智能語音處理

前言
第1章　智能語音處理導論1
　11　概述1
　12　經(jīng)典語音處理2
　　　121　語音處理的發(fā)展2
　　　122　語音基本表示方法3
　　　123　語音處理基本方法3
　　　124　經(jīng)典語音處理方法的不足4
　13　智能語音處理5
　　　131　智能語音處理的基本概念5
　　　132　智能語音處理的基本框架5
　　　133　智能語音處理的基本模型6
　14　語音處理的應用7
　　　141　語音處理的傳統(tǒng)應用領域8
　　　142　語音處理的新應用領域11
　15　小結14
　參考文獻14
第2章　稀疏和壓縮感知15
　21　引言15
　22　稀疏和稀疏表示16
　　　221　稀疏16
　　　222　稀疏表示18
　23　冗余字典19
　　　231　基本概念19
　　　232　字典學習20
　　　233　字典學習算法22
　　　234　原子選擇算法25
　24　壓縮感知27
　　　241　基本概念27
　　　242　壓縮感知模型29
　　　243　觀測矩陣30
　　　244　信號重構32
　25　小結33
　參考文獻33
第3章　隱變量模型36
　31　引言36
　32　高斯混合模型36
　　　321　基本概念37
　　　322　GMM參數(shù)估計37
　33　隱馬爾可夫模型39
　　　331　基本概念39
　　　332　HMM關鍵問題42
　34　高斯過程隱變量模型48
　　　341　基本模型48
　　　342　GPLVM的理論來源49
　　　343　GPLVM模型訓練50
　35　小結51
　參考文獻51
第4章　組合模型52
　41　引言52
　42　主成分分析53
　　　421　基本模型53
　　　422　求解算法54
　43　非負矩陣分解56
　　　431　基本模型56
　　　432　求解算法57
　　　433　NMF與其他數(shù)據(jù)表示模型的關系58
　44　魯棒組合模型60
　　　441　組合模型的魯棒性分析61
　　　442　魯棒主成分分析61
　　　443　魯棒非負矩陣分解63
　45　小結64
　參考文獻64
第5章　人工神經(jīng)網(wǎng)絡和深度學習65
　51　引言65
　52　神經(jīng)網(wǎng)絡基礎66
　　　521　神經(jīng)元模型66
　　　522　淺層神經(jīng)網(wǎng)絡67
　　　523　深度神經(jīng)網(wǎng)絡68
　53　深度學習69
　　　531　基本概念和形式69
　　　532　深度網(wǎng)絡的學習方法70
　54　深度神經(jīng)網(wǎng)絡的典型結構71
　　　541　深度置信網(wǎng)絡71
　　　542　自動編碼器與棧式自動編碼器72
　　　543　卷積神經(jīng)網(wǎng)絡74
　　　544　循環(huán)神經(jīng)網(wǎng)絡75
　　　545　生成式對抗網(wǎng)絡77
　55　小結79
　參考文獻79
第6章　語音壓縮編碼81
　61　引言81
　62　基于字典學習的語音信號壓縮感知82
　　　621　語音信號的稀疏性82
　　　622　語音在常見變換域的稀疏化83
　　　623　基于K-L展開的語音非相干字典84
　　　624　基于K-L非相干字典的語音壓縮重構87
　　　625　實驗仿真與性能分析88
　63　基于梅爾倒譜系數(shù)重構的語音壓縮編碼93
　　　631　基于梅爾倒譜分析的抗噪語音編碼模型94
　　　632　基于稀疏約束的梅爾倒譜合成96
　　　633　梅爾倒譜系數(shù)的量化算法99
　　　634　實驗仿真與性能分析103
　64　基于深度學習的語音壓縮編碼107
　　　641　基于DAE的幅度譜編碼和量化107
　　　642　基于DAE的低速率語音編碼110
　　　643　實驗仿真與性能分析111
　65　小結113
　參考文獻113
第7章　語音增強115
　71　引言115
　72　語音增強技術基礎116
　　　721　語音增強的估計參數(shù)116
　　　722　智能語音增強的語音特征117
　　　723　性能評價118
　73　基于非負矩陣分解的語音增強120
　　　731　基本模型121
　　　732　基于不相交約束非負矩陣分解的語音增強122
　　　733　基于CNMF字典學習的語音增強127
　74　基于深度學習的語音增強136
　　　741　基于聽覺感知加權的深度神經(jīng)網(wǎng)絡語音增強方法136
　　　742　基于聽覺感知掩蔽的深度神經(jīng)網(wǎng)絡語音增強方法141
　75　小結151
　參考文獻152
第8章　語音轉換155
　81　引言155
　82　語音轉換基本原理155
　83　語音轉換模型與評價156
　　　831　語音分析/合成模型156
　　　832　語音參數(shù)的選擇157
　　　833　時間對齊157
　　　834　轉換模型和規(guī)則158
　　　835　轉換性能評價159
　84　基于非負矩陣分解的譜轉換160
　　　841　概述160
　　　842　基于卷積非負矩陣分解的譜轉換161
　　　843　聲道譜轉換效果164
　85　基于深度神經(jīng)網(wǎng)絡的譜轉換168
　　　851　深度學習驅動下的語音轉換168
　　　852　面向譜轉換的神經(jīng)網(wǎng)絡模型選擇168
　　　853　基于BLSTM和神經(jīng)網(wǎng)絡聲碼器交替訓練的語音轉換171
　86　小結176
　參考文獻176
第9章　說話人識別178
　91　引言178
　92　說話人識別基礎179
　　　921　說話人識別系統(tǒng)框架179
　　　922　典型的說話人識別模型180
　93　基于i-vector的說話人識別及其改進181
　　　931　基于i-vector的說話人識別概述181
　　　932　用于提高i-vector魯棒性的幀加權方法182
　　　933　實驗結果與分析187
　94　基于深度神經(jīng)網(wǎng)絡的說話人識別187
　　　941　基于深度神經(jīng)網(wǎng)絡的說話人識別概述187
　　　942　基于對比度損失函數(shù)優(yōu)化說話人矢量189
　　　943　實驗結果與分析191
　95　說話人識別系統(tǒng)的攻擊與防御192
　　　951　攻擊和防御的背景192
　　　952　說話人識別系統(tǒng)的攻擊方法192
　　　953　說話人識別攻擊的檢測方法194
　　　954　實驗結果與分析196
　96　小結196
　參考文獻197
第10章　骨導語音增強200
　101　引言200
　102　骨導語音增強基礎201
　　　　1021　骨導語音的產(chǎn)生與特性201
　　　　1022　骨導語音盲增強的特點202
　　　　1023　骨導語音盲增強的典型方法203
　103　基于長短時記憶網(wǎng)絡的骨導語音盲增強205
　　　　1031　骨導/氣導語音的譜映射206
　　　　1032　基于深度殘差BLSTM的骨導語音盲增強方法207
　　　　1033　實驗仿真及性能分析211
　104　基于均衡-生成組合譜映射的骨導語音盲增強215
　　　　1041　均衡法215
　　　　1042　基于均衡-生成組合譜映射的骨導語音盲增強方法216
　　　　1043　實驗仿真及性能分析218
　105　小結222
　參考文獻223
第11章　智能語音處理展望224
　111　智能語音處理的未來224
　112　有待解決的關鍵技術225
　　　　1121　語音識別226
　　　　1122　語音合成228
　　　　1123　語音增強229
　　　　1124　語音處理中的安全問題230
　113　小結230
　參考文獻230
縮略語232