數字語(yǔ)音處理及MATLAB仿真（第2版）簡(jiǎn)介，目錄書(shū)摘

內容簡(jiǎn)介:

本書(shū)系統地闡述了語(yǔ)音信號處理的原理、方法、技術(shù)和應用，同時(shí)給出了部分內容對應的MATLAB仿真源程序。全書(shū)共14章，第1～6章是基本理論部分，包括語(yǔ)音信號的數字模型、語(yǔ)音信號的短時(shí)時(shí)域分析、頻域分析及倒譜分析、語(yǔ)音信號線(xiàn)性預測分析和矢量量化；第7～14章是應用部分，包括語(yǔ)音編碼、語(yǔ)音合成、語(yǔ)音識別、語(yǔ)音增強、小波分析、人工神經(jīng)網(wǎng)絡(luò )及獨立分量分析及其在語(yǔ)音信號處理中的應用、語(yǔ)音質(zhì)量評價(jià)和可懂度評價(jià)原理及實(shí)現。    本書(shū)內容全面，重點(diǎn)突出，原理闡述深入淺出，注重理論與實(shí)際應用的結合，可讀性強。    本書(shū)可以作為高等院校通信工程、電子信息工程、自動(dòng)化、計算機技術(shù)與應用等專(zhuān)業(yè)高年級本科生相關(guān)課程的教材，也可供從事語(yǔ)音信號處理研究的研究生和科研人員參考。

作者簡(jiǎn)介:

張雪英，教授，太原理工大學(xué)信息學(xué)院博士生導師，長(cháng)期以來(lái)一直從事信息處理、數字語(yǔ)音處理等方面的教學(xué)及研究工作。

目錄:第1章 緒論
1．1 語(yǔ)音信號處理的發(fā)展
1．1．1 語(yǔ)音合成
1．1．2 語(yǔ)音編碼
1．1．3 語(yǔ)音識別
1．2 語(yǔ)音信號處理的應用
1．3 語(yǔ)音信號處理的過(guò)程
1．4 MATLAB在數字語(yǔ)音信號處理中的應用
習題1
第2章 語(yǔ)音信號的數字模型
2．1 語(yǔ)音的發(fā)聲機理
2．1．1 人的發(fā)聲器官
2．1．2 語(yǔ)音生成
2．2 語(yǔ)音的聽(tīng)覺(jué)機理
2．2．1 聽(tīng)覺(jué)器官
2．2．2 聽(tīng)覺(jué)掩蔽效應
2．2．3 臨界帶寬與頻率群
2．2．4 耳蝸的信號處理機制
2．2．5 語(yǔ)音信號聽(tīng)覺(jué)模型
2．3 語(yǔ)音信號的線(xiàn)性模型
2．3．1 激勵模型
2．3．2 聲道模型
2．3．3 輻射模型
2．3．4 語(yǔ)音信號數字模型
2．4 語(yǔ)音信號的非線(xiàn)性模型
2．4．1 線(xiàn)性模型局限性
2．4．2 幾種非線(xiàn)性模型
2．4．3 非線(xiàn)性動(dòng)力學(xué)模型
2．4．4 非線(xiàn)性模型在語(yǔ)音信號處理中的應用及MATLAB實(shí)現
習題2
第3章 語(yǔ)音信號的短時(shí)時(shí)域分析
3．1 語(yǔ)音信號的預處理
3．1．1 語(yǔ)音信號的預加重處理
3．1．2 語(yǔ)音信號的加窗處理
3．2 短時(shí)平均能量
3．3 短時(shí)平均幅度函數
3．4 短時(shí)平均過(guò)零率
3．5 短時(shí)自相關(guān)分析
3．5．1 短時(shí)自相關(guān)函數
3．5．2 語(yǔ)音信號的短時(shí)自相關(guān)函數
3．5．3 修正的短時(shí)自相關(guān)函數
3．5．4 短時(shí)平均幅度差函數
3．6 基于能量和過(guò)零率的語(yǔ)音端點(diǎn)檢測
3．7 基音周期估值
3．7．1 基于短時(shí)自相關(guān)法的基音周期估值
3．7．2 基于短時(shí)平均幅度差 函數AMDF法的基音周期估值
3．7．3 基音周期估值的后處理
3．7．4 基音周期估值后處理的MATLAB實(shí)現
習題3
第4章 語(yǔ)音信號短時(shí)頻域及倒譜分析
4．1 傅里葉變換的解釋
4．1．1 短時(shí)傅里葉變換
4．1．2 窗函數的作用
4．2 濾波器的解釋
4．2．1 短時(shí)傅里葉變換的濾波器實(shí)現形式一
4．2．2 短時(shí)傅里葉變換的濾波器 實(shí)現形式二
4．3 短時(shí)綜合的濾波器組相加法
4．3．1 短時(shí)綜合的濾波器組相加法原理
4．3．2 短時(shí)綜合的濾波器組相加法的MATLAB程序實(shí)現
4．3．3 短時(shí)綜合的疊接相加法原理及MATLAB程序實(shí)現
4．4 語(yǔ)音信號的復倒譜和倒譜分析及 應用
4．4．1 復倒譜和倒譜的定義及性質(zhì)
4．4．2 復倒譜的幾種計算方法
4．4．3 倒譜的MATLAB實(shí)現
4．4．4 語(yǔ)音的倒譜分析及應用
習題4
第5章 語(yǔ)音信號線(xiàn)性預測分析
5．1 LPC的基本原理
5．1．1 LPC的實(shí)現方法
5．1．2 語(yǔ)音信號模型和LPC 之間的關(guān)系
5．1．3 模型增益G的確定
5．2 線(xiàn)性預測分析的解法
5．2．1 自相關(guān)法
5．2．2 協(xié)方差法
5．2．3 自相關(guān)法的MATLAB 實(shí)現
5．3 線(xiàn)譜對LSP分析
5．3．1 LSP的定義和特點(diǎn)
5．3．2 LPC參數到LSP參數的轉換及MATLAB實(shí)現
5．3．3 LSP參數到LPC參數的轉換及MATLAB實(shí)現
5．4 LPC的幾種推演參數
5．4．1 反射系數
5．4．2 對數面積比系數LAR
5．4．3 預測器多項式的根
5．4．4 預測誤差濾波器的沖激 響應及其自相關(guān)系數
5．4．5 LPC倒譜及其MATLAB實(shí)現
習題5
第6章 矢量量化
6．1 矢量量化基本原理
6．1．1 矢量量化的定義
6．1．2 失真測度
6．1．3 矢量量化器
6．2 最佳矢量量化器
6．3 矢量量化器的設計算法及MATLAB實(shí)現
6．3．1 LBG算法
6．3．2 初始碼書(shū)的選定與空胞腔的處理
6．3．3 已知訓練序列的LBG算法的MATLAB實(shí)現
6．3．4 樹(shù)形搜索矢量量化器
習題6
第7章 語(yǔ)音編碼原理及應用
7．1 語(yǔ)音編碼的分類(lèi)及特性
7．1．1 波形編碼
7．1．2 參數編碼
7．1．3 混合編碼
7．2 語(yǔ)音編碼性能的評價(jià)指標
7．2．1 編碼速率
7．2．2 編碼語(yǔ)音質(zhì)量評價(jià)
7．2．3 編解碼延時(shí)
7．2．4 算法復雜度
7．3 語(yǔ)音信號波形編碼
7．3．1 脈沖編碼調制PCM
7．3．2 自適應預測編碼APC
7．3．3 G．721編碼及算法實(shí)現
7．4 語(yǔ)音信號參數編碼
7．4．1 LPC聲碼器原理
7．4．2 LPC?10編碼器
7．5 語(yǔ)音信號混合編碼
7．5．1 合成分析技術(shù)和感覺(jué)加權濾波器
7．5．2 激勵模型的演變
7．5．3 G．728語(yǔ)音編碼標準簡(jiǎn)介
7．6 語(yǔ)音信號寬帶變速率編碼
習題7
第8章 語(yǔ)音合成
8．1 語(yǔ)音合成的原理及分類(lèi)
8．1．1 波形合成法
8．1．2 參數合成法
8．1．3 規則合成法
8．2 共振峰合成法
8．2．1 級聯(lián)型共振峰模型
8．2．2 并聯(lián)型共振峰模型
8．2．3 混合型共振峰模型
8．3 線(xiàn)性預測參數合成法
8．4 基音同步疊加法
8．4．1 基音同步疊加PSOLA算法原理
8．4．2 基音同步疊加PSOLA算法實(shí)現步驟
8．5 文語(yǔ)轉換系統
8．5．1 文語(yǔ)轉換系統的組成
8．5．2 漢語(yǔ)按規則合成
習題8
第9章 語(yǔ)音識別基本原理與應用
9．1 語(yǔ)音識別系統概述
9．1．1 語(yǔ)音信號預處理
9．1．2 語(yǔ)音識別特征提取
9．1．3 語(yǔ)音訓練識別模型
9．2 HMM基本原理及在語(yǔ)音識別中的應用
9．2．1 隱馬爾可夫模型
9．2．2 隱馬爾可夫模型的3個(gè)基本問(wèn)題
9．2．3 隱馬爾可夫模型用于語(yǔ)音識別
9．3 支持向量機在語(yǔ)音識別中的應用
9．3．1 支持向量機分類(lèi)原理
9．3．2 支持向量機的模型參數選擇問(wèn)題
9．3．3 支持向量機用于語(yǔ)音識別的MATLAB實(shí)現
習題9
第10章 語(yǔ)音增強原理及應用
10．1 語(yǔ)音和噪聲的主要特性
10．1．1 語(yǔ)音的主要特性
10．1．2 噪聲的特性
10．2 語(yǔ)音增強算法的分類(lèi)
10．3 單通道語(yǔ)音增強算法及MATLAB仿真實(shí)現
10．3．1 譜減法
10．3．2 維納濾波法
10．3．3 最小均方誤差估計法
10．3．4 子空間語(yǔ)音增強算法
10．4 多通道語(yǔ)音增強算法及MATLAB 仿真實(shí)現
10．4．1 陣列信號系統模型
10．4．2 麥克風(fēng)陣列近場(chǎng)模型與遠場(chǎng)模型
10．4．3 經(jīng)典麥克風(fēng)陣列的語(yǔ)音增強算法
習題10
第11章 小波分析及在語(yǔ)音信號處理中的應用
11．1 基礎理論
11．2 小波的特性
11．2．1 連續小波變換及性質(zhì)
11．2．2 離散小波變換及性質(zhì)
11．3 幾種常用的小波及特性
11．3．1 Haar小波
11．3．2 Daubechies(dbN)小波
11．3．3 Mexican Hat(Marr) 小波
11．3．4 Morlet小波
11．3．5 Meyer小波
11．4 小波變換在語(yǔ)音信號處理中的應用
11．4．1 小波分析在語(yǔ)音信號預處理的應用及MATLAB實(shí)現
11．4．2 小波分析在語(yǔ)音去噪中的應用及MATLAB 實(shí)現
習題11
第12章 人工神經(jīng)網(wǎng)絡(luò )及在語(yǔ)音信號處理中的應用
12．1 人工神經(jīng)網(wǎng)絡(luò )簡(jiǎn)介
12．2 人工神經(jīng)網(wǎng)絡(luò )構成
12．2．1 神經(jīng)元
12．2．2 網(wǎng)絡(luò )拓撲
12．2．3 網(wǎng)絡(luò )的學(xué)習算法
12．3 幾種神經(jīng)網(wǎng)絡(luò )模型及其算法
12．3．1 單層感知器
12．3．2 多層感知器
12．3．3 徑向基函數神經(jīng)網(wǎng)絡(luò )
12．3．4 自組織特征映射神經(jīng)網(wǎng)絡(luò )
12．4 神經(jīng)網(wǎng)絡(luò )在語(yǔ)音信號處理中的應用
12．4．1 RBF神經(jīng)網(wǎng)絡(luò )在語(yǔ)音識別中的應用及MATLAB 實(shí)現
12．4．2 自組織神經(jīng)網(wǎng)絡(luò )在語(yǔ)音編碼中的應用及MATLAB 實(shí)現
習題12
第13章 獨立分量分析及在語(yǔ)音信號處理中的應用
13．1 基礎理論
13．1．1 ICA的定義與數學(xué)模型
13．1．2 ICA的基本假設、不確定性及求解過(guò)程
13．1．3 ICA中信號的預處理
13．1．4 ICA的目標函數
13．1．5 ICA性能評價(jià)參數
13．2 經(jīng)典ICA算法
13．2．1 自然梯度算法
13．2．2 信息最大化法
13．2．3 快速I(mǎi)CA算法 (FASTICA)
13．3 ICA在語(yǔ)音信號處理中的應用及MATLAB實(shí)現
13．3．1 INFORMAX算法在語(yǔ)音盲信號分離中的應用及MATLAB實(shí)現
13．3．2 FASTICA算法在語(yǔ)音盲信號分離中的應用及MATLAB實(shí)現
習題13
第14章 語(yǔ)音質(zhì)量評價(jià)和可懂度評價(jià)
14．1 語(yǔ)音質(zhì)量與可懂度
14．2 語(yǔ)音質(zhì)量的主觀(guān)評價(jià)方法
14．3 語(yǔ)音可懂度的主觀(guān)評價(jià)方法
14．4 語(yǔ)音質(zhì)量客觀(guān)評價(jià)方法
14．4．1 時(shí)域和頻域分段信噪比的方法及MATLAB 實(shí)現
14．4．2 基于LPC客觀(guān)評價(jià)方法及MATLAB實(shí)現
14．4．3 語(yǔ)音質(zhì)量的感知評價(jià)方法（PESQ）及MATLAB實(shí)現
14．5 語(yǔ)音可懂度客觀(guān)評價(jià)方法
14．5．1 加權頻帶信噪比評價(jià)方法及MATLAB實(shí)現
14．5．2 歸一化協(xié)方差評價(jià)方法（NCM）及MATLAB 實(shí)現
14．5．3 短時(shí)清晰度指數評價(jià)方法(AI-ST)及MATLAB實(shí)現
習題14
附錄A 專(zhuān)業(yè)術(shù)語(yǔ)縮寫(xiě)英漢對照表
附錄B 程序索引
參考文獻