第1篇 語音信號處理基礎 第1章 緒論 1．1 語音信號處理 1．2 語音信號處理的發展概況 1．3 本書的內容 第2章 基礎知識 2．1 概述 2．2 語音產生的過程 2．3 語音信號的特性 2．4 語音信號產生的數字模型 2．5 語音感知第2篇 語音信號分析 第3章 時域分析 3．1 概述 3．2 數字化和預處理 3．3 短時能量分析 3．4 短時過零分析 3．5 短時相關分析 第4章 短時傅里葉分析 4．1 概述 4．2 短時傅里葉變換 4．3 短時傅里葉變換的取樣率 4．4 語音信號的短時綜合 4．5 語譜圖 第5章 同態濾波及倒譜分析 5．1 5．2 同態信號處理的基本原理 5．3 復倒譜和倒譜 5．4 兩個卷積分量復倒譜的性質 5．5 避免相位卷繞的算法 5．6 語音信號復倒譜分析實例 第6章 線性預測分析 6．1 概述 6．2 線性預測分析的基本原理 6．3 線性預測方程組的建立 6．4 線性預測分析的解法(1)——自相關法和協方差法 6．5 線性預測分析的解法(2)——格型法 6．6 線性預測分析應用——IPC譜估計和IPC復倒譜 6．7 線譜對(ISP)分析 6．8 極零模型 第7章 矢量量化 7．1 概述 7．2 矢量量化的基本原理 7．3 失真測度 7．4 *佳矢量量化器和碼本的設計 7．5 降低復雜度的矢量量化系統 7．6 語音參數的矢量量化 第8章 隱馬爾可夫模型(13MM) 8．1 概述 8．2 隱馬爾可夫模型的引人 8．3 隱馬爾可夫模型的定義 8．4 隱馬爾可夫模型三項問題的求解 8．5 HMM的一些實際問題 第9章 語音檢測分析 9．1 基音檢測 9．2 共振峰估值第3篇 語音信號處理技術與應用 第10章 語音編碼(1)——波形編碼 10．1 概述 10．2 語音信號的壓縮編碼原理 10．3 脈沖編碼調制(PCM)及其自適應 10．4 預測編碼及其自適應APC 10．5 自適應差分脈沖編碼調制(ADPCM)及自適應增量調制(ADM) 10．6 子帶編碼(SBC) 10．7 自適應變換編碼(ATC) 第11章 語音編碼(2)——聲碼器技術及混合編碼 11．1 概述 11．2 聲碼器的基本結構 11．3 相位聲碼器和通道聲碼器 11．4 同態聲碼器 11．5 線性預測聲碼器 11．6 混合編碼 11．7 各種語音編碼方法的比較及語音編碼研究方向 11．8 語音編碼的性能指標和質量評價 第12章 語音合成 12．1 概述 12．2 語音合成原理 12．3 共振峰合成 12．4 線性預測合成 12．5 專用語音合成硬件及語音合成器芯片 第13章 語音識別 13．1 概述 13．2 語音識別原理 13．3 動態時間規整 13．4 有限狀態矢量量化技術 13．5 孤立詞識別系統 13．6 連續語音識別 13．7 聽覺視覺雙模態語音識別(AVSR) 第14章 說話人識別 14．1 概述 14．2 特征選取 14．3 說話人識別系統的結構 14．4 說話人識別中的識別方法 第15章 語音增強 15．1 概述 15．2 語音特性、人耳感知特性及噪聲特性 15．3 濾波器法 15．4 非線性處理 15．5 減譜法 15．6 自相關相減法 15．7 自適應噪聲對消 15．8 基于子波分析技術的語音增強簡介 第16章 人工神經網絡的應用 16．1 概述 16．2 神經網絡的基本概念 16．3 神經網絡的模型結構 16．4 神經網絡與傳統方法的結合 16．5 神經網絡語音合成 16．6 神經網絡語音識別 16．7 神經網絡說話人識別 16．8 神經網絡語音增強 第17章 語音信號處理中的新興與前沿技術 17．1 混沌理論的應用 17．2 分形理論的應用 17．3 支持向量機(SVM)在語音識別和說話人識別中的應用 17．4 語音信號的非線性預測(N1P)編碼漢英名詞術語對照參考文獻