目 录__eol__第一篇 语音信号处理基础__eol__ __eol__第1章 绪论 1__eol__1.1 语音信号处理的发展历史 1__eol__1.2 语音信号处理的主要研究内容及__eol__ 发展概况 3__eol__1.3 本书的内容 7__eol__思考与复习题 8__eol__第2章 语音信号处理的基础知识 9__eol__2.1 概述 9__eol__2.2 语音产生的过程 9__eol__2.3 语音信号的特性 12__eol__2.3.1 语言和语音的基本特性 12__eol__2.3.2 语音信号的时间波形和频谱特性 13__eol__2.3.3 语音信号的统计特性 15__eol__2.4 语音产生的线性模型 16__eol__2.4.1 激励模型 17__eol__2.4.2 声道模型 18__eol__2.4.3 辐射模型 20__eol__2.4.4 语音信号数字模型 20__eol__2.5 语音产生的非线性模型 21__eol__2.5.1 FM-AM模型的基本原理 22__eol__2.5.2 Teager能量算子 22__eol__2.5.3 能量分离算法 23__eol__2.5.4 FM-AM模型的应用 24__eol__2.6 语音感知 24__eol__2.6.1 听觉系统 24__eol__2.6.2 神经系统 25__eol__2.6.3 语音感知 26__eol__思考与复习题 29__eol__ __eol__第二篇 语音信号分析__eol__ __eol__第3章 时域分析 30__eol__3.1 概述 30__eol__3.2 数字化和预处理 31__eol__3.2.1 取样率和量化字长的选择 31__eol__3.2.2 预处理 33__eol__3.3 短时能量分析 34__eol__3.4 短时过零分析 36__eol__3.5 短时相关分析 39__eol__3.5.1 短时自相关函数 39__eol__3.5.2 修正的短时自相关函数 40__eol__3.5.3 短时平均幅差函数 41__eol__3.6 语音端点检测 42__eol__3.6.1 双门限前端检测 43__eol__3.6.2 多门限过零率前端检测 43__eol__3.6.3 基于FM-AM模型的端点检测 43__eol__3.7 基于高阶累积量的语音端点检测 44__eol__3.7.1 噪声环境下的端点检测 44__eol__3.7.2 高阶累积量与高阶谱 44__eol__3.7.3 基于高阶累积量的端点检测 46__eol__思考与复习题 48__eol__第4章 短时傅里叶分析 50__eol__4.1 概述 50__eol__4.2 短时傅里叶变换 50__eol__4.2.1 短时傅里叶变换的定义 50__eol__4.2.2 傅里叶变换的解释 51__eol__4.2.3 滤波器的解释 54__eol__4.3 短时傅里叶变换的取样率 55__eol__4.4 语音信号的短时综合 56__eol__4.4.1 滤波器组求和法 56__eol__4.4.2 FFT求和法 58__eol__4.5 语谱图 59__eol__思考与复习题 61__eol__第5章 倒谱分析与同态滤波 62__eol__5.1 概述 62__eol__5.2 同态信号处理的基本原理 62__eol__5.3 复倒谱和倒谱 63__eol__5.4 语音信号两个卷积分量复倒谱的性质 64__eol__5.4.1 声门激励信号 64__eol__5.4.2 声道冲激响应序列 65__eol__5.5 避免相位卷绕的算法 66__eol__5.5.1 微分法 67__eol__5.5.2 最小相位信号法 67__eol__5.5.3 递推法 69__eol__5.6 语音信号复倒谱分析实例 70__eol__5.7 Mel频率倒谱系数 72__eol__思考与复习题 73__eol__第6章 线性预测分析 74__eol__6.1 概述 74__eol__6.2 线性预测分析的基本原理 74__eol__6.2.1 基本原理 74__eol__6.2.2 语音信号的线性预测分析 75__eol__6.3 线性预测方程组的建立 76__eol__6.4 线性预测分析的解法(1)—自相关和__eol__ 协方差法 77__eol__6.4.1 自相关法 78__eol__6.4.2 协方差法 79__eol__6.4.3 自相关和协方差法的比较 80__eol__6.5 线性预测分析的解法(2)—格型法 81__eol__6.5.1 格型法基本原理 81__eol__6.5.2 格型法的求解 83__eol__6.6 线性预测分析的应用—LPC谱估计和__eol__ LPC复倒谱 85__eol__6.6.1 LPC谱估计 85__eol__6.6.2 LPC复倒谱 87__eol__6.6.3 LPC谱估计与其他谱分析方法的__eol__ 比较 88__eol__6.7 线谱对(LSP)分析 89__eol__6.7.1 线谱对分析原理 89__eol__6.7.2 线谱对参数的求解 91__eol__6.8 极零模型 91__eol__思考与复习题 93__eol__第7章 语音信号的非线性分析 94__eol__7.1 概述 94__eol__7.2 时频分析 94__eol__7.2.1 短时傅里叶变换的局限 95__eol__7.2.2 时频分析 96__eol__7.3 小波分析 97__eol__7.3.1 概述 97__eol__7.3.2 小波变换的定义 97__eol__7.3.3 典型的小波函数 99__eol__7.3.4 离散小波变换 100__eol__7.3.5 小波多分辨分析与Mallat算法 100__eol__7.4 基于小波的语音分析 101__eol__7.4.1 语音分解与重构 101__eol__7.4.2 清/浊音判断 102__eol__7.4.3 语音去噪 102__eol__7.4.4 听觉系统模拟 103__eol__7.4.5 小波包变换在语音端点检测中的应用 103__eol__7.5 混沌与分形 104__eol__7.6 基于混沌的语音分析 105__eol__7.6.1 语音信号的混沌性 105__eol__7.6.2 语音信号的相空间重构 106__eol__7.6.3 语音信号的Lyapunov指数 108__eol__7.6.4 基于混沌的语音、噪声判别 109__eol__7.7 基于分形的语音分析 110__eol__7.7.1 概述 110__eol__7.7.2 语音信号的分形特征 110__eol__7.7.3 基于分形的语音分割 111__eol__7.8 压缩感知 113__eol__7.9 语音信号的压缩感知 114__eol__7.9.1 语音信号的稀疏性 114__eol__7.9.2 语音压缩感知的实现 114__eol__7.9.3 需要进一步解决的问题 116__eol__思考与复习题 117__eol__第8章 语音声学参数检测与估计 118__eol__8.1 基音估计 118__eol__8.1.1 自相关法 119__eol__8.1.2 并行处理法 121__eol__8.1.3 倒谱法 122__eol__8.1.4 简化逆滤波法 124__eol__8.1.5 高阶累积量法 127__eol__8.1.6 小波变换法 127__eol__8.1.7 基音检测的后处理 128__eol__8.2 共振峰估计 129__eol__8.2.1 带通滤波器组法 129__eol__8.2.2 DFT法 130__eol__8.2.3 倒谱法 131__eol__8.2.4 LPC法 133__eol__8.2.5 FM-AM模型法 134__eol__思考与复习题 135__eol__第9章 矢量量化 136__eol__9.1 概述 136__eol__9.2 矢量量化的基本原理 137__eol__9.3 失真测度 138__eol__9.3.1 欧氏距离—均方误差 139__eol__9.3.2 LPC失真测度 139__eol__9.3.3 识别失真测度 141__eol__9.4 最佳矢量量化器和码本的设计 141__eol__9.4.1 矢量量化器最佳设计的两个条件 141__eol__9.4.2 LBG算法 142__eol__9.4.3 初始码书生成 142__eol__9.5 降低复杂度的矢量量化系统 143__eol__9.5.1 无记忆的矢量量化系统 144__eol__9.5.2 有记忆的矢量量化系统 146__eol__9.6 语音参数的矢量量化 148__eol__9.7 智能信息处理在矢量量化中的应用策略 149__eol__思考与复习题 150__eol__第10章 隐马尔可夫模型 151__eol__10.1 概述 151__eol__10