智能语音处理

图书标准信息

• 作者 张雄伟、孙蒙、杨吉斌 著
• 出版社 机械工业出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787111665328
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 248页

【内容简介】

本书系统性地阐述智能语音处理技术，并重点以机器学习等技术及其在语音处理中的典型应用，理论与实践联系紧密。

【目录】

前言 

第1章 智能语音处理导论1 

 11 概述1 

 12 经典语音处理2 

   121 语音处理的发展2 

   122 语音基本表示方法3 

   123 语音处理基本方法3 

   124 经典语音处理方法的不足4 

 13 智能语音处理5 

   131 智能语音处理的基本概念5 

   132 智能语音处理的基本框架5 

   133 智能语音处理的基本模型6 

 14 语音处理的应用7 

   141 语音处理的传统应用领域8 

   142 语音处理的新应用领域11 

 15 小结14 

 参考文献14 

第2章 稀疏和压缩感知15 

 21 引言15 

 22 稀疏和稀疏表示16 

   221 稀疏16 

   222 稀疏表示18 

 23 冗余字典19 

   231 基本概念19 

   232 字典学习20 

   233 字典学习算法22 

   234 原子选择算法25 

 24 压缩感知27 

   241 基本概念27 

   242 压缩感知模型29 

   243 观测矩阵30 

   244 信号重构32 

 25 小结33 

 参考文献33 

第3章 隐变量模型36 

 31 引言36 

 32 高斯混合模型36 

   321 基本概念37 

   322 GMM参数估计37 

 33 隐马尔可夫模型39 

   331 基本概念39 

   332 HMM关键问题42 

 34 高斯过程隐变量模型48 

   341 基本模型48 

   342 GPLVM的理论来源49 

   343 GPLVM模型训练50 

 35 小结51 

 参考文献51 

第4章 组合模型52 

 41 引言52 

 42 主成分分析53 

   421 基本模型53 

   422 求解算法54 

 43 非负矩阵分解56 

   431 基本模型56 

   432 求解算法57 

   433 NMF与其他数据表示模型的关系58 

 44 鲁棒组合模型60 

   441 组合模型的鲁棒性分析61 

   442 鲁棒主成分分析61 

   443 鲁棒非负矩阵分解63 

 45 小结64 

 参考文献64 

第5章 人工神经网络和深度学习65 

 51 引言65 

 52 神经网络基础66 

   521 神经元模型66 

   522 浅层神经网络67 

   523 深度神经网络68 

 53 深度学习69 

   531 基本概念和形式69 

   532 深度网络的学习方法70 

 54 深度神经网络的典型结构71 

   541 深度置信网络71 

   542 自动编码器与栈式自动编码器72 

   543 卷积神经网络74 

   544 循环神经网络75 

   545 生成式对抗网络77 

 55 小结79 

 参考文献79 

第6章 语音压缩编码81 

 61 引言81 

 62 基于字典学习的语音信号压缩感知82 

   621 语音信号的稀疏性82 

   622 语音在常见变换域的稀疏化83 

   623 基于K-L展开的语音非相干字典84 

   624 基于K-L非相干字典的语音压缩重构87 

   625 实验仿真与性能分析88 

 63 基于梅尔倒谱系数重构的语音压缩编码93 

   631 基于梅尔倒谱分析的抗噪语音编码模型94 

   632 基于稀疏约束的梅尔倒谱合成96 

   633 梅尔倒谱系数的量化算法99 

   634 实验仿真与性能分析103 

 64 基于深度学习的语音压缩编码107 

   641 基于DAE的幅度谱编码和量化107 

   642 基于DAE的低速率语音编码110 

   643 实验仿真与性能分析111 

 65 小结113 

 参考文献113 

第7章 语音增强115 

 71 引言115 

 72 语音增强技术基础116 

   721 语音增强的估计参数116 

   722 智能语音增强的语音特征117 

   723 性能评价118 

 73 基于非负矩阵分解的语音增强120 

   731 基本模型121 

   732 基于不相交约束非负矩阵分解的语音增强122 

   733 基于CNMF字典学习的语音增强127 

 74 基于深度学习的语音增强136 

   741 基于听觉感知加权的深度神经网络语音增强方法136 

   742 基于听觉感知掩蔽的深度神经网络语音增强方法141 

 75 小结151 

 参考文献152 

第8章 语音转换155 

 81 引言155 

 82 语音转换基本原理155 

 83 语音转换模型与评价156 

   831 语音分析/合成模型156 

   832 语音参数的选择157 

   833 时间对齐157 

   834 转换模型和规则158 

   835 转换性能评价159 

 84 基于非负矩阵分解的谱转换160 

   841 概述160 

   842 基于卷积非负矩阵分解的谱转换161 

   843 声道谱转换效果164 

 85 基于深度神经网络的谱转换168 

   851 深度学习驱动下的语音转换168 

   852 面向谱转换的神经网络模型选择168 

   853 基于BLSTM和神经网络声码器交替训练的语音转换171 

 86 小结176 

 参考文献176 

第9章 说话人识别178 

 91 引言178 

 92 说话人识别基础179 

   921 说话人识别系统框架179 

   922 典型的说话人识别模型180 

 93 基于i-vector的说话人识别及其改进181 

   931 基于i-vector的说话人识别概述181 

   932 用于提高i-vector鲁棒性的帧加权方法182 

   933 实验结果与分析187 

 94 基于深度神经网络的说话人识别187 

   941 基于深度神经网络的说话人识别概述187 

   942 基于对比度损失函数优化说话人矢量189 

   943 实验结果与分析191 

 95 说话人识别系统的攻击与防御192 

   951 攻击和防御的背景192 

   952 说话人识别系统的攻击方法192 

   953 说话人识别攻击的检测方法194 

   954 实验结果与分析196 

 96 小结196 

 参考文献197 

第10章 骨导语音增强200 

 101 引言200 

 102 骨导语音增强基础201 

    1021 骨导语音的产生与特性201 

    1022 骨导语音盲增强的特点202 

    1023 骨导语音盲增强的典型方法203 

 103 基于长短时记忆网络的骨导语音盲增强205 

    1031 骨导/气导语音的谱映射206 

    1032 基于深度残差BLSTM的骨导语音盲增强方法207 

    1033 实验仿真及性能分析211 

 104 基于均衡-生成组合谱映射的骨导语音盲增强215 

    1041 均衡法215 

    1042 基于均衡-生成组合谱映射的骨导语音盲增强方法216 

    1043 实验仿真及性能分析218 

 105 小结222 

 参考文献223 

第11章 智能语音处理展望224 

 111 智能语音处理的未来224 

 112 有待解决的关键技术225 

    1121 语音识别226 

    1122 语音合成228 

    1123 语音增强229 

    1124 语音处理中的安全问题230 

 113 小结230 

 参考文献230 

缩略语232