新書推薦：
《
大唐兴衰三百年3：从女主当国到开元盛世
》
售價：NT$
325.0
《
直击核心：通向卓越教练之路的革命性方法
》
售價：NT$
549.0
《
高性能储能器件电解质：设计、制备与应用
》
售價：NT$
493.0
《
四时如意 国风纹样线描涂色集
》
售價：NT$
279.0
《
活下去才是硬道理：华为的36条生存法则 一本书读懂任正非和华为的心法、做法、战法、阵法、活法，许小年、刘亚东、穆瑞澜、水皮倾情荐读
》
售價：NT$
437.0
《
森林：保护6万种树木的家
》
售價：NT$
403.0
《
数字经济：“数字中国”顶层规划与实践路径
》
售價：NT$
386.0
《
算者生存：商业分析的方法与实践
》
售價：NT$
447.0
|
| 編輯推薦： |
配套资源：电子课件、习题答案、教学大纲、试卷及答案
本书较全面地反映了现代语音信号处理的主要内容和发展方向，主要面向电子信息类、自动化类、计算机类等学科有关专业的高年级本科生和研究生，也可以作为从事语音信号处理这一领域技术人员的参考用书。因此，本书在内容上强调基本概念和基本理论方法的掌握，并突出各部分的相互联系。此外，考虑到语音信号处理的实用性很强，以及当前人工智能技术的发展，本书在介绍基本理论和基本算法的基础上，给出了相应的Python代码，使学习人员可以边学习理论边实践，有助于知识的理解和记忆。
|
| 內容簡介： |
本书介绍了现代语音信号处理的基础、原理、方法和应用，并且给出一些相关算法的Python库和调用函数。全书共15章，第1章介绍了语音信号处理的发展历程、人工智能基础和相关研究方向；第2~4章介绍了语音信号处理的一些基础理论、方法和参数；第5章介绍了神经网络与深度学习的基础知识；第6~15章将语音信号处理的研究方向分为前端处理（包括语音增强、回声消除、声源定位和波束形成）、后端应用（包括语音识别、说话人识别和语音情感计算）和其他研究（包括语音合成与转换、语音隐藏和助听器声信号处理）三个部分，并介绍了相关研究的基础理论和算法原理。在附录中，介绍了学习Python语言的PyCharm软件的快速使用教程，并对文中常用的Python库进行了说明。
本书可作为计算机和通信与信息系统等学科相关专业的高年级本、专科学生和研究生的教材或教学参考用书，也可作为从事语音信号处理的科研工程技术人员的辅助读物和参考用书。
|
| 目錄：
|
前言
第1章绪论
1.1语音信号的发展历程
1.2语音信号处理的研究方向
1.3人工智能与语音处理
1.4本书结构
第2章语音信号处理的基础知识
2.1语音的产生与感知
2.2语音信号产生的数学模型
2.3语音信号的数字化
2.4语音信号的表征
2.5思考与复习题
第3章语音信号分析方法
3.1语音信号预处理
3.2语音信号的时域分析
3.3语音信号的频域分析
3.4语音信号的倒谱分析
3.5语音信号的线性预测分析
3.6思考与复习题
第4章语音信号特征提取技术
4.1端点检测
4.2基音周期估计
4.3共振峰估计
4.4思考与复习题
第5章神经网络与深度学习
5.1神经网络及其发展
5.2神经元
5.3误差逆传播算法
5.4前馈神经网络
5.5卷积神经网络
5.6循环神经网络
5.7常用的深度学习框架
5.8思考与复习题
第6章语音增强
6.1基础知识
6.2谱减法
6.3维纳滤波
6.4基于深度学习的语音增强方法
6.5思考与复习题
第7章回声消除
7.1回声消除基础知识
7.2回声消除算法
7.2.1LMS算法
7.3啸叫检测与抑制
7.4总结与展望
7.5思考与复习题
第8章声源定位
8.1双耳听觉定位原理及方法
8.2传声器阵列模型
8.3房间混响模型
8.4基于传声器阵列的声源定位方法
8.5总结与展望
8.6思考与复习题
第9章波束形成技术
9.1基本理论
9.2固定波束形成器
9.3自适应波束形成
9.4后置滤波
9.5思考与复习题
第10章语音识别
10.1基本理论
10.2语音识别原理与系统构成
10.3基于动态时间规整的语音识别系统
10.4基于隐马尔可夫模型的语音识别系统
10.5人工智能与语音识别
10.6性能评价指标
10.7思考与复习题
第11章说话人识别
11.1说话人识别的原理
11.2应用VQ的说话人识别系统
11.3应用GMM的说话人识别系统
11.4基于深度学习的说话人识别
11.5总结与展望
11.6思考与复习题
第12章语音情感计算
12.1情感的心理学理论
12.2语音情感数据库
12.3情感的声学特征分析
12.4语音情感识别经典算法
12.5深度学习模型
12.6语音情感计算的应用与展望
12.7思考与复习题
第13章语音合成与转换
13.1帧合成技术
13.2经典语音合成算法
13.3语音信号的变速和变调
13.4基于深度学习的语音合成模型
13.5总结与展望
13.6思考与复习题
第14章语音隐藏
14.1信息隐藏基础
14.2语音信息隐藏算法
14.3常用评价指标
14.4总结与展望
14.5思考与复习题
第15章助听器声信号处理
15.1听力损失与语音理解障碍
15.2压缩与响度补偿
15.3回声抑制算法
15.4降频算法
15.5总结与展望
15.6思考与复习题
附录
附录APyCharm快速使用教程
附录B常用Python库及其说明
参考文献
|
| 內容試閱：
|
前言
语音信号处理是以语音语言学和数字信号处理为基础而形成的一门涉及面很广的综合性学科，它与心理学、生理学、计算机科学、通信与信息科学以及模式识别和人工智能等学科都有着非常密切的关系。近年来，伴随着深度学习、高性能运算平台和大数据的发展，智能语音技术的研发瓶颈纷纷被突破，已成为人工智能产业链上的关键一环，深深地吸引广大科学工作者不断进行研究和探讨。
本书较全面地反映了现代语音信号处理的主要内容和发展方向，主要面向电子信息类、自动化类、计算机类等学科有关专业的高年级本科生和研究生，也可以作为从事语音信号处理这一领域技术人员的参考用书。因此，本书在内容上强调基本概念和基本理论方法的掌握，并突出各部分的相互联系。此外，考虑到语音信号处理的实用性很强，以及当前人工智能技术的发展，本书在介绍基本理论和基本算法的基础上，给出了相应的Python代码，使学习人员可以边学习理论边实践，有助于知识的理解和记忆。
本书的参考学时为本科生32学时、研究生40学时，可以根据不同的教学要求对内容进行适当取舍，灵活安排授课学时数。全书分为15章，具体内容如下。
第1章简要介绍了语音信号处理的发展历程、当前的主要研究方向、人工智能与语音处理的联系，以及本书的章节安排情况。
第2章介绍了语音信号处理的基础知识，包括语音的产生与感知、语音信号产生的数学模型、语音信号的数字化和语音信号的基本表征方法等。
第3章介绍了语音信号的预处理方法（包括分帧与加窗、消除趋势项和直流分量、预加重和去加重）以及4种语音信号的基本分析方法，包括时域分析、频域分析、倒谱分析和线性预测分析。
第4章介绍了3种语音信号的特征提取技术，包括端点检测、基音周期估计和共振峰估计。其中，端点检测算法包括双门限法、自相关法、谱熵法和比例法；基音周期估计算法包括自相关法、倒谱法以及后处理方法；共振峰估计算法包括倒谱分析法和线性预测法。
第5章介绍了神经网络与深度学习的相关基础知识，包括神经元的构成、误差逆传播算法以及3种典型的深度学习网络架构，即前馈神经网络、卷积神经网络和循环神经网络。
第6章介绍了语音增强的基本原理和典型算法。首先介绍了人耳感知特性、语音与噪声特性和语音质量评价标准，然后依次介绍了3种语音增强算法：谱减法、维纳滤波和基于深度学习的语音增强方法。
第7章介绍了回声消除的基本原理和典型算法。首先介绍了回声消除的基本模型以及性能的评价标准，然后依次介绍5种回声消除算法，后介绍了啸叫检测与抑制方法。
第8章介绍了声源定位的基本原理。依次介绍了双耳听觉定位原理及方法和3种基于传声器阵列的声源定位方法，即基于输出功率的可控波束形成算法、基于到达时间差的定位算法和基于高分辨率谱估计的定位算法。此外，还介绍了传声器阵列模型以及可用于声源定位研究的房间回响模型。
第9章介绍了波束形成技术的基本原理和典型算法。首先介绍了波束形成的基本理论，然后分别介绍了几种经典的波束形成器和自适应波束形成，后介绍了几种后置滤波算法。
第10章介绍了语音识别算法。首先介绍了语音识别原理与系统构成，接着介绍了基于动态时间规整的语音识别系统和基于隐马尔可夫模型的语音识别系统，然后介绍了基于人工智能的语音识别的相关知识，后介绍了语音识别算法的性能评价指标。
第11章介绍了说话人识别算法。首先介绍了说话人识别的原理，然后介绍了两种典型的说话人识别系统，分别是基于VQ的说话人识别系统和基于GMM的说话人识别系统。接着介绍了基于深度学习的说话人识别的相关知识，包括两种经典的基于深度学习的说话人识别算法，后，介绍了说话人识别的研究难点。
第12章介绍了语音信号中的情感信息处理的基本原理。首先介绍了情感理论和语音数据库的建立方法，然后介绍了一些常用的语音情感特征及其提取算法，接着介绍了两种语音情感识别算法，包括K近邻分类器和支持向量机。后介绍了基于深度学习的情感识别算法，并对未来的研究进行了展望。
第13章介绍了语音合成与转换的基本原理。首先介绍了帧合成技术，然后介绍了3种语音合成算法，包括线性预测合成法、共振峰合成法和基音同步叠加技术，接着介绍了语音信号的变速和变调的原理和实现方法，后介绍了3种基于深度学习的语言合成模型。
第14章介绍了语音隐藏的基本原理。首先介绍了信息隐藏的基础理论，然后介绍了两种语音信息隐藏算法：低比特位编码法和回声隐藏算法，后介绍了算法的常用评价指标以及未来的研究方向。
第15章介绍了助听器声信号处理的相关知识。首先介绍了听力损失与语言理解障碍的关系，然后介绍了与助听器相关的三种关键算法：多通道响度补偿算法、回声抑制算法以及降频算法，后对未来的研究方向进行了展望。
附录提供了PyCharm软件的快速使用教程，并对文中常用的Python库进行了说明。
本书主要由梁瑞宇、王青云、谢跃和唐闺臣编著，并由梁瑞宇统稿。本书被列入2020年江苏省高等学校重点教材建设计划（苏高教会［2020］39号）。编者参考和引用了一些学者的研究成果，具体见参考文献。在此，编者向这些文献的著作者表示敬意和感谢。同时，本书的出版得到了东南大学赵力教授的悉心指导，同时诚挚感谢给予此书指导和帮助的老师以及东南大学团队的硕士研究生。
语音信号处理是一门理论性强、实用面广、内容新、难度大的交叉学科，同时这门学科又处于快速发展之中，尽管编者在编写过程中始终注重理论紧密联系实际，力求以尽可能简明、通俗的语言，深入浅出、通俗易懂地将这门学科介绍给读者，但因水平有限、时间较仓促，书中疏漏与不妥之处在所难免，敬请广大读者批评指正。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
