语音信号处理实用教程PDF|Epub|txt|kindle电子书版本网盘下载

语音信号处理实用教程PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 语音信号处理基础篇2

第1章 绪论2

1.1语音信号处理概述2

1.2语音信号处理的发展3

1.3语音信号处理的应用5

1.4本书内容7

思考与练习7

第2章 语音信号处理的基础知识8

2.1语音和语言8

2.2语音产生的过程及其声学特性9

2.2.1语音的发音器官9

2.2.2人类语音的产生过程10

2.2.3共振峰频率11

2.3语音信号的声学特性12

2.3.1语音信号的物理属性12

2.3.2语音信号的统计特性13

2.3.3语音信号的时间波形和频谱特性14

2.4语音信号产生的数字模型15

2.4.1激励模型16

2.4.2声道模型17

2.4.3辐射模型21

2.4.4完整的语音信号数字模型21

2.5人类的听觉功能22

2.5.1听觉器官22

2.5.2听觉感知23

2.5.3声音三要素24

2.5.4听觉掩蔽效应26

思考与练习28

第2篇 语音信号处理分析篇31

第3章 语音信号的时域分析31

3.1语音信号的数字化和预处理31

3.1.1采样和量化32

3.1.2预处理34

3.1.3语音信号的加窗处理36

3.2短时能量分析38

3.2.1短时平均能量38

3.2.2短时平均幅度41

3.3短时过零分析42

3.4短时相关分析45

3.4.1短时自相关函数46

3.4.2修正的短时自相关函数49

3.4.3短时平均幅度差函数50

3.5基音周期估值51

3.5.1基于短时自相关法的基音周期估值51

3.5.2基于短时平均幅度差函数AMDF法的基音周期估值54

3.5.3基音周期估值的后处理54

思考与练习57

第4章 语音信号的频域分析58

4.1短时傅里叶变换的定义58

4.2短时傅里叶变换的两种解释59

4.2.1标准傅里叶变换的解释59

4.2.2滤波器的解释61

4.3短时傅里叶变换的采样率63

4.3.1时域采样率63

4.3.2频域采样率63

4.3.3总采样率64

4.4语音信号的短时综合65

4.4.1滤波器组求和法65

4.4.2快速傅里叶变换求和法68

4.5语谱图70

思考与练习71

第5章 语音信号的同态处理72

5.1卷积同态处理的基本原理72

5.2复倒谱和倒谱74

5.2.1复倒谱74

5.2.2倒谱75

5.3语音信号的复倒谱76

5.3.1声门激励信号的复倒谱76

5.3.2声道冲激响应序列的复倒谱77

5.4复倒谱的几种计算方法78

5.4.1微分法79

5.4.2最小相位信号法80

5.4.3递推法82

5.5语音的倒谱分析及应用83

5.5.1语音同态滤波系统构成83

5.5.2语音的倒谱分析原理84

5.5.3语音的倒谱应用86

思考与练习89

第6章 语音信号的线性预测分析90

6.1线性预测分析的基本原理90

6.1.1信号模型91

6.1.2语音信号的线性预测模型92

6.2线性预测方程的建立93

6.3线性预测分析的经典解法95

6.3.1自相关法95

6.3.2协方差法97

6.3.3自相关法和协方差法的比较99

6.4格型法99

6.4.1格型法的基本原理100

6.4.2格型法的求解101

6.5线谱对LSP分析104

6.5.1 LSP的定义和特点104

6.5.2 LPC参数到LSP参数的转换107

6.5.3 LSP参数到LPC参数的转换108

6.6导抗谱对ISP分析109

6.6.1 ISP的定义和特点109

6.6.2 LPC与ISP参数间的转换112

6.7 LPC导出的其他语音参数112

6.7.1反射系数112

6.7.2对数面积比系数LAR112

6.7.3 LPC倒谱系数LPCC113

6.8 LPC分析的频域解释114

6.8.1最小预测误差的频域解释114

6.8.2 LPC谱估计115

思考与练习117

第7章 语音信号的矢量量化120

7.1矢量量化的基本原理120

7.1.1矢量量化的定义121

7.1.2矢量量化系统的工作过程122

7.1.3矢量量化与标量量化的比较123

7.1.4失真测度123

7.2最佳矢量量化器126

7.2.1最佳划分126

7.2.2最佳码书126

7.3矢量量化器的设计算法127

7.3.1 LBG算法127

7.3.2初始码书的生成129

7.3.3空胞腔的处理130

7.4降低复杂度的矢量量化系统131

7.4.1树形搜索矢量量化器131

7.4.2多级矢量量化器134

7.4.3波形/增益矢量量化器135

7.4.4分离均值矢量量化器136

7.4.5有记忆的矢量量化器136

7.5语音参数的矢量量化138

思考与练习139

第8章 隐马尔可夫模型141

8.1隐马尔可夫模型的引入141

8.2隐马尔可夫模型的定义144

8.3隐马尔可夫模型的计算146

8.3.1概率Pr[Y/λ]的计算146

8.3.2 HMM的识别147

8.3.3 HMM的训练147

8.4 HMM的各种结构类型148

8.4.1 A矩阵参数分类148

8.4.2 B矩阵参数分类149

8.4.3其他一些特殊的HMM形式149

8.5 HMM的一些实际问题150

8.5.1下溢问题150

8.5.2参数的初始化问题150

8.5.3 B矩阵参数的选择150

思考与练习151

第9章 语音信号检测分析152

9.1基音提取152

9.1.1自相关法154

9.1.2并行处理法157

9.1.3倒谱法158

9.1.4简化逆滤波法159

9.2共振峰估值161

9.2.1带通滤波器组法162

9.2.2离散傅里叶变换（DFT）163

9.2.3倒谱法164

9.2.4 LPC法165

思考与练习166

第3篇 语音信号处理应用篇168

第10章 语音编码168

10.1语音信号的压缩编码原理168

10.1.1语音压缩的基本原理169

10.1.2语音通信中的语音质量169

10.1.3语音编码的分类170

10.2语音编码性能的评价指标171

10.2.1编码速率171

10.2.2编码质量171

10.2.3编解码延时173

10.2.4算法复杂度173

10.3语音信号波形编码173

10.3.1脉冲编码调制PCM174

10.3.2自适应预测编码APC185

10.3.3自适应差分脉冲编码调制ADPCM188

10.3.4子带编码SBC193

10.3.5变换编码TC195

10.4语音信号参数编码203

10.4.1声码器的工作原理204

10.4.2相位声码器205

10.4.3通道声码器207

10.4.4共振峰声码器209

10.4.5同态声码器209

10.4.6线性预测声码器211

10.5语音信号混合编码217

10.5.1合成分析技术218

10.5.2感觉加权滤波器218

10.5.3激励模型的改进219

10.5.4 G.728语音编码标准简介223

10.6语音信号宽带变速率编码224

10.7各种语音编码方法的比较225

10.7.1波形编码的信号压缩技术225

10.7.2波形编码和声码器的比较226

10.7.3各种声码器的比较226

思考与练习227

第11章 语音合成229

11.1概述229

11.2语音合成原理230

11.2.1波形合成法230

11.2.2参数合成法231

11.2.3规则合成法232

11.3语音合成系统的特性233

11.3.1合成单元233

11.3.2合成参数234

11.3.3合成音质234

11.4共振峰合成235

11.4.1共振峰合成原理235

11.4.2级联型共振峰模型237

11.4.3并联型共振峰模型238

11.4.4共振峰合成实例238

11.5线性预测合成239

11.6基音同步叠加法242

11.6.1算法原理242

11.6.2算法实现步骤244

11.7文语转换系统245

11.7.1文语转换系统的组成245

11.7.2汉语按规则合成246

11.8语音合成技术的应用246

11.8.1语音合成的典型应用246

11.8.2专用语音合成硬件及语音合成器芯片248

思考与练习250

第12章 语音识别251

12.1概述251

12.2语音识别原理254

12.3动态时间规整263

12.4有限状态矢量量化技术265

12.4.1 FSVO原理及FSVQ声码器265

12.4.2 FSVQ语音识别器266

12.5孤立词识别系统267

12.6连续语音识别271

12.6.1识别基元的选择与切分271

12.6.2发音变化及音征提取272

12.6.3训练及新的识别方法272

12.6.4基于HMM统一框架的大词汇量非特定人连续语音识别272

思考与练习274

第13章 说话人识别276

13.1概述276

13.2特征选取277

13.2.1说话人识别所用特征278

13.2.2特征类型的优选准则279

13.3说话人识别系统的结构280

13.4说话人识别中的识别方法281

13.4.1模板匹配法281

13.4.2概率统计方法282

13.4.3动态时间规整方法282

13.4.4矢量量化方法283

13.4.5隐马尔可夫模型方法284

13.4.6人工神经网络方法284

13.5声纹识别应用前景285

13.5.1声纹识别特性285

13.5.2声纹识别应用285

13.5.3声纹识别未来285

思考与练习285

第14章 语音增强286

14.1概述286

14.2语音特性、人耳感知特性及噪声特性287

14.2.1语音特性287

14.2.2人耳感知特性288

14.2.3噪声特性288

14.3语音增强算法290

14.3.1参数方法290

14.3.2非参数方法290

14.3.3统计方法290

14.3.4其他方法291

14.4滤波器法292

14.4.1固定滤波器292

14.4.2自适应滤波292

14.4.3变换技术293

14.5非线性处理语音增强293

14.5.1中心削波294

14.5.2同态滤波法294

14.6谱减法294

14.6.1谱减法的原理294

14.6.2谱减法的改进形式295

14.6.3谱减法语音增强的仿真实现297

14.7自相关相减法298

14.8自适应噪声对消299

14.8.1自适应滤波299

14.8.2具有参考信号的自适应噪声对消299

14.8.3利用延迟来建立参考信号的自适应噪声对消301

思考与练习302

第15章 语音处理的实时实现303

15.1可编程DSP芯片应用基础303

15.1.1 DSP的发展历程303

15.1.2 DSP芯片的特点304

15.1.3 DSP芯片的分类304

15.1.4 DSP芯片的基本结构305

15.1.5常用DSP芯片简介306

15.1.6 DSP芯片的应用308

15.2基于DSP的语音处理系统308

15.2.1基于DSP的实时语音处理系统的构成308

15.2.2基于DSP的实时语音处理系统的特点309

15.2.3基于DSP的实时语音处理系统的设计过程309

15.3 DSP CCS集成开发环境310

15.3.1 DSP的开发工具310

15.3.2 CCS概述310

15.3.3 CCS的构成312

15.4基于TMS320C5409的实时语音识别系统315

15.4.1硬件介绍315

15.4.2软件设计321

15.4.3独立系统形成323

思考与练习323

附录 汉英名词术语对照324

参考文献337