《语音处理与识别》求取 ⇩

引言1

第一章语音信号数字处理基础4

1.1 发音的生理机构与过程4

1.2汉语语音基本特性7

1.2.1 汉语语音基础8

1.2.2 元音和辅音8

1.2.3 声母和韵母10

1.2.4 音调（字调）11

1.2.5 音节（字）构成11

1.2.6 汉语的波形特征12

1.2.7 元音的频谱特性13

1.2.8 辅音的频谱特性13

1.2.9 汉语语音的韵律特性16

1.3语音信号的无损声管模型16

1.3.1 级联无损声管声波传播关系式16

1.3.2 级联无损声管与数字滤波器的关系21

1.3.3 无损声管模型的传输函数25

1.4 语音信号的数字模型30

习题35

第二章语音信号的时域处理方法39

2.1 短时平均幅度和能量39

2.2 短时平均过零率43

2.3语音的端点检测45

2.3.1 能量与过零率检测法45

2.3.2 改进的端点检测方法47

2.4 短时自关函数48

2.5 短时平均幅度差函数55

2.6基音检测时域方法56

2.6.1 并联处理方法56

2.6.2 削波修正自相关基音检测法（AUTOC）59

2.6.3 平均幅度差函数基音检测法63

2.7 语音信号的中值滤波65

习题68

第三章语音波形的数字编码74

3.1 取样和多取样率信号处理74

3.2瞬时量化器79

3.2.1 均匀量化80

3.2.2 瞬时压扩84

3.3自适应量化器87

3.3.1 前馈自适应量化器88

3.3.2 反馈自适应量化器90

3.4增量调制器93

3.4.1 线性增量调制器94

3.4.2 自适应增量调制器96

3.4.3 增量调制中的高阶预测器99

3.5差值脉冲编码调制器100

3.5.1 具有自适应量化的DPCM101

3.5.2 带自适应预测的DPCM102

3.6数字编码的直接转换106

3.6.1 LDM-PCM转换106

3.6.2 PCM-ADPCM转换107

习题108

第四章短时傅里叶分析方法114

4.1时变傅里叶变换114

4.1.1 从第一种定义来解释115

4.1.2 从第二种定义来解释117

4.1.3 Xn（ejω）的时域及频域采样率120

4.2 短时综合的滤波器组相加法123

4.3 短时综合的重叠相加法129

4.4短时频谱变化对综合结果的影响132

4.4.1 滤波器组相加法（FBS）132

4.4.2 重叠相加法（OLA）134

4.4.3 加性改变135

4.5 滤波器组设计考虑136

4.6利用FFT实现滤波器组相加法144

4.6.1 分析技术144

4.6.2 综合技术146

4.7 基音检测148

4.8综合分析法150

4.8.1 基音同步频谱分析150

4.8.2 共振峰估计152

4.8.3 声门波的基音同步估值155

4.9 通道声码器155

习题158

第五章语音信号的同态处理164

5.1同态与卷积同态系统164

5.1.1 广义叠加原理164

5.1.2 卷积同态系统168

5.2 复倒谱的性质173

5.3 特征系统D＊的实现179

5.4 语音的同态处理182

5.5 基音周期估计188

5.6 共振峰分析方法189

5.7 同态声码器193

习题195

第六章语音信号的线性预测编码200

6.1线性预测编码的基本原理201

6.1.1 自相关法205

6.1.2 协方差法207

6.1.3 模型增益的计算209

6.2解线性预测参数方程组的算法211

6.2.1 利用乔里斯基分解计算协方差法的方程组212

6.2.2 利用杜宾递推算法计算自相关法的方程组216

6.2.3 利用格型法求解线性预测系数218

6.2.4 各种算法的比较222

6.3 归一化预测误差224

6.4 选择线性预测226

6.5各种语音参数之间的关系229

6.5.1 预测器多项式的根229

6.5.2 LPC系统冲激响应的倒谱230

6.5.3 全极点系统的冲激响应230

6.5.4 冲激响应的自关函数230

6.5.5 预测器多项式的自关函数231

6.5.6 部分相关系数231

6.5.7 对数面积比系数232

6.6线性预测编码的应用232

6.6.1 利用LPC参数综合语音232

6.6.2 利用LPC参数进行基音检测234

6.6.3 利用LPC参数的共振峰分析235

6.6.4 LPC声码器236

习题238

第七章语音识别方法与系统244

7.1 语音识别的基本方法244

7.2语音识别系统的分类与组成248

7.2.1 孤立词语音识别系统249

7.2.2 连续语音数字识别系统252

7.2.3 大词汇量单字识别系统255

7.3应用于语音识别的有关技术256

7.3.1 失真测度的选择256

7.3.2 矢量量化语音识别算法262

第八章语音处理与识别的其他方法265

8.1含噪语音信号的自适应滤波265

8.1.1 自适应滤波的概念266

8.1.2 语音信号的噪声滤除267

8.1.3 噪声滤除的算法268

8.1.4 单频信号的分析269

8.1.5 噪声滤除的效果271

8.2语音的HMM模型及其在语音识别中的应用272

8.2.1 语音信号HMM的物理含义272

8.2.2 实变信号HMM模型的建立和参数估计273

8.2.3 HMM在语音识别中的应用278

8.2.4 FHMM（Fuzzy-HMM）的相应算法280

8.2.5 几种传统的识别系统282

8.2.6 基于FVQ和FHMM多人通用孤立词识别系统285

8.3几种主要的VQ及聚类方法288

8.3.1 K-Means算法291

8.3.2 Binary-Split方法292

8.3.3 MKM算法293

8.3.4 “长轴”类分裂算法294

8.3.5 FVQ方法简介295

附录关于计算机程序的说明298

程序1 线性预测分析计算机程序（AUTO-COVAR）299

程序2 数据的采样速率转换程序（SRO）305

程序3 HMM模型的参数训练程序（trahm）311

程序4 复倒谱聚类分析的计算机程序（MKMdmce）318

参考文献327