語音信號處理(第2版)（簡體書）

《高等院校信息與通信工程系列教材：語音信號處理（第2版）》系統地介紹語音信號處理的基礎、概念、原理、方法與應用，以及該學科領域取得的新進展。全書共分9章，其中第1章緒論，介紹語音信號處理及其發展過程。第2章介紹語音產生與人類聽覺的機理，傳統的線性語音產生模型，以及近年來剛剛興起的非線性語音產生模型。第3章從語音信號的時域特徵入手，引入時頻分析的思想，並進一步闡述時頻分析中短時傅裡葉變換和小波變換在語音信號特徵分析中的應用，最後對廣泛使用的倒譜特徵以及同態解卷積進行介紹。第4章介紹語音信號的線性預測原理、解法、幾種推演方法以及線譜對分析法。第5章介紹語音編碼的相關知識，包括語音的波形編碼、線性預測編碼、極低速率語音編碼技術，以及相關編碼器的性能指標和評測方法。第6章介紹語音識別的基本內容，從基於矢量量化的識別技術到動態時間歸正的識別技術，再到隱馬爾可夫模型的識別技術，從孤立詞識別到連接詞識別及連續語音識別技術，再到關鍵詞檢出技術，最後還介紹近年來興起的一些語音識別應用技術，包括語言學模型的自適應、htk應用以及lattice結構和混淆網絡等。第7章介紹說話人識別的基本原理，主要包括說話人的特徵選取、說話人識別的主要方法，以及近年來備受關注的gmm-ubm模型、開集說話人識別的規整技術等。第8章介紹近年來發展迅速的頑健語音識別技術，從影響語音識別性能的環境變化因素分析開始，介紹噪聲環境下頑健語音識別技術，以及變異語音識別的技術。第9章介紹語音合成的基本原理、線性預測合成、共振峰合成以及漢語按規則合成，以及最近興起的基於hmm合成技術等內容。
《高等院校信息與通信工程系列教材：語音信號處理（第2版）》可作為高等院校計算機應用、信號與信息處理、通信與電子系統等專業及學科的高年級本科生、研究生教材，也可供該領域的科研及工程技術人員參考。

韓紀慶，哈爾濱工業大學計算機科學與技術學院教授、博士生導師。兼任國家自然科學基金委信息學部自動化學科會議評審專家、國家科學技術獎勵評審專家、中國中文信息學會理事及語音處理專委會副主任、全國人機語音通訊學術會議常設機構委員會副主席、《中文信息學報》編委、《數據采集與處理》雜誌編委。長期從事語音信號處理、音頻信息處理等領域的教學與科研工作。作為項目負責人，在研和完成的國家自然科學基金重點項目1項、面上項目5項、國家973計劃課題1項、教育部“跨世紀優秀人才培養計劃”基金1項，以及其他科研項目10余項。獲省部級科技二等獎3項，三等獎2項。獲國家發明專利7項。已在國內外刊物和會議上發表論文180餘篇，著書3部。

《語音信號處理(第2版)》在系統歸納和總結多年教學與科研經驗的基礎上，以語音信號處理過程的總體框架為線索，全面闡述了語音信號的前端處理技術、語音編碼技術、語音識別與說話人識別技術。以及語音合成技術。相對于本書第1版，本版補充了語音信號處理領域的前沿理論和技術成果。以利于讀者充分了解最新的學術發展動態；同時，書中也敘述了當前語音識別領域廣泛采用的HTK工具箱的使用技巧，以幫助讀者掌握相關實踐手段。本書由韓紀慶等編著。

第1章 緒論
1.1 語音信號處理的發展
1.2 語音信號處理的應用
1.3 語音信號處理的總體結構
參考文獻

第2章 語音信號的聲學基礎及產生模型
2.1 語音信號的產生
2.1.1 語音的發音器官
2.1.2 語音的聲學特徵
2.1.3 語音信號在時域和頻域的表示
2.1.4 漢語中語音的分類
2.1.5 漢語語音的韻律特性
2.2 語音信號的感知
2.2.1 聽覺系統
2.2.2 聽覺特性
2.2.3 掩蔽效應
2.3 語音信號的線性產生模型
2.3.1 激勵模型
2.3.2 聲道模型
2.3.3 輻射模型
2.4 語音信號的非線性產生模型
2.4.1 調頻-調幅模型的基本原理
2.4.2 teager能量算子
2.4.3 能量分離算法
2.4.4 調頻-調幅模型的應用
參考文獻

第3章 語音信號的特徵分析
3.1 語音信號數字化
3.1.1 語音信號的採樣和量化
3.1.2 短時加窗處理
3.2 語音信號的時域分析
3.2.1 短時能量分析
3.2.2 短時平均過零率
3.2.3 短時自相關函數和短時平均幅度差函數
3.2.4 端點檢測和語音分割
3.3 語音信號的頻域分析
3.3.1 濾波器組方法
3.3.2 傅裡葉頻譜分析
3.4 傳統傅裡葉變換缺點及時頻分析的思想
3.4.1 信號的時頻表示
3.4.2 不確定原理
3.5 gabor變換
3.6 小波變換在語音信號分析中的應用
3.6.1 小波的數學表示及意義
3.6.2 小波分析特點
3.6.3 小波變換的多分辨分析
3.6.4 小波變換在語音處理中應用
3.7 語音信號的同態解卷積
3.7.1 同態信號處理的基本原理
3.7.2 語音信號的複倒譜
3.7.3 避免相位捲繞的算法
3.7.4 基於聽覺特性的mel頻率倒譜系數
3.8 語音信號特徵應用
3.8.1 基音週期估計
3.8.2 共振峰的估計
參考文獻

第4章 語音信號的線性預測分析
4.1 線性預測的基本原理
4.2 線性預測方程組的解法
4.2.1 自相關法
4.2.2 協方差法
4.2.3 格型法
4.2.4 幾種求解線性預測方法的比較
4.3 線性預測的幾種推演參數
4.3.1 歸一化自相關函數
4.3.2 反射係數
4.3.3 預測器多項式的根
4.3.4 lpc倒譜
4.3.5 全極點系統的衝激響應及其自相關函數
4.3.6 預測誤差濾波器的衝激響應及其自相關函數
4.3.7 對數面積比係數
4.4 線譜對分析法
4.4.1 線譜對分析的原理
4.4.2 線譜對參數的求解
4.5 感知線性預測plp係數
參考文獻

第5章 語音編碼
5.1 波形編碼
5.1.1 均勻量化pcm
5.1.2 非均勻量化pcm
5.1.3 自適應量化pcm
5.1.4 差分脈衝編碼
5.1.5 自適應差分脈衝編碼
5.1.6 增量調製和自適應增量調製
5.1.7 子帶編碼
5.1.8 自適應變換域編碼
5.2 參數編碼和混合編碼
5.2.1 參數編碼
5.2.2 基於全極點語音產生模型的混合編碼
5.2.3 基於正弦模型的混合編碼
5.3 極低速率語音編碼技術
5.3.1 400bps~1.2kbps的聲碼器
5.3.2 識別合成型聲碼器
5.4 語音編碼器的性能指標和質量評測方法
5.4.1 編碼速率
5.4.2 頑健性
5.4.3 時延
5.4.4 計算複雜度和算法的可擴展性
5.4.5 語音質量及其評價方法
5.5 語音編碼國際標準
5.6 感知音頻編碼
5.6.1 感知編碼的一般框架
5.6.2 心理聲學模型
5.6.3 常用的感知編碼標準
參考文獻

第6章 語音識別
6.1 概述
6.2 基於矢量量化的識別技術
6.2.1 k-means矢量量化算法
6.2.2 lbg算法
6.3 動態時間歸正的識別技術
6.3.1 dtw基本原理
6.3.2 模板訓練算法
6.4 隱馬爾可夫模型技術
6.4.1 hmm基本思想
6.4.2 hmm基本算法
6.4.3 hmm算法實現中的問題
6.4.4 關於hmm訓練的幾點考慮
6.5 連接詞語音識別技術
6.5.1 連接詞識別問題的一般描述
6.5.2 二階動態規劃算法
6.5.3 分層構築方法
6.6 大詞表連續語音識別中的聲學模型和語言學模型
6.6.1 聲學模型
6.6.2 統計語言學模型
6.6.3 統計語言學模型平滑技術
6.6.4 語言學模型自適應技術
6.7 大詞表連續語音識別中的解碼技術
6.7.1 圖的基本搜索算法
6.7.2 面向語音識別的搜索算法
6.8 大詞表連續語音識別後處理技術
6.8.1 語音識別中間結果的表示形式
6.8.2 錯誤處理
6.8.3 最小字錯誤率解碼方法
6.9 基於hmm的自適應技術
6.9.1 基於bayesian理論的自適應方法
6.9.2 基於變換的自適應方法
6.10 關鍵詞檢出技術
6.10.1 問題描述
6.10.2 關鍵詞檢出系統的組成
6.10.3 垃圾模型建模方法
6.10.4 語音解碼器的設計
6.10.5 關鍵詞確認過程
6.10.6 關鍵詞檢出系統性能優化
6.11 語音識別的應用技術
6.11.1 語音信息檢索
6.11.2 發音學習技術
6.11.3 基於語音的情感處理
6.11.4 網絡環境下的語音識別
6.11.5 嵌入式語音識別技術
6.12 htk工具介紹
6.12.1 數據準備階段
6.12.2 模型訓練階段
6.12.3 識別階段
參考文獻

第7章 說話人識別
7.1 概述
7.2 說話人識別的特徵選取
7.2.1 特徵參數的評價方法
7.2.2 說話人識別系統中常用的特徵
7.3 說話人識別的主要方法
7.3.1 與文本有關的識別方法
7.3.2 與文本無關的識別方法
7.3.3 文本提示型的識別方法
7.4 閾值的選取
7.5 得分規整
7.5.1 零規整（zero normalization）
7.5.2 測試規整（test normalization）
7.5.3 說話人自適應的測試規整
7.5.4 tz-norm
7.5.5 h-norm
7.5.6 c-norm
7.6 引入區分判別模型的說話人識別
7.6.1 svm
7.6.2 基於svm的說話人識別
7.6.3 基於gmm得分的svm說話人識別
7.6.4 基於gmm均值超矢量的svm說話人識別
7.7 複雜信道下的說話人識別
7.7.1 特徵映射
7.7.2 說話人模型合成
7.7.3 擾動屬性投影
7.7.4 聯合因子分析
7.8 說話人識別中有待解決的問題
參考文獻

第8章 頑健語音識別技術
8.1 概述
8.2 影響語音識別性能的環境變化因素
8.3 噪聲環境下的頑健語音識別技術
8.3.1 基於語音增強的方法
8.3.2 通道畸變的抑制方法
8.3.3 基於模型的補償方法
8.4 變異語音識別方法
8.4.1 變異語音的分析
8.4.2 變異語音的分類
8.4.3 變異語音的識別
參考文獻

第9章 語音合成
9.1 語音合成的基本原理
9.2 參數合成方法
9.2.1 線性預測合成方法
9.2.2 共振峰合成方法
9.3 波形拼接合成技術
9.3.1 td-psola算法
9.3.2 fd-psola算法
9.4 漢語按規則合成
9.4.1 韻律規則
9.4.2 多音節協同發音規則合成
9.4.3 輕聲音節規則合成
9.4.4 兒化音節的規則合成
9.5 基於hmm的參數化語音合成技術
9.5.1 基於hmm參數語音合成系統的訓練
9.5.2 基於hmm參數語音合成系統的合成階段
參考文獻