胡航《语音信号处理(第4版)》- 买旧书上有路

内容提要

本书系统地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，同时介绍了本门学科的背景知识、发展概况、研究现状、应用前景和发展趋势与方向。既着重基本理论、方法的阐述，又着重新方法和新技术。全书分3篇共17章，其中第1篇语音信号处理基础，包括第1章绪论，第2章语音信号处理的基础知识；第2篇语音信号分析，包括第3章至第9章，介绍语音信号的各种分析方法和技术，包括时域分析、短时傅里叶分析、同态滤波及倒谱分析、线性预测分析、矢量量化技术、隐马尔可夫模型技术以及语音检测分析；第3篇语音信号处理技术与应用，包括第 10章至第17章，分别介绍语音编码(1)——波形编码、语音编码(2)——声码器技术及混合编码、语音合成、语音识别、说话人识别、语音增强、神经网络在语音信号处理中的应用及语音信号处理中的一些新兴与前沿技术。

第1篇语音信号处理基础
第1章绪论
1．1 语音信号处理
1．2 语音信号处理的发展概况
1．3 本书的内容
第2章基础知识
2．1 概述
2．2 语音产生的过程
2．3 语音信号的特性
2．4 语音信号产生的数字模型
2．5 语音感知
第2篇语音信号分析
第3章时域分析
3．1 概述
3．2 数字化和预处理
3．3 短时能量分析
3．4 短时过零分析
3．5 短时相关分析
第4章短时傅里叶分析
4．1 概述
4．2 短时傅里叶变换
4．3 短时傅里叶变换的取样率
4．4 语音信号的短时综合
4．5 语谱图
第5章同态滤波及倒谱分析
5．1
5．2 同态信号处理的基本原理
5．3 复倒谱和倒谱
5．4 两个卷积分量复倒谱的性质
5．5 避免相位卷绕的算法
5．6 语音信号复倒谱分析实例
第6章线性预测分析
6．1 概述
6．2 线性预测分析的基本原理
6．3 线性预测方程组的建立
6．4 线性预测分析的解法(1)——自相关法和协方差法
6．5 线性预测分析的解法(2)——格型法
6．6 线性预测分析应用——IPC谱估计和IPC复倒谱
6．7 线谱对(ISP)分析
6．8 极零模型
第7章矢量量化
7．1 概述
7．2 矢量量化的基本原理
7．3 失真测度
7．4 *佳矢量量化器和码本的设计
7．5 降低复杂度的矢量量化系统
7．6 语音参数的矢量量化
第8章隐马尔可夫模型(13MM)
8．1 概述
8．2 隐马尔可夫模型的引人
8．3 隐马尔可夫模型的定义
8．4 隐马尔可夫模型三项问题的求解
8．5 HMM的一些实际问题
第9章语音检测分析
9．1 基音检测
9．2 共振峰估值
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
10．1 概述
10．2 语音信号的压缩编码原理
10．3 脉冲编码调制(PCM)及其自适应
10．4 预测编码及其自适应APC
10．5 自适应差分脉冲编码调制(ADPCM)及自适应增量调制(ADM)
10．6 子带编码(SBC)
10．7 自适应变换编码(ATC)
第11章语音编码(2)——声码器技术及混合编码
11．1 概述
11．2 声码器的基本结构
11．3 相位声码器和通道声码器
11．4 同态声码器
11．5 线性预测声码器
11．6 混合编码
11．7 各种语音编码方法的比较及语音编码研究方向
11．8 语音编码的性能指标和质量评价
第12章语音合成
12．1 概述
12．2 语音合成原理
12．3 共振峰合成
12．4 线性预测合成
12．5 专用语音合成硬件及语音合成器芯片
第13章语音识别
13．1 概述
13．2 语音识别原理
13．3 动态时间规整
13．4 有限状态矢量量化技术
13．5 孤立词识别系统
13．6 连续语音识别
13．7 听觉视觉双模态语音识别(AVSR)
第14章说话人识别
14．1 概述
14．2 特征选取
14．3 说话人识别系统的结构
14．4 说话人识别中的识别方法
第15章语音增强
15．1 概述
15．2 语音特性、人耳感知特性及噪声特性
15．3 滤波器法
15．4 非线性处理
15．5 减谱法
15．6 自相关相减法
15．7 自适应噪声对消
15．8 基于子波分析技术的语音增强简介
第16章人工神经网络的应用
16．1 概述
16．2 神经网络的基本概念
16．3 神经网络的模型结构
16．4 神经网络与传统方法的结合
16．5 神经网络语音合成
16．6 神经网络语音识别
16．7 神经网络说话人识别
16．8 神经网络语音增强
第17章语音信号处理中的新兴与前沿技术
17．1 混沌理论的应用
17．2 分形理论的应用
17．3 支持向量机(SVM)在语音识别和说话人识别中的应用
17．4 语音信号的非线性预测(N1P)编码