现代语音信号处理理论与技术

第1章 绪论 1

1.1 语音信号处理的发展历史 1

1.2 语音信号处理的主要研究内容及

发展概况 3

1.3 本书的内容 7

思考与复习题 8

第2章 语音信号处理的基础知识 9

2.1 概述 9

2.2 语音产生的过程 9

2.3 语音信号的特性 12

2.3.1 语言和语音的基本特性 12

2.3.2 语音信号的时间波形和频谱特性 13

2.3.3 语音信号的统计特性 15

2.4 语音产生的线性模型 16

2.4.1 激励模型 17

2.4.2 声道模型 18

2.4.3 辐射模型 20

2.4.4 语音信号数字模型 20

2.5 语音产生的非线性模型 21

2.5.1 FM-AM模型的基本原理 22

2.5.2 Teager能量算子 22

2.5.3 能量分离算法 23

2.5.4 FM-AM模型的应用 24

2.6 语音感知 24

2.6.1 听觉系统 24

2.6.2 神经系统 25

2.6.3 语音感知 26

思考与复习题 29

第二篇 语音信号分析

第3章 时域分析 30

3.1 概述 30

3.2 数字化和预处理 31

3.2.1 取样率和量化字长的选择 31

3.2.2 预处理 33

3.3 短时能量分析 34

3.4 短时过零分析 36

3.5 短时相关分析 39

3.5.1 短时自相关函数 39

3.5.2 修正的短时自相关函数 40

3.5.3 短时平均幅差函数 41

3.6 语音端点检测 42

3.6.1 双门限前端检测 43

3.6.2 多门限过零率前端检测 43

3.6.3 基于FM-AM模型的端点检测 43

3.7 基于高阶累积量的语音端点检测 44

3.7.1 噪声环境下的端点检测 44

3.7.2 高阶累积量与高阶谱 44

3.7.3 基于高阶累积量的端点检测 46

思考与复习题 48

第4章 短时傅里叶分析 50

4.1 概述 50

4.2 短时傅里叶变换 50

4.2.1 短时傅里叶变换的定义 50

4.2.2 傅里叶变换的解释 51

4.2.3 滤波器的解释 54

4.3 短时傅里叶变换的取样率 55

4.4 语音信号的短时综合 56

4.4.1 滤波器组求和法 56

4.4.2 FFT求和法 58

4.5 语谱图 59

思考与复习题 61

第5章 倒谱分析与同态滤波 62

5.1 概述 62

5.2 同态信号处理的基本原理 62

5.3 复倒谱和倒谱 63

5.4 语音信号两个卷积分量复倒谱的性质 64

5.4.1 声门激励信号 64

5.4.2 声道冲激响应序列 65

5.5 避免相位卷绕的算法 66

5.5.1 微分法 67

5.5.2 小相位信号法 67

5.5.3 递推法 69

5.6 语音信号复倒谱分析实例 70

5.7 Mel频率倒谱系数 72

思考与复习题 73

第6章 线性预测分析 74

6.1 概述 74

6.2 线性预测分析的基本原理 74

6.2.1 基本原理 74

6.2.2 语音信号的线性预测分析 75

6.3 线性预测方程组的建立 76

6.4 线性预测分析的解法(1)—自相关和

协方差法 77

6.4.1 自相关法 78

6.4.2 协方差法 79

6.4.3 自相关和协方差法的比较 80

6.5 线性预测分析的解法(2)—格型法 81

6.5.1 格型法基本原理 81

6.5.2 格型法的求解 83

6.6 线性预测分析的应用—LPC谱估计和

LPC复倒谱 85

6.6.1 LPC谱估计 85

6.6.2 LPC复倒谱 87

6.6.3 LPC谱估计与其他谱分析方法的

比较 88

6.7 线谱对(LSP)分析 89

6.7.1 线谱对分析原理 89

6.7.2 线谱对参数的求解 91

6.8 极零模型 91

思考与复习题 93

第7章 语音信号的非线性分析 94

7.1 概述 94

7.2 时频分析 94

7.2.1 短时傅里叶变换的局限 95

7.2.2 时频分析 96

7.3 小波分析 97

7.3.1 概述 97

7.3.2 小波变换的定义 97

7.3.3 典型的小波函数 99

7.3.4 离散小波变换 100

7.3.5 小波多分辨分析与Mallat算法 100

7.4 基于小波的语音分析 101

7.4.1 语音分解与重构 101

7.4.2 清/浊音判断 102

7.4.3 语音去噪 102

7.4.4 听觉系统模拟 103

7.4.5 小波包变换在语音端点检测中的应用 103

7.5 混沌与分形 104

7.6 基于混沌的语音分析 105

7.6.1 语音信号的混沌性 105

7.6.2 语音信号的相空间重构 106

7.6.3 语音信号的Lyapunov指数 108

7.6.4 基于混沌的语音、噪声判别 109

7.7 基于分形的语音分析 110

7.7.1 概述 110

7.7.2 语音信号的分形特征 110

7.7.3 基于分形的语音分割 111

7.8 压缩感知 113

7.9 语音信号的压缩感知 114

7.9.1 语音信号的稀疏性 114

7.9.2 语音压缩感知的实现 114

7.9.3 需要进一步解决的问题 116

思考与复习题 117

第8章 语音声学参数检测与估计 118

8.1 基音估计 118

8.1.1 自相关法 119

8.1.2 并行处理法 121

8.1.3 倒谱法 122

8.1.4 简化逆滤波法 124

8.1.5 高阶累积量法 127

8.1.6 小波变换法 127

8.1.7 基音检测的后处理 128

8.2 共振峰估计 129

8.2.1 带通滤波器组法 129

8.2.2 DFT法 130

8.2.3 倒谱法 131

8.2.4 LPC法 133

8.2.5 FM-AM模型法 134

思考与复习题 135

第9章 矢量量化 136

9.1 概述 136

9.2 矢量量化的基本原理 137

9.3 失真测度 138

9.3.1 欧氏距离—均方误差 139

9.3.2 LPC失真测度 139

9.3.3 识别失真测度 141

9.4 矢量量化器和码本的设计 141

9.4.1 矢量量化器设计的两个条件 141

9.4.2 LBG算法 142

9.4.3 初始码书生成 142

9.5 降低复杂度的矢量量化系统 143

9.5.1 无记忆的矢量量化系统 144

9.5.2 有记忆的矢量量化系统 146

9.6 语音参数的矢量量化 148

9.7 智能信息处理在矢量量化中的应用策略 149

思考与复习题 150

第10章 隐马尔可夫模型 151

10.1 概述 151

10.2 隐马尔可夫模型的引入 152

10.3 隐马尔可夫模型的定义 154

10.4 隐马尔可夫模型三个问题的求解 155

10.4.1 概率的计算 156

10.4.2 HMM的识别 158

10.4.3 HMM的训练 159

10.4.4 EM算法 160

10.5 HMM的选取 161

10.5.1 HMM的类型选择 161

10.5.2 输出概率分布的选取 162

10.5.3 状态数的选取 162

10.5.4 初值选取 162

10.5.5 训练准则的选取 164

10.6 HMM应用与实现中的一些问题 165

10.6.1 数据下溢 165

10.6.2 多输出(观察矢量序列)情况 165

10.6.3 训练数据不足 166

10.6.4 考虑状态持续时间的HMM 167

10.7 HMM的结构和类型 169

10.7.1 HMM的结构 169

10.7.2 HMM的类型 171

10.7.3 按输出形式分类 172

10.8 HMM的相似度比较 173

思考与复习题 174

第三篇 语音信号处理技术与应用

第11章 语音编码 175

11.1 概述 175

11.2 语音信号的压缩编码原理 177

11.2.1 语音压缩的基本原理 177

11.2.2 语音通信中的语音质量 178

11.2.3 两种压缩编码方式 179

11.3 语音信号的波形编码 179

11.3.1 PCM及APCM 179

11.3.2 预测编码及自适应预测编码 182

11.3.3 ADPCM及ADM 184

11.3.4 子带编码(SBC) 186

11.3.5 自适应变换编码(ATC) 188

11.4 声码器 190

11.4.1 概述 190

11.4.2 声码器的基本结构 191

11.4.3 通道声码器 191

11.4.4 同态声码器 193

11.5 LPC声码器 194

11.5.1 LPC参数的变换与量化 195

11.5.2 LPC-10 196

11.5.3 LPC-10e 197

11.5.4 变帧率LPC声码器 198

11.6 各种常规语音编码方法的比较 198

11.6.1 波形编码的信号压缩技术 198

11.6.2 波形编码与声码器的比较 199

11.6.3 各种声码器的比较 199

11.7 基于LPC模型的混合编码 200

11.7.1 混合编码采用的技术 201

11.7.2 MPLPC 203

11.7.3 RPELPC 206

11.7.4 CELP 207

11.7.5 CELP的改进形式 210

11.7.6 基于分形码本的CELP 212

11.8 基于正弦模型的混合编码 213

11.8.1 正弦变换编码 214

11.8.2 多带激励(MBE)编码 214

11.9 极低速率语音编码 216

11.9.1 （400～1.2k）b/s数码率的声码器 216

11.9.2 识别-合成型声码器 217

11.10 语音压缩感知编码 218

11.11 语音编码的性能指标 219

11.12 语音编码的质量评价 220

11.12.1 主观评价方法 221

11.12.2 客观评价方法 222

11.12.3 主客观评价方法的结合 225

11.12.4 基于多重分形的语音质量评价 226

11.13 语音编码国际标准 227

11.14 语音编码与图像编码的关系 227

小结 228

思考与复习题 229

第12章 语音合成 230

12.1 概述 230

12.2 语音合成原理 231

12.2.1 语音合成的方法 231

12.2.2 语音合成的系统特性 233

12.3 共振峰合成 233

12.3.1 共振峰合成原理 233

12.3.2 共振峰合成实例 235

12.4 LPC合成 236

12.5 PSOLA语音合成 238

12.5.1 概述 238

12.5.2 PSOLA的原理 238

12.5.3 PSOLA的实现 239

12.5.4 PSOLA的改进 241

12.5.5 PSOLA语音合成系统的发展 241

12.6 文语转换系统 242

12.6.1 组成与结构 242

12.6.2 文本分析 242

12.6.3 韵律控制 244

12.6.4 语音合成 246

12.6.5 TTS系统的一些问题 247

12.7 基于HMM的参数化语音合成 248

12.8 语音合成的发展趋势 252

12.9 语音合成硬件简介 253

思考与复习题 254

第13章 语音识别 255

13.1 概述 255

13.2 语音识别原理 258

13.3 动态时间规整 262

13.4 基于有1