現代語音信號處理(Python版)（簡體書）

本書介紹了現代語音信號處理的基礎、原理、方法和應用，並且給出一些相關算法的Python庫和調用函數。全書共15章，第1章介紹了語音信號處理的發展歷程、人工智能基礎和相關研究方向；第2～4章介紹了語音信號處理的一些基礎理論、方法和參數；第5章介紹了神經網絡與深度學習的基礎知識；第6～15章將語音信號處理的研究方向分為前端處理(包括語音增強、回聲消除、聲源定位和波束形成)、後端應用(包括語音識別、說話人識別和語音情感計算)和其他研究(包括語音合成與轉換、語音隱藏和助聽器聲信號處理)三個部分，並介紹了相關研究的基礎理論和算法原理。在附錄中，介紹了學習Python語言的PyCharm軟件的快速使用教程，並對文中常用的Python庫進行了說明。
本書可作為計算機和通信與信息系統等學科相關專業的高年級本、專科學生和研究生的教材或教學參考用書，也可作為從事語音信號處理的科研工程技術人員的輔助讀物和參考用書。

智能語音技術 邊理論邊實踐，基本原理+基本算法+Pythob代碼，附贈教學資源

前言
第1章緒論
1.1語音信號的發展歷程
1.2語音信號處理的研究方向
1.3人工智能與語音處理
1.4本書結構
第2章語音信號處理的基礎知識
2.1語音的產生與感知
2.2語音信號產生的數學模型
2.3語音信號的數字化
2.4語音信號的表徵
2.5思考與複習題
第3章語音信號分析方法
3.1語音信號預處理
3.2語音信號的時域分析
3.3語音信號的頻域分析
3.4語音信號的倒譜分析
3.5語音信號的線性預測分析
3.6思考與複習題
第4章語音信號特徵提取技術
4.1端點檢測
4.2基音週期估計
4.3共振峰估計
4.4思考與複習題
第5章神經網絡與深度學習
5.1神經網絡及其發展
5.2神經元
5.3誤差逆傳播算法
5.4前饋神經網絡
5.5卷積神經網絡
5.6循環神經網絡
5.7常用的深度學習框架
5.8思考與複習題
第6章語音增強
6.1基礎知識
6.2譜減法
6.3維納濾波
6.4基於深度學習的語音增強方法
6.5思考與複習題
第7章回聲消除
7.1回聲消除基礎知識
7.2回聲消除算法
7.2.1LMS算法
7.3嘯叫檢測與抑制
7.4總結與展望
7.5思考與複習題
第8章聲源定位
8.1雙耳聽覺定位原理及方法
8.2傳聲器陣列模型
8.3房間混響模型
8.4基於傳聲器陣列的聲源定位方法
8.5總結與展望
8.6思考與複習題
第9章波束形成技術
9.1基本理論
9.2固定波束形成器
9.3自適應波束形成
9.4後置濾波
9.5思考與複習題
第10章語音識別
10.1基本理論
10.2語音識別原理與系統構成
10.3基於動態時間規整的語音識別系統
10.4基於隱馬爾可夫模型的語音識別系統
10.5人工智能與語音識別
10.6性能評價指標
10.7思考與複習題
第11章說話人識別
11.1說話人識別的原理
11.2應用VQ的說話人識別系統
11.3應用GMM的說話人識別系統
11.4基於深度學習的說話人識別
11.5總結與展望
11.6思考與複習題
第12章語音情感計算
12.1情感的心理學理論
12.2語音情感數據庫
12.3情感的聲學特徵分析
12.4語音情感識別經典算法
12.5深度學習模型
12.6語音情感計算的應用與展望
12.7思考與複習題
第13章語音合成與轉換
13.1幀合成技術
13.2經典語音合成算法
13.3語音信號的變速和變調
13.4基於深度學習的語音合成模型
13.5總結與展望
13.6思考與複習題
第14章語音隱藏
14.1信息隱藏基礎
14.2語音信息隱藏算法
14.3常用評價指標
14.4總結與展望
14.5思考與複習題
第15章助聽器聲信號處理
15.1聽力損失與語音理解障礙
15.2壓縮與響度補償
15.3回聲抑制算法
15.4降頻算法
15.5總結與展望
15.6思考與複習題
附錄
附錄APyCharm快速使用教程
附錄B常用Python庫及其說明
參考文獻