本书系统介绍了语音信号处理的基础、原理、方法、应用、新理论、新成果与新技术、前沿领域及研究进展，以及背景知识、研究现状、应用前景和发展趋势。全书分三篇共18章。第一篇语音信号处理基础，包括第1章绪论，第2章语音信号处理的基础知识；第二篇语音信号分析，包括第3章时域分析，第4章短时傅里叶分析，第5章倒谱分析与同态滤波，第6章线性预测分析，第7章语音信号的非线性分析，第8章语音声学参数检测与估计，第9章矢量量化，第10章隐马尔可夫模型；第三篇语音信号处理技术与应用，包括第11章语音编码，第12章语音合成，第13章语音识别，第14章说话人识别和语种辨识，第15章智能信息处理技术在语音信号处理中的应用，第16章语音增强，第17章麦克风阵列语音信号处理，第18章语音信息对抗。本书体系完整，结构严谨，系统性强，原理阐述透彻，内容繁简适中，丰富而新颖，联系实际应用。本书可作为高等院校信号与信息处理、通信与电子工程、电路与系统、模式识别与人工智能等专业及学科高年级本科生及研究生的教材，也可供该领域的科研及工程技术人员参考。

第一篇 语音信号处理基础
第1章 绪论
1.1 语音信号处理的发展历史
1.2 语音信号处理的主要研究内容及发展概况
1.3 本书的内容
思考与复习题
第2章 语音信号处理的基础知识
2.1 概述
2.2 语音产生的过程
2.3 语音信号的特性
2.3.1 语言和语音的基本特性
2.3.2 语音信号的时间波形和频谱特性
2.3.3 语音信号的统计特性
2.4 语音产生的线性模型
2.4.1 激励模型
2.4.2 声道模型
2.4.3 辐射模型
2.4.4 语音信号数字模型
2.5 语音产生的非线性模型
2.5.1 FM-AM模型的基本原理
2.5.2 Teager能量算子
2.5.3 能量分离算法
2.5.4 FM-AM模型的应用
2.6 语音感知
2.6.1 听觉系统
2.6.2 神经系统
2.6.3 语音感知
思考与复习题
第二篇 语音信号分析
第3章 时域分析
3.1 概述
3.2 数字化和预处理
3.2.1 取样率和量化字长的选择
3.2.2 预处理
3.3 短时能量分析
3.4 短时过零分析
3.5 短时相关分析
3.5.1 短时自相关函数
3.5.2 修正的短时自相关函数
3.5.3 短时平均幅差函数
3.6 语音端点检测
3.6.1 双门限前端检测
3.6.2 多门限过零率前端检测
3.6.3 基于FM-AM模型的端点检测
3.7 基于高阶累积量的语音端点检测
3.7.1 噪声环境下的端点检测
3.7.2 高阶累积量与高阶谱
3.7.3 基于高阶累积量的端点检测
思考与复习题
第4章 短时傅里叶分析
4.1 概述
4.2 短时傅里叶变换
4.2.1 短时傅里叶变换的定义
4.2.2 傅里叶变换的解释
4.2.3 滤波器的解释
4.3 短时傅里叶变换的取样率
4.4 语音信号的短时综合
4.4.1 滤波器组求和法
4.4.2 FFT求和法
4.5 语谱图
思考与复习题
第5章 倒谱分析与同态滤波
5.1 概述
5.2 同态信号处理的基本原理
5.3 复倒谱和倒谱
5.4 语音信号两个卷积分量复倒谱的性质
5.4.1 声门激励信号
5.4.2 声道冲激响应序列
5.5 避免相位卷绕的算法
5.5.1 微分法
5.5.2 最小相位信号法
5.5.3 递推法
5.6 语音信号复倒谱分析实例
5.7 Mel频率倒谱系数
思考与复习题
第6章 线性预测分析
6.1 概述
6.2 线性预测分析的基本原理
6.2.1 基本原理
6.2.2 语音信号的线性预测分析
6.3 线性预测方程组的建立
6.4 线性预测分析的解法(1)—自相关和
协方差法
6.4.1 自相关法
6.4.2 协方差法
6.4.3 自相关和协方差法的比较
6.5 线性预测分析的解法(2)—格型法
6.5.1 格型法基本原理
6.5.2 格型法的求解
6.6 线性预测分析的应用—LPC谱估计和
LPC复倒谱
6.6.1 LPC谱估计
6.6.2 LPC复倒谱
6.6.3 LPC谱估计与其他谱分析方法的
比较
6.7 线谱对(LSP)分析
6.7.1 线谱对分析原理
6.7.2 线谱对参数的求解
6.8 极零模型
思考与复习题
第7章 语音信号的非线性分析
7.1 概述
7.2 时频分析
7.2.1 短时傅里叶变换的局限
7.2.2 时频分析
7.3 小波分析
7.3.1 概述
7.3.2 小波变换的定义
7.3.3 典型的小波函数
7.3.4 离散小波变换
7.3.5 小波多分辨分析与Mallat算法
7.4 基于小波的语音分析
7.4.1 语音分解与重构
7.4.2 清/浊音判断
7.4.3 语音去噪
7.4.4 听觉系统模拟
7.4.5 小波包变换在语音端点检测中的应用
7.5 混沌与分形
7.6 基于混沌的语音分析
7.6.1 语音信号的混沌性
7.6.2 语音信号的相空间重构
7.6.3 语音信号的Lyapunov指数
7.6.4 基于混沌的语音、噪声判别
7.7 基于分形的语音分析
7.7.1 概述
7.7.2 语音信号的分形特征
7.7.3 基于分形的语音分割
7.8 压缩感知
7.9 语音信号的压缩感知
7.9.1 语音信号的稀疏性
7.9.2 语音压缩感知的实现
7.9.3 需要进一步解决的问题
思考与复习题
第8章 语音声学参数检测与估计
8.1 基音估计
8.1.1 自相关法
8.1.2 并行处理法
8.1.3 倒谱法
8.1.4 简化逆滤波法
8.1.5 高阶累积量法
8.1.6 小波变换法
8.1.7 基音检测的后处理
8.2 共振峰估计
8.2.1 带通滤波器组法
8.2.2 DFT法
8.2.3 倒谱法
8.2.4 LPC法
8.2.5 FM-AM模型法
思考与复习题
第9章 矢量量化
9.1 概述
9.2 矢量量化的基本原理
9.3 失真测度
9.3.1 欧氏距离—均方误差
9.3.2 LPC失真测度
9.3.3 识别失真测度
9.4 最佳矢量量化器和码本的设计
9.4.1 矢量量化器最佳设计的两个条件
9.4.2 LBG算