其看做一个准稳态过程,即语音信号具有短时平稳性。所以任何语音信号的分析和处理必须建立在“短时”的基础上,即进行“短时分析”,将语音信号分为一段一段来分析其特征参数,其中每一段称为一“帧”,帧长一般取为10~30ms。这样,对于整体的语音信号来讲,分析出的是由每一帧特征参数组成的特征参数时间序列。
根据所分析出的参数性质的不同,可将语音信号分析分为时域分析、频域分析、倒频域分析等;根据分析方法的不同,又可将语音信号分析分为模型分析方法和非模型分析方法两种。时域分析方法具有简单、计算量小、物理意义明确等优点,但由于语音信号*重要的感知特性反映在功率谱中,而相位变化只起着很小的作用,所以相对于时域分析来说,频域分析更为重要。
……

出版说明
前言
第1章 绪论
第2章 语音信号处理基础知识
2.1 语音和语言
2.2 汉语语音学
2.2.1 汉语语音的特点
2.2.2 汉语的拼音方法
2.2.3 汉语音节的一般结构
2.2.4 汉语声母的结构
2.2.5 汉语韵母的结构
2.2.6 声母和韵母的相互作用——音征互载
2.2.7 汉语的声调
2.3 语音生成系统和语音感知系统
2.3.1 语音发音系统
2.3.2 语音听觉系统
2.4 语音信号生成的数学模型
2.4.1 激励模型
2.4.2 声道模型
2.4.3 辐射模型
2.4.4 语音信号的数学模型
2.5 语音信号的特性分析
2.5.1 语音信号的时域波形和频谱特性
2.5.2 语音信号的语谱图
2.5.3 语音信号的统计特性
2.6 思考与复习题
第3章 语音信号分析
3.1 概述
3.2 语音信号的数字化和预处理
3.2.1 预滤波、采样、A/D转换
3.2.2 预处理
3.3 语音信号的时域分析
3.3.1 短时能量及短时平均幅度分析
3.3.2 短时过零率分析
3.3.3 短时相关分析
3.3.4 短时平均幅度差函数
3.4 语音信号的频域分析
3.4.1 利用短时傅里叶变换求语音的短时谱
3.4.2 语音的短时谱的临界带特征矢量
3.5 语音信号的倒谱分析
3.5.1 同态信号处理的基本原理
3.5.2 复倒谱和倒谱
3.5.3 语音信号倒谱分析实例
3.6 语音信号的线性预测分析
3.6.1 线性预测分析的基本原理
3.6.2 线性预测方程组的求解
3.6.3 LPC谱估计和LPC复倒谱
3.6.4 线谱对分析
3.7 语音信号的小波分析
3.7.1 傅里叶变换
3.7.2 短时傅里叶变换
3.7.3 连续小波变换
3.7.4 离散小波变换
3.7.5 小波变换的几个实例
3.8 基音周期估计
3.8.1 自相关法
3.8.2 平均幅度差函数法
3.8.3 并行处理法
3.8.4 倒谱法
3.8.5 简化逆滤波法
3.8.6 小波变换法
3.8.7 基音检测的后处理
3.9 共振峰估计
……
第4章 矢量量化技术
第5章 隐马尔可夫模型
第6章 人工神经网络初步
第7章 语音编码
第8章 语音合成
第9章 语音识别
第10章 说话人识别与语种辨识
第11章 语音转换与语音隐藏
第12章 语音信号中的情感信息处理
第13章 耳语音信号处理
第14章 语音增强
附录A 语音信号LPC美尔倒谱系数(LPCMCC)分析程序
附录B 利用HMM的孤立字(词)语音识别程序
附录C 汉英名词术语对照
参考文献