本書是作者繼1978年出版的經(jīng)典教材《語音信號(hào)的數(shù)字處理》之后的又一著作,全書除有簡(jiǎn)練精辟的基礎(chǔ)知識(shí)介紹外,系統(tǒng)講解了近30年來語音信號(hào)處理的新理論、新方法和在應(yīng)用上的新進(jìn)展。全書共14章,分四部分:第一部分介紹語音信號(hào)處理基礎(chǔ)知識(shí),主要包括數(shù)字信號(hào)處理基礎(chǔ)、語音產(chǎn)生機(jī)理、(人的)聽覺和聽感知機(jī)理,以及聲道中的聲傳播原理;第二部分介紹語音信號(hào)的時(shí)、頻域表示和分析;第三部分介紹語音參數(shù)估計(jì)方法;第四部分介紹語音信號(hào)處理的應(yīng)用,主要包括語音編碼、語音和音頻信號(hào)的頻域編輯、語音合成、語音識(shí)別及自然語言理解。
Lawrence R. Rabiner: 美國工程院和美國科學(xué)院院士,美國聲學(xué)學(xué)會(huì)、IEEE、貝爾實(shí)驗(yàn)室、AT&T會(huì)士,以及Eta Kappa Nu、Sigma Xi、Tau Beta Pi等榮譽(yù)學(xué)會(huì)會(huì)員。曾擔(dān)任美國聲學(xué)學(xué)會(huì)副主席、IEEE Trans、ASSP主編和IEEE Proceedings編委。主要研究方向包括通信、控制與信號(hào)處理、數(shù)字信號(hào)處理、數(shù)字語音處理、多媒體通信、多模態(tài)處理、Rabiner教授于2002年從AT&T退休,隨后擔(dān)任羅格斯大學(xué)和加州大學(xué)圣巴巴拉分校教授,及羅格斯大學(xué)先進(jìn)信息處理中心副主任。
劉加,清華大學(xué)教授,主要從事數(shù)字信號(hào)處理與數(shù)字語音信號(hào)處理的教學(xué)與研究工作,發(fā)表論文多篇,在教學(xué)與研究方面獲得多面榮譽(yù)。主要研究方向?yàn)樾盘?hào)與信號(hào)處理,語音通信等。
第1章 數(shù)字語音處理介紹 1
1.1 語音信號(hào) 2
1.2 語音堆 5
1.3 數(shù)字語音處理的應(yīng)用 6
1.3.1 語音編碼 6
1.3.2 文語轉(zhuǎn)換合成 7
1.3.3 語音識(shí)別和其他模式匹配問題 7
1.3.4 其他語音應(yīng)用 8
1.4 參考文獻(xiàn)評(píng)論 9
1.5 小結(jié) 10
第2章 數(shù)字信號(hào)處理基礎(chǔ)回顧 11
2.1 引言 11
2.2 離散時(shí)間信號(hào)與系統(tǒng) 11
2.3 信號(hào)與系統(tǒng)的變換表示 13
2.3.1 連續(xù)時(shí)間傅里葉變換 14
2.3.2 z變換 14
2.3.3 離散時(shí)間傅里葉變換 16
2.3.4 離散傅里葉變換 17
2.3.5 DTFT的采樣 18
2.3.6 DFT的性質(zhì) 19
2.4 數(shù)字濾波器基礎(chǔ) 20
2.4.1 FIR系統(tǒng) 20
2.4.2 FIR濾波器設(shè)計(jì)方法 21
2.4.3 FIR濾波器實(shí)現(xiàn) 23
2.4.4 IIR系統(tǒng) 23
2.4.5 IIR濾波器設(shè)計(jì)方法 23
2.4.6 IIR系統(tǒng)的實(shí)現(xiàn) 24
2.4.7 關(guān)于FIR和IIR濾波器設(shè)計(jì)
方法的說明 27
2.5 采樣 27
2.5.1 采樣原理 27
2.5.2 語音和音頻波形的采樣率 28
2.5.3 改變采樣信號(hào)的采樣率 29
2.5.4 抽取 29
2.5.5 插值 32
2.5.6 非整數(shù)采樣率變化 33
2.5.7 FIR濾波器的優(yōu)點(diǎn) 34
2.6 小結(jié) 34
習(xí)題 34
第3章 人類語音產(chǎn)生基礎(chǔ) 42
3.1 引言 42
3.2 語音產(chǎn)生過程 42
3.2.1 語音產(chǎn)生機(jī)理 42
3.2.2 語音特征與語音波形 46
3.2.3 語音生成的聲學(xué)理論 49
3.3 語音的短時(shí)傅里葉表示 50
3.4 聲音語音學(xué) 53
3.4.1 元音 55
3.4.2 雙元音 60
3.4.3 聲音的辨音特質(zhì) 60
3.4.4 半元音 61
3.4.5 鼻音 62
3.4.6 清擦聲 64
3.4.7 濁擦音 65
3.4.8 濁塞音 67
3.4.9 清塞音 67
3.4.10 破擦聲和耳語音 69
3.5 美式英語音素的辨音特質(zhì) 70
3.6 小結(jié) 70
習(xí)題 71
第4章 聽覺、聽感知模型和語音感知 80
4.1 引言 80
4.2 語言鏈 80
4.3 解剖學(xué)和耳的功能 82
4.3.1 基底膜機(jī)理 84
4.3.2 臨界頻帶 85
4.4 聲音的感知 85
4.4.1 聲音的強(qiáng)度 87
4.4.2 人的聽覺范圍 87
4.4.3 響度級(jí) 90
4.4.4 響度 91
4.4.5 音高 91
4.4.6 掩蔽效應(yīng)——音調(diào) 92
4.4.7 掩蔽效應(yīng)——噪聲 93
4.4.8 時(shí)域掩蔽效應(yīng) 94
4.4.9 語音編碼中的掩蔽效應(yīng) 95
4.4.10 參數(shù)鑒別——JND 95
4.5 聽感知模型 96
4.5.1 感知線性預(yù)測(cè) 96
4.5.2 Seneff聽感知模型 97
4.5.3 Lyon聽感知模型 99
4.5.4 整體區(qū)間直方圖方法 100
4.5.5 聽感知模型小結(jié) 101
4.6 人類語音感知實(shí)驗(yàn) 101
4.6.1 噪聲中的聲音感知 102
4.6.2 噪聲中的語音感知 103
4.7 語音質(zhì)量和可懂度測(cè)量 104
4.7.1 主觀測(cè)試 105
4.7.2 語音質(zhì)量的客觀測(cè)量 106
4.8 小結(jié) 107
習(xí)題 107
第5章 聲道中的聲音傳輸 109
5.1 語音產(chǎn)生的聲學(xué)原理 109
5.1.1 聲音傳播 109
5.1.2 例子:均勻無損聲管 110
5.1.3 聲道中損耗的影響 114
5.1.4 嘴唇的輻射影響 117
5.1.5 元音的聲道傳輸函數(shù) 120
5.1.6 鼻腔耦合的影響 123
5.1.7 聲道中聲音的激勵(lì) 123
5.1.8 基于聲學(xué)理論的模型 127
5.2 無損聲管模型 128
5.2.1 級(jí)聯(lián)無損聲管中的波形傳播 128
5.2.2 邊界條件 130
5.2.3 與數(shù)字濾波器的關(guān)系 134
5.2.4 無損聲管模型的傳輸函數(shù) 137
5.3 采樣語音信號(hào)的數(shù)字模型 141
5.3.1 聲道建模 141
5.3.2 輻射模型 143
5.3.3 激勵(lì)模型 144
5.3.4 完整模型 144
5.4 小結(jié) 146
習(xí)題 146
第6章 語音信號(hào)處理的時(shí)域方法 153
6.1 引言 153
6.2 語音的短時(shí)分析 154
6.2.1 短時(shí)分析的通用框架 156
6.2.2 短時(shí)分析中的濾波和采樣 156
6.3 短時(shí)能量和短時(shí)幅度 159
6.3.1 基于短時(shí)能量的自動(dòng)增益
控制 160
6.3.2 短時(shí)幅度 162
6.4 短時(shí)過零率 163
6.5 短時(shí)自相關(guān)函數(shù) 169
6.6 修正短時(shí)自相關(guān)函數(shù) 173
6.7 短時(shí)平均幅度差分函數(shù) 176
6.8 小結(jié) 177
習(xí)題 177
第7章 頻域表示 183
7.1 引言 183
7.2 離散時(shí)間傅里葉分析 184
7.3 短時(shí)傅里葉分析 186
7.3.1 DTFT解釋 187
7.3.2 DFT實(shí)現(xiàn) 188
7.3.3 加窗對(duì)分辨率的影響 188
7.3.4 關(guān)于短時(shí)自相關(guān)函數(shù) 193
7.3.5 線性濾波解釋 193
7.3.6 時(shí)域和頻域中 的
采樣率 197
7.4 頻譜顯示 199
7.5 合成的重疊相加法 206
7.5.1 精確重建的條件 206
7.5.2 合成窗的應(yīng)用 211
7.6 合成的濾波器組求和方法 212
7.7 時(shí)間抽取濾波器組 217
7.7.1 通用FBS抽取系統(tǒng) 218
7.7.2 最大抽取濾波器組 221
7.8 雙通道濾波器組 222
7.8.1 正交鏡像濾波器組 223
7.8.2 QMF濾波器組的多相結(jié)構(gòu) 225
7.8.3 共軛正交濾波器 225
7.8.4 樹形結(jié)構(gòu)濾波器組 226
7.9 使用FFT實(shí)現(xiàn)FBS方法 228
7.9.1 FFT分析技術(shù) 228
7.9.2 FFT合成技術(shù) 230
7.10 OLA再論 232
7.11 修正的STFT 233
7.11.1 乘性修正 233
7.11.2 加性修正 236
7.11.3 時(shí)間標(biāo)度修正:相位聲碼器 237
7.12 小結(jié) 242
習(xí)題 242
第8章 倒譜和同態(tài)語音處理 255
8.1 簡(jiǎn)介 255
8.2 卷積同態(tài)系統(tǒng) 256
8.2.1 DTFT表示 257
8.2.2 z變換表示 260
8.2.3 復(fù)倒譜的性質(zhì) 260
8.2.4 復(fù)倒譜分析實(shí)例 262
8.2.5 最小和最大相位信號(hào) 264
8.3 語音模型的同態(tài)分析 265
8.3.1 濁音模型的同態(tài)分析 266
8.3.2 清音模型的同態(tài)分析 271
8.4 計(jì)算語音的短時(shí)倒譜和復(fù)倒譜 273
8.4.1 基于離散傅里葉變換的計(jì)算 273
8.4.2 基于z變換的計(jì)算 276
8.4.3 最小相位和最大相位信號(hào)的
遞歸計(jì)算 278
8.5 自然語音的同態(tài)濾波 279
8.5.1 語音短時(shí)倒譜分析模型 280
8.5.2 使用多項(xiàng)式根的短時(shí)
分析實(shí)例 281
8.5.3 應(yīng)用DFT的濁音分析 282
8.5.4 最小相位分析 286
8.5.5 應(yīng)用DFT的清音分析 287
8.5.6 短時(shí)倒譜分析小結(jié) 289
8.6 全極點(diǎn)模型的倒譜分析 290
8.7 倒譜距離度量 291
8.7.1 線性濾波補(bǔ)償 292
8.7.2 加權(quán)倒譜距離度量 292
8.7.3 群時(shí)延頻譜 293
8.7.4 mel頻率倒譜系數(shù) 294
8.7.5 動(dòng)態(tài)倒譜特征 296
8.8 小結(jié) 296
習(xí)題 296
第9章 語音信號(hào)的線性預(yù)測(cè)分析 301
9.1 引言 301
9.2 線性預(yù)測(cè)分析的基本原理 302
9.2.1 線性預(yù)測(cè)分析方程的基本
公式 304
9.2.2 自相關(guān)法 305
9.2.3 協(xié)方差法 307
9.2.4 小結(jié) 308
9.3 模型增益的計(jì)算 309
9.4 線性預(yù)測(cè)分析的頻域解釋 311
9.4.1 線性預(yù)測(cè)短時(shí)頻譜分析 311
9.4.2 均方預(yù)測(cè)誤差的頻域解釋 313
9.4.3 模型階數(shù)p的作用 316
9.4.4 線性預(yù)測(cè)語譜圖 318
9.4.5 與其他譜分析方法的對(duì)比 320
9.4.6 選擇性線性預(yù)測(cè) 321
9.5 LPC方程組的解 322
9.5.1 Cholesky分解 322
9.5.2 Levinson-Durbin算法 325
9.5.3 格型公式及其解 328
9.5.4 計(jì)算需求比較 334
9.6 預(yù)測(cè)誤差信號(hào) 335
9.6.1 歸一化均方誤差的其他
表示法 338
9.6.2 LPC參數(shù)值的實(shí)驗(yàn)評(píng)估 339
9.6.3 歸一化誤差隨幀位置的變化 342
9.7 LPC多項(xiàng)式A(z)的一些性質(zhì) 344
9.7.1 預(yù)測(cè)誤差濾波器的最小
相位性質(zhì) 344
9.7.2 PARCOR系數(shù)和LPC多項(xiàng)式的
穩(wěn)定性 344
9.7.3 最佳LP模型根的位置 345
9.8 線性預(yù)測(cè)分析與無損聲管模型的
關(guān)系 348
9.9 LP參數(shù)的替代表示 351
9.9.1 預(yù)測(cè)誤差多項(xiàng)式的根 351
9.9.2 全極點(diǎn)系統(tǒng) 的沖激響應(yīng) 352
9.9.3 沖激響應(yīng)的自相關(guān) 352
9.9.4 倒譜 352
9.9.5 預(yù)測(cè)器多項(xiàng)式的自相關(guān)系數(shù) 353
9.9.6 PARCOR系數(shù) 353
9.9.7 對(duì)數(shù)面積比系數(shù)