數(shù)字語音處理

第一章  緒論                  
 1. 1  數(shù)字語音處理研究的內(nèi)容                  
 1. 2  語音處理的發(fā)展歷史                  
 1. 3  本書的內(nèi)容                  
 第二章  語音信號產(chǎn)生的數(shù)字模型                  
 2. 1  人類的語言器官                  
 2. 2  語音產(chǎn)生過程                  
 2. 3  語音信號產(chǎn)生的數(shù)字模型                  
 2. 4  語音信號的特性                  
 2. 4. 1  語音的聲學特性                  
 2. 4. 2  語音的時間波形和頻譜特性                  
 2. 4. 3  語音信號的統(tǒng)計特性                  
 2. 5  人類的聽覺功能                  
 第三章  語音波形的數(shù)字編碼                  
 3. 1  脈沖編碼調(diào)制(PCM)                  
 3. 1. 1  語音信號的取樣                  
 3. 1. 2  取樣語音信號的量化                  
 3. 1. 3  減小量化噪聲影響的方法                  
 3. 2  差分脈沖編碼調(diào)制(DPCM)                  
 3. 2. 1  DPCM原理                  
 3. 2. 2  DPCM的信噪比                  
 3. 2. 3  預測系數(shù)對差分增益的影響                  
 3. 3  增量調(diào)制(DM)                  
 3. 3. 1  DM原理                  
 3. 3. 2  DM的斜率過載失真和顆粒噪聲                  
 3. 3. 3  DM的信噪比                  
 3. 4  自適應技術(shù)在語音波形編碼中的應用                  
 3. 4. 1  一般原理                  
 3. 4. 2  自適應量化                  
 3. 4. 3  自適應增量調(diào)制(ADM)                  
 3. 4. 4  自適應線性預測                  
 3. 5  壓縮比特率的其它方法                  
 3. 5. 1  殘差信號壓縮                  
 3. 5. 2  噪聲整形                  
 3. 5. 3  多脈沖技術(shù)                  
 第四章  短時時域處理技術(shù)                  
 4. 1  語音信號的短時處理方法                  
 4. 2  短時能量和短時平均幅度                  
 4. 2. 1  短時能量                  
 4. 2. 2  短時平均幅度                  
 4. 3  短時平均過零率                  
 4. 4  短時自相關(guān)函數(shù)                  
 4. 4. 1  短時自相關(guān)函數(shù)的定義                  
 4. 4. 2  減少短時自相關(guān)函數(shù)計算量的方法                  
 4. 4. 3  語音信號的短時自相關(guān)函數(shù)的實例                  
 4. 4. 4  短時自相關(guān)函數(shù)的另一種計算方法                  
 4. 4. 5  短時平均幅度差函數(shù)                  
 4. 5  短時時域處理技術(shù)應用舉例                  
 4. 5. 1  語音段起止端點判別                  
 4. 5. 2  基音周期的估計                  
 4. 6  中值濾波在語音短時時域處理中的應用                  
 第五章  短時傅里葉分析                  
 5. 1  短時傅里葉變換的定義                  
 5. 1. 1  定義                  
 5. 1. 2  移動窗形狀對短時傅里葉變換的影響                  
 5. 1. 3  窗寬對短時頻譜的影響                  
 5. 1. 4  結(jié)論                  
 5. 2  短時傅里葉變換的某些性質(zhì)                  
 5. 3  短時傅里葉變換的線性濾波實現(xiàn)                  
 5. 4  短時傅里葉譜的取樣                  
 5. 4. 1  短時傅里葉變換的時域取樣                  
 5. 4. 2  短時傅里葉變換的頻域取樣                  
 5. 4. 3  短時傅里葉變換時域和頻域總?cè)勇?nbsp;                 
 5. 5  語音的短時合成技術(shù)                  
 5. 5. 1  語音短時合成的濾波器組相加法                  
 5. 5. 2  短時傅里葉變換的欠速率取樣                  
 5. 5. 3  語音短時合成的疊接相加法                  
 5. 5. 4  短時頻譜變化對合成結(jié)果的影響                  
 5. 6  短時分析-合成數(shù)字濾波器組的設(shè)計                  
 5. 6. 1  設(shè)計中需要考慮的實際問題                  
 5. 6. 2  IIR濾波器組的設(shè)計                  
 5. 6. 3  FIR帶通濾波器組的設(shè)計                  
 5. 7  用快速傅里葉變換進行短時傅里葉分析                  
 5. 7. 1  基本原理                  
 5. 7. 2  減少計算量的其它考慮                  
 5. 7. 3  用FFT節(jié)省短時譜合成語音信號的計算量                  
 第六章  語音信號的線性預測                  
 6. 1  線性預測基本原理                  
 6. 2  線性預測和信號模型之間的關(guān)系                  
 6. 3  Levinson-Durbin算法                  
 6. 4  格型濾波器                  
 6. 4. 1  前向預測和反向預測                  
 6. 4. 2  格型濾波器的結(jié)構(gòu)                  
 6. 4. 3  格型濾波器的性質(zhì)                  
 6. 5  由已知數(shù)據(jù)計算預測系數(shù)的方法                  
 6. 5. 1  自相關(guān)法或Yule-Walker法                  
 6. 5. 2  協(xié)方差法                  
 6. 5. 3  Burg法                  
 6. 6  線性預測的頻域解釋                  
 6. 6. 1  最小預測誤差                  
 6. 6. 2  線性預測譜匹配性質(zhì)                  
 6. 7  線性預測模型的局限性                  
 6. 7. 1  基音頻率對預測系數(shù)的影響                  
 6. 7. 2  高頻損失問題                  
 6. 8  線性預測分析應用舉例                  
 6. 8. 1  基音檢測                  
 6. 8. 2共振峰估計                  
 6. 9  對數(shù)面積比(LAR)參數(shù)                  
 第七章  語音信號的同態(tài)濾波和倒譜分析                  
 7. 1  廣義疊加原理                  
 7. 2  卷積同態(tài)系統(tǒng)                  
 7. 3  復倒譜的定義                  
 7. 3. 1  復對數(shù)的多值性問題                  
 7. 3. 2  X(z)的解析性問題                  
 7. 4  復倒譜的性質(zhì)和計算方法                  
 7. 4. 1  復倒譜的性質(zhì)                  
 7. 4. 2  復倒譜的計算方法                  
 7. 5  語音的倒譜分析                  
 第八章  矢量量化                  
 8. 1  矢量量化基本原理                  
 8. 1. 1  矢量量化過程                  
 8. 1. 2  失真的測度                  
 8. 1. 3  碼本的設(shè)計                  
 8. 1. 4  計算量和存貯量的估計                  
 8. 1. 5  幾個例子                  
 8. 2  矢量量化器的理論性能                  
 8. 2. 1  率-失真理論                  
 8. 2. 2  率-失真理論的一些結(jié)果                  
 8. 2. 3  標量量化                  
 8. 2. 4  矢量量化的一些理論結(jié)果                  
 8. 3  矢量源的標量量化和矢量量化                  
 8. 3. 1  比特分配                  
 8. 3. 2  相關(guān)源的矢量旋轉(zhuǎn)                  
 8. 3. 3  標量量化和矢量量化的比較                  
 8. 4  減少矢量量化中計算量和存貯量的方法                  
 8. 4. 1  二叉樹搜索                  
 8. 4. 2  多級矢量量化                  
 8. 4. 3  乘積碼                  
 8. 5  碼本的訓練和測試                  
 8. 6  碼本的魯棒性                  
 8. 7  時間依賴矢量量化                  
 8. 7. 1  選幀傳送                  
 8. 7. 2  分段量化                  
 8. 7. 3  自適應矢量量化器                  
 8. 8  語音波形矢量量化                  
 8. 8. 1  波形標量量化                  
 8. 8. 2  波形矢量量化                  
 第九章  隱馬爾柯夫模型(HMM)                  
 9. 1  隱馬爾柯夫模型的定義                  
 9. 1. 1  信號模型                  
 9. 1. 2  離散馬爾柯夫過程                  
 9. 1. 3  隱馬爾柯夫模型的概念                  
 9. 1. 4  隱馬爾柯夫模型的參數(shù)                  
 9. 2  隱馬爾柯夫模型的三個基本問題                  
 9. 2. 1  三個基本問題的提出                  
 9. 2. 2  第1個問題的求解                  
 9. 2. 3  第2個問題的求解                  
 9. 2. 4  第3個問題的求解                  
 9. 3  隱馬爾柯夫模型的類型                  
 9. 3. 1  隱馬爾柯夫模型中的連續(xù)觀測密度                  
 9. 3. 2  自回歸隱馬爾柯夫模型                  
 9. 3. 3  隱馬爾柯夫模型的變型                  
 9. 3. 4  含有狀態(tài)持續(xù)時間密度顯函數(shù)的隱馬爾柯夫模型                  
 9. 3. 5  最佳判據(jù)                  
 9. 3. 6  隱馬爾柯夫模型的比較                  
 9. 4  隱馬爾柯夫模型的實現(xiàn)問題                  
 9. 4. 1  定標                  
 9. 4. 2  多個觀測序列                  
 9. 4. 3  隱馬爾柯夫模型參數(shù)的初始估計                  
 9. 4. 4  訓練數(shù)據(jù)不夠的影響                  
 9. 4. 5  模型選擇                  
 第十章  數(shù)字語音處理的應用                  
 10. 1  語音壓縮                  
 10. 1. 1  聲碼器的基本結(jié)構(gòu)                  
 10. 1. 2  通道聲碼器                  
 10. 1. 3  共振峰聲碼器                  
 10. 1. 4  線性預測編碼聲碼器                  
 10. 1. 5  矢量量化在語音壓縮中的應用                  
 10. 2  語音合成                  
 10. 2. 1  以單詞為基礎(chǔ)的合成方法                  
 10. 2. 2  以音節(jié)為基礎(chǔ)的合成方法                  
 10. 2. 3  以音素為基礎(chǔ)的合成方法                  
 10. 2. 4  語音合成器芯片和語音合成系統(tǒng)                  
 10. 3  浯音識別                  
 10. 3. 1  孤立單詞語音識別                  
 10. 3. 2  線性時間歸一化                  
 10. 3. 3  非線性時間歸一化                  
 10. 3. 4  采用DTW的孤立單詞語音識別                  
 10. 3. 5  隱馬爾柯夫模型在孤立單詞語音識別中的應用                  
 10. 3. 6  連續(xù)語音識別                  
 10. 4  語音增強                  
 參考文獻