语音信号处理技术及应用

梁瑞宇，赵小燕，谢跃

目录

  • 1 绪论
    • 1.1 研究意义
    • 1.2 发展历史
    • 1.3 研究方向
      • 1.3.1 声学前端
      • 1.3.2 后端处理
      • 1.3.3 其他研究
    • 1.4 智能语音
  • 2 语音信号处理基础知识
    • 2.1 概述
    • 2.2 语音的产生与感知
      • 2.2.1 人类发音系统
      • 2.2.2 人类听觉系统
      • 2.2.3 说话过程
      • 2.2.4 听觉感知特性
    • 2.3 语音产生的数学模型
    • 2.4 语音信号的数字化
    • 2.5 语音信号的表征
  • 3 语音信号分析方法
    • 3.1 概述
    • 3.2 语音信号预处理
    • 3.3 语音信号的时域分析
    • 3.4 语音信号的频域分析
    • 3.5 语音信号的倒谱分析
    • 3.6 语音信号的线性预测分析
  • 4 语音信号特征提取技术
    • 4.1 概述
    • 4.2 端点检测
    • 4.3 基音周期估计
    • 4.4 共振峰估计
  • 5 深度学习网络基础
    • 5.1 前馈神经网络
    • 5.2 卷积神经网络
    • 5.3 循环神经网络
    • 5.4 总结与展望
  • 6 语音增强
    • 6.1 研究背景
    • 6.2 经典算法
      • 6.2.1 谱减法
      • 6.2.2 维纳滤波法
    • 6.3 智能算法
      • 6.3.1 研究概述
      • 6.3.2 RNNNoise
    • 6.4 研究展望
  • 7 回声消除
    • 7.1 研究概述
    • 7.2 经典算法
      • 7.2.1 LMS算法
    • 7.3 啸叫抑制
    • 7.4 展望与总结
  • 8 声源定位
    • 8.1 研究背景
    • 8.2 双耳听觉定位
    • 8.3 麦克风阵列方法
    • 8.4 研究展望
  • 9 语音识别
    • 9.1 研究概述
    • 9.2 经典算法
      • 9.2.1 DTW算法
      • 9.2.2 HMM算法
    • 9.3 总结与展望
  • 10 说话人识别
    • 10.1 研究概述
    • 10.2 经典算法
      • 10.2.1 VQ算法
      • 10.2.2 GMM算法
    • 10.3 总结与展望
  • 11 语音情感识别
    • 11.1 研究概述
    • 11.2 情感特征
    • 11.3 经典算法
    • 11.4 总结与展望
  • 12 语音合成与转换
    • 12.1 研究概述
    • 12.2 经典算法
    • 12.3 变调变速
    • 12.4 智能算法
    • 12.5 研究展望
  • 13 语音隐藏
    • 13.1 研究概述
    • 13.2 经典算法
    • 13.3 评价指标
    • 13.4 研究展望
  • 14 助听器声信号处理
    • 14.1 研究背景与意义
    • 14.2 听损与理解障碍
    • 14.3 压缩与响度补偿
    • 14.4 其他算法与展望
  • 15 论文、专利与软著概述
    • 15.1 论文的写法
    • 15.2 专利的写法
    • 15.3 软著的写法
循环神经网络