语音识别入门书籍推荐

最新推荐文章于 2022-08-27 00:23:54 发布
最新推荐文章于 2022-08-27 00:23:54 发布
阅读量2.9k 收藏 26
点赞数
分类专栏： 语音识别 文章标签： 语音识别
原文链接：https://blog.csdn.net/hnlgzy119/article/details/105328702
版权

本人在做本科毕设时搜集了些资料，推荐给刚入门语音方面的同学。

一、《MATLAB数字信号处理》

作者：王彬、于丹、汪洋
第10章 基于matlab的语音信号处理

二、《MATLAB扩展编程》

编者：何强、何英
第12章 MATLAB录音工具
第13章 基于MATLAB的语音识别系统
13.1 语音识别简介
13.1.1 语音识别系统的分类
13.1.2 语音识别系统的基本构成
13.2 语音识别的参数
13.2.1 线性预测系数
13.2.2 线性预测倒谱系数
13.2.3 MFCC系数
13.2.4 完整的参数计算流程
13.3 特定人语音识别算法–DTW算法
13.3.1 DTW算法原理
13.3.2 DTW算法的实现
13.3.3 DTW的高效算法
13.4 非特定人语音识别算法—HMM
13.4.1 HMM的原理
13.4.2 前向概率和后向概率–HMM的输出概率计算
13.4.3 识别算法–Viterbi解码
13.4.4 HMM参数训练算法Baum-Welch
13.4.5 多观察序列的训练算法
13.4.6 HMM算法的MATLAB实现
13.5 其他形式的HMM

三、《数字语音处理及MATLAB仿真》

编者：张雪英
第1章 绪论
第2章 语音信号的数字模型
第3章 语音信号的短时时域分析
第4章 语音信号短时频域分析
第5章 语音信号的同态处理
第6章 语音信号线性预测分析
第7章 矢量量化
第8章 语音编码
第9章 语音合成
第10章 语音识别
10.1 概述
10.1.1 预处理
10.1.2 语音识别特征提取
10.1.3 语音识别方法
10.2 HMM基本原理及在语音识别中的应用
10.2.1 隐马尔可夫模型
10.2.2 隐马尔可夫模型的三个基本问题
10.2.3 隐马尔可夫模型用于语音识别
第11章 语音增强

四、《MATLAB在语音信号分析与合成中的应用》（第2版）

作者：宋知用
这本书代码比较新也比较全
第1章 语音的产生和感知
第2章 语音信号的时域、频域特性和短时分析技术
第3章 语音信号在其他变换域中的分析技术和特性
第4章 语音信号的线性预测分析
第5章 带噪语音和预处理
第6章 语音端点的检测
第7章 语音信号的减噪
第8章 基音周期的估算方法
第9章 共振峰的估算方法

五、《语音识别基本原理》

作者：[美]Lawrence_R._Rabiner
1、语音识别原理
2、语言信号的产生、感知及声学语言学特征
3、用于语言识别的信号处理和分析方法
4、模式对照技术
5、语音识别系统的设计与实现结果
6、隐马尔可夫模型(HMM)的理论应用

六、《Speech and Language Processing》

作者：[美]Daniel Jurafsky、James H.Martin.
经典之作，重点推荐！包括语音识别、自然语言处理等领域。目前第2版，网上已有第三版，加入了DNN介绍。

七、《解密复兴科技 基于隐马尔科夫模型的时序分析方法》

作者：刘振亚，邓磊
第一部分 基础知识
第一章 极大似然估计法简介
第二章 贝叶斯分析
第三章 马尔科夫链
第四章 混合分布和隐蔽马尔科夫模型
第五章 隐蔽马尔科夫模型似然函数估计方法
第六章 隐蔽马尔科夫模型应用与模型选择

八、《语音信号处理实验教程》

作者：梁瑞宇 赵力 魏昕
附有matlab代码，但代码年代久远，有些函数已不能用，可自己修改。
第2章 语音信号处理基础实验
第3章 语音信号分析实验
第4章 语音信号特征提取实验
第5章 语音增强实验
第10章 语音识别实验
第11章 说话人识别实验

九、《语音信号处理C++版》作者：梁瑞宇、赵力、王青云

用C++写上一本书实验

十、《实用语音识别基础》

作者:王炳锡、屈丹、彭煊
第3章 语音信号处理方法：时域处理
第4章 语音信号处理方法：时频处理
第5章 语音信号处理方法：倒谱同态处理
第7章 语音识别的预处理
第8章 语音信号特征参数
第9章 特征变换
第10章 语音识别模型

十一、《语音增强(Speech Enhancement)》

作者:陈景东
第一章~第四章
第五章 谱减法
第六章 维纳滤波
第七章 统计模型方法
第八章 子空间算法
第九章 噪声估计的常用算法
第十章:语音增强的性能评估

十二、《深度学习理论与实战：基础篇》与《深度学习理论与实战：提高篇》

作者:李理
这本书详细介绍经典的基于GMM-HMM的语音识别系统，包括基于 WFST 的解码器和 Kaldi 的用法。

Coding_Bug_Lu
关注
  • 0
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
汽车IVI中控开发入门及进阶（十三）：语音识别
码农17年的博客
03-13 456
IVI中控上的语音识别，在目前市场上也是非常显眼的一个创新，大幅改变了传统IVI的操作习惯。语音识别Speech recognition，也称为自动语音识别（ASR）、计算机语音识别或语音到文本，是一种使程序能够将人类语音处理成书面格式的能力。语音识别Speech recognition是计算机科学computer science 和计算语言学computational linguistics的一个跨学科子领域，它开发了能够通过计算机识别口语并将其翻译成文本的方法和技术。
AI ＞ 语音识别书籍推荐
最新发布
DL_62532的专栏
06-14 405
它涵盖了声学建模、语音识别、语音合成等方面的内容，并提供了实用的技术和实现方法。它包含了多个章节，涵盖了声学建模、语音识别、语音合成、语言建模等多个方面的深度学习方法和应用。"Fundamentals of Speech Recognition" by Lawrence Rabiner and Biing-Hwang Juang - 这本书是语音识别领域的经典教材，介绍了基本的语音识别原理和技术。请注意，这些书籍提供了广泛的语音识别知识和技术，但根据你的具体需求和背景，可能会有其他更适合的书籍。
speech and language processing 经典语音识别书籍
05-06
speech and language processing 经典语音识别书籍
计算机书籍-语音识别技术实践
自然语言处理
03-14 781
深度学习:语音识别技术实践 作者:柳若边 出版社:清华大学出版社 出版时间:2019年04月
语音识别类书籍推荐
zh515858237的专栏
08-21 5905
Computational Models of Speech Pattern Processing
语音识别的基本原理（经典著作）
03-08
关于语音识别的经典著作，包括语音识别的基本理论等内容，不错的书籍。
准备学习研究一下语音识别 请问有哪些值得推荐的书籍 论文 及开源库？
q6q6q的专栏
10-27 130
推荐给各位两个国外关于语音的课程：Columbia University E6894，Deep Learning for Computer Vision, Speech, and Languagedeep learning for speech and language，这个课程有视频，但需要翻墙。此外，国外很多牛校都有一些关于ASR的课程，大多数都是名校开的，很与时俱进。相比之下，国内高水平的语...
语音识别matlab库代码以及两本入门书
08-31
本压缩包提供了一个珍贵的学习资源，包括MATLAB库代码和两本入门书籍，旨在帮助初学者和专业人员深入理解语音识别技术。 首先，我们来探讨语音识别这一主题。语音识别是人工智能的一个分支，其目标是将人类的口头...
语音识别基本法
03-26
描述中提到，本书适合语音识别入门者阅读，通过实践的方法，让读者快速了解语音识别系统的大体结构，并能够使用Kaldi这样的工具搭建常见的系统结构。Kaldi是一个开源的语音识别工具包，它使用现代的语音识别技术，...
神经网络入门书籍推荐,神经网络的书籍推荐
神经网络爱好者
08-27 893
书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。1、机器学习精讲机器学习原理算法与应用教程，精简机器学习入门手册，美亚机器学习深度学习畅销书，全彩印刷，扫描书中二维码可阅读补充内容，人工智能和机器学习领域众多知名专家推荐。Goodfellow等人的《深度学习》完全是理论性的书籍，而且没有代码，是深度学习人员必看书籍。...
实用语音识别基础电子版
01-17
实用语音识别基础--21世纪高等院校技术优秀教材 ISBN:711803746 作者:王炳锡 屈丹 彭煊 出版社:国防工业出版社 本书从语音识别的基本理论出发，以“从理论到实用”为主线，讲解了国际上最新、最前沿的语音识别领域的关键技术，从语料库建立、语音信号预处理、特征提取、特征变换、模型建立等方面详细介绍了语音识别系统建立的过程，并针对语音识别系统实用化的问题，给出了一些改善语音识别系统性能的关键技术，力求语音识别能走出实验室，向实用发展。 　　全书共分四个部分(17章)，第一部分介绍语音识别的基本理论 ；第二部分介绍实用语音识别系统建立的过程；第三部分列举了语音识别系统工程化所需的关键技术；第四部分对语音识别的4个主要应用领域进行了详尽的、深入浅出的讲解，并根据最新的研究与实验结果提供了大量的实际参数、图表，与实际工作联系紧密，具有很强的可操作性与实用性。章节之间紧密配合、前后呼应，具有很强酶系统性。同时，通过书中的研究过程和研究方法，读者能够在以后的研究工作中得到很大的启发。 　　本书可作为高等院校理工科通信和信息处理及相关专业的高年级本科生和(硕士、博士)研究生的教材或参考书，也可供从事信息处理、通信工程等专业的研究人员参考。 　　目录: 　　第1章 绪论 　　1. 1 概述 　　1. 2 语音识别综述 　　1. 3 国内外语音识别的研究现状和发展趋势 　　参考文献 　　第一部分 基本理论 　　第2章 听觉机理和汉语语音基础 　　2. 1 概述 　　2. 2 听觉机理和心理 　　2. 2. 1 语音听觉器官的生理结构 　　2. 2. 2 语音听觉的心理 　　2. 3 发音的生理机构与过程 　　2. 4 汉语语音基本特性 　　2. 4. 1 元音和辅音 　　2. 4. 2 声母和韵母 　　2. 4. 3 音调 字调 　　2. 4. 4 音节 字 构成 　　2. 4. 5 汉语的波形特征 　　2. 4. 6 音的频谱特性 　　2. 4. 7 辅音的频谱特性 　　2. 4. 8 汉语语音的韵律特征 　　2. 5 小结 　　参考文献 　　第3章 语音信号处理方法--时域处理 　　3. 1 概述 　　3. 2 语音信号的数字化和预处理 　　3. 2. 1 语音信号的数字化 　　3. 2. 2 语音信号的预处理 　　3. 3 短时平均能量和短时平均幅度 　　3. 3. 1 短时平均能量 　　3. 3. 2 短时平均幅度 　　3. 4 短时过零分析 　　3. 4. 1 短时平均过零率 　　3. 4. 2 短时上升过零间隔 　　3. 5 短时自相关函数和平均幅度差函数 　　3. 5. 1 短时自相关函数 　　3. 5. 2 短时平均幅度差函数 　　3. 6 高阶统计量 　　3. 6. 1 单个随机变量情况 　　3. 6. 2 多个随机变量及随机过程情况 　　3. 6. 3 高斯过程的高阶累积量 　　3. 7 小结 　　参考文献 　　第4章 语音信号处理方法--时频处理 　　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和物理意义 　　4. 2. 2 基于短时傅里叶变换的语谱图及其时频分辨率 　　4. 2. 3 短时傅里叶谱的采样 　　4. 3 小波变换 　　4. 3. 1 连续小波变换 　　4. 3. 2 二进小波变换 　　4. 3. 3 离散小波变换 　　4. 3. 4 多分辨分析 　　4. 3. 5 正交小波包 　　4. 4 Wigner分布 　　4. 4. 1 Wigner分布的定义 　　4. 4. 2 Wigner分布的一般性质 　　4. 4. 3 两个信号和妁Wigner分布 　　4. 4. 4 Wigner分布的重建 　　4. 4. 5 Wigner分布的实现 　　4. 5 小结 　　参考文献 　　第5章 语音信号处理方法--倒谱同态处理 　　5. 1 概述 　　5. 2 复倒谱和倒谱 　　5. 2. 1 定义 　　5. 2. 2 复倒谱的性质 　　5. 3 语音信号的倒谱分析与同态解卷积 　　5. 3. 1 叠加原理和广义叠加原理 　　5. 3. 2 同态解卷特征系统和同态解卷反特征系统 　　5. 3. 3 同态解卷系统 　　5. 3. 4 语音的复倒谱及同态解卷 　　5. 4 避免相位卷绕的算法 　　5. 4. 1 最小相位信号法 　　5. 4. 2 递归法 　　5. 5 小结 　　参考文献 　　第二部分 语音识别系统 　　第6章 语料库 　　6. 1 概述 　　6. 2 语料库的基本特征 　　6. 3 语料库的类型 　　6. 4 语音语料库 　　6. 4. 1 语音语料库建立. 收集和标注的意义 　　6. 4. 2 语音语料库的建立和收集要点 　　6. 4. 3 标准语音库语音特性描述 　　6. 5 语料库的设计举例--863汉语普通话语音合成语料库的设计 　　6. 5. 1 语料库设计原则 　　6. 5. 2 语音库的标注 　　6. 5. 3 与语音语料库相关的文字语料库标注 　　6. 6 小结 　　参考文献 　　第7章 语音识别的预处理 　　7. 1 概述 　　7. 2 语音识别单元的选取 　　7. 2. 1 汉语音节 　　7. 2. 2 汉语的基本音素 　　7. 2. 3 汉语半音节 　　7. 3 自动分段--端点检测技术 　　7. 3. 1 基于能量的端点检测 　　7. 3. 2 基于LPC-10声码器的端点检测 　　7. 3. 3 基于信息熵的语音端点检测 　　7. 3. 4 基于频带方差的端点检测 　　7. 3. 5 基于倒谱特征的带噪语音信号端点检测 　　7. 3. 6 基于HMM的端点检测方法 　　7. 3. 7 基于分形技术的端点检测 　　7, 3. 8 基于自相关相似距离的端点检测 　　7. 3. 9 基于迟滞编码的端点检测 　　7. 3. 10 实时端点检测算法 　　7. 4 小结 　　参考文献 　　第8章 语音信号特征参数 　　8. 1 概述 　　8. 2 基音周期 　　8. 2. 1 自相关法及其改进 　　8. 2. 2 并行处理法 　　8. 2. 3 倒谱法 　　8. 2. 4 简化逆滤波法 　　8. 3 线性预测参数 　　8. 3. 1 线性预测信号模型 　　8. 3. 2 线性预测误差滤波 　　8. 3. 3 语音信号的线性预测分析 　　8. 3. 4 线性预测分析的解法 　　8. 3. 5 斜格法及其改进 　　8. 4 线谱对 LSP 参数 　　8. 4. 1 线谱对分析原理 　　8. 4. 2 线谱对分析的求解 　　8. 5 LPCC参数 　　8. 6 mfcc参数 　　8. 7 ASCC参数 　　8. 8 感觉加权的线性预测 PLP 特征 　　8. 8. 1 PLP参数 　　8. 8. 2 RASTA-PLP参数 　　8. 9 动态差分参数 　　8. 10 高阶信号谱类特征 　　8. 10. 1 WV谱的定义及其主要性质 　　8. 10. 2 WV谱计算式的一些变形 　　8. 11 小结 　　参考文献 　　第9章 特征变换 　　9. 1 概述 　　9. 2 线性判别分析 LDA 　　9. 2. 1 线性判别分析的概念 　　9. 2. 2 广义线性判别函数 　　9. 2. 3 Fisher线性判别 　　9. 2. 4 多类问题 　　9. 3 主分量分析 PCA 　　9. 3. 1 基于K-L变换的主分量分析 　　9. 3. 2 随机向量的K-L展开 　　9. 3. 3 基于K-L变换的降维 　　9. 4 独立分量分析 ICA 　　9. 4. 1 引言 　　9. 4. 2 线性独立分量分析 　　9. 4. 3 线性独立分量分析算法 　　9. 4. 4 独立分量分析的预处理 　　9. 4. 5 非线性独立分量分析 　　9. 5 小结 　　参考文献 　　第10章 语音识别的模型 　　10. 1 概述 　　10. 2 动态时间规整 DTW 　　10. 2. 1 动态规划技术 DP 　　10. 2. 2 DTW算法的改进 　　10. 3 隐马尔可夫模型 HMM 　　10. 3. 1 隐马尔可夫模型的定义 　　10. 3. 2 HMM中的3个基本问题及其解决方案 　　10. 3. 3 隐马尔可夫模型的类型 　　10. 3. 4 HMM算法实现的问题 　　10. 4 分类模型 SVM 　　10. 4. 1 引言 　　10. 4. 2 学习问题 　　10. 4. 3 学习过程一致性的条件 　　10. 4. 4 学习过程收敛速度的界 　　10. 4. 5 结构风险最小归纳原理 　　10. 4. 6 支持向量机 　　10. 5 人工神经网络 　　10. 5. 1 引言 　　10. 5. 2 神经元的基本模型 　　10. 5. 3 前向网络 　　10. 5. 4 反馈网络 　　10. 6 高斯混合模型 GMM 　　10. 6. 1 高斯混合模型的定义 　　10. 6. 2 参数调整算法--em算法 　　10. 7 小结 　　参考文献 　　第三部分 语音识别中关键处理技术 　　第11章 说话人自适应和说话人归一化技术 　　11. 1 概述 　　11. 2 自适应方式的分类 　　11. 3 MLLR算法介绍 　　11. 3. 1 语音特征空间的划分 　　11. 3. 2 参数的估计 　　11. 3. 3 对均值矢量的变换 　　11. 4 MAP算法介绍 　　11. 4. 1 MAP算法准则 　　11. 4. 2 MAP算法公式推导 　　11. 4. 3 MAP算法讨论 　　11. 5 说话人归一化技术 　　11. 5. 1 说话人归一化技术原理 　　11. 5. 2 声道长度归一化 VTLN 　　11. 6 小结 　　参考文献 　　第12章 噪声抑制 　　12. 1 概述 　　12. 2 基于小波变换的噪声抑制 　　12. 2. 1 利用小波变换去除周期性噪声 　　12. 2. 2 利用小波变换去除冲激噪声 　　12. 2. 3 利用小波变换去除宽带噪声 　　12. 2. 4 小波去噪方法的分析 　　12. 3 基于EVRC编码的噪声抑制 　　12. 4 基于HMM模型的噪声补偿 　　12. 5 小结 　　参考文献 　　第13章 信道补偿 　　13. 1 概述 　　13. 2 稳健语音识别技术 　　13. 2. 1 稳健语音识别的提出 　　13. 2. 2 稳健语音识别的研究现状 　　13. 3 信道补偿技术的主要方法 　　13. 3. 1 经验补偿技术 　　13. 3. 2 盲补偿 　　13. 3. 3 基于特征及模型的补偿 　　13. 4 信道补偿技术在语音识别中的应用 　　13. 4. 1 信道补偿技术在汽车内语音识别中的应用 　　13. 4. 2 基于信道补偿的电话语音识别 　　13. 5 小结 　　参考文献 　　第四部分语音识别应用 　　第14章 说话人识别 　　14. 1 概述 　　14. 2 说话人识别的基本原理 　　14. 2. 1 说话人识别系统的典型结构 　　14. 2. 2 技术原理 　　14. 3 说话人识别的特征选择 　　14. 3. 1 说话人识别系统中常用的特征 　　14. 3. 2 特征参数的统计评价 　　14. 4 说话人识别的主要方法 　　14. 4. 1 模板匹配法 　　14. 4. 2 概率统计方法 　　14. 4. 3 辨别分类器方法 　　14. 4. 4. 混合方法 　　14. 5 判决规则与性能评价标准 　　14. 5. 1 说话人辨认 　　14. 5. 2 说话人确认 检测 　　14. 6 说话人识别中的稳健技术 　　14. 7 系统举例 　　14. 7. 1 GMM说话人辨认算法 　　14. 7. 2 SVM-GMM混合模型 　　14. 7. 3 CMM-UBM说话人确认 　　14. 8 小结 　　参考文献 　　第15章 关键词识别 　　15. 1 概述 　　15. 2 关键词识别及其与连续语音识别的关系 　　15. 3 关键词识别原理 　　15. 3. 1 关键词识别系统组成 　　15. 3. 2 关键词识别的基本问题 　　15. 3. 3 关键词识别系统的主要技术难点 　　15. 4 搜索策略 　　15. 4. 1 语音起始和结束点的粗判 　　15. 4. 2 帧同步的Viterbi解码算法 　　15. 4. 3 加入驻留惩罚的改进Viterbi解码算法 　　15. 4. 4 语法节点处的路径合并 　　15. 4. 5 回溯 　　15. 5 识别结果的确认 　　15. 5. 1 置信度的原理 　　15. 5. 2 利用反词模型的拒识方法 　　15. 5. 3 利用识别结果本身信息的拒识方法 　　15. 6 系统实现 　　15. 6. 1 训练和识别系统框图 　　15. 6. 2 训练系统的具体实现 　　15. 6. 3 识别系统的具体实现 　　15. 7 小结 　　参考文献 　　第16章 语言辨识 　　16. 1 概述 　　16. 1. 1 语言辨识的原理 　　16. 1. 2 语言辨识技术研究发展的历史 　　16. 2 语言辨识所需要的有用信息 　　16. 3 针对自动语言辨识的知觉研究 　　16. 4 语言辨识的主要方法 　　16. 4. 1 频谱相似性方法 　　16. 4. 2 基于韵律信息的方法 　　16. 4. 3 基于音素识别的方法 　　16. 4. 4 基于多语言语音单元的方法 　　16. 4. 5 单词层次方法 　　16. 4. 6 基于连续语音识别的方法 　　16. 4. 7 元音系统模型 　　16. 5 语言辨识系统举例 　　16. 5. 1 基于GMM-UBM模型的语言辨识系统 　　16. 5. 2 基于最小分类误差准则的语言辨识系统 　　16. 5. 3 基于说话人聚类和高斯混合模型的语言辨识系统 　　16. 5. 4 基于时频主分量分析和高斯混合模型的语言辨识系统 　　16. 5. 5 基于高斯混合二元模型的语言辨识系统 　　16. 6 语言辨识系统评估 　　16. 7 小结 　　参考文献 　　第17章 连续语音识别 　　17. 1 概述 　　17. 2 连续语音识别整体模型 　　17. 3 声学模型 　　17. 3. 1 语音识别单元的选取 　　17. 3. 2 基于予词单元HMM的训练 　　17. 4 连续语音识别中的搜索策略 　　17. 4. 1 传统的帧同步算法 　　17. 4. 2 基于统计知识的帧同步搜索算法原理 　　17. 4. 3 受词法约束的词搜索树 　　17. 4. 4 连续语音识别中的双层搜索网络 　　17. 5 语言模型 　　17. 5. 1 基于规则的方法 　　17. 5. 2 基于统计的方法 　　17. 5. 3 N-gram模型的平滑 　　17. 5. 4 基于文法规则的方法和基于统计的方法相结合 　　17. 6 小结 　　参考文献 　　附录 英汉名词对照
《语音识别入门教程》
10-19
本资料为中国科学院自动化所内部资料，介绍了语音识别研究的现状，基本方法，和发展趋势。
语音识别入门教程
03-17
语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。 语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。 语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。
实用语音识别基础
08-01
实用语音识别基础--21世纪高等院校技术优秀教材 ISBN:711803746 作者:王炳锡 屈丹 彭煊 出版社:国防工业出版社 本书从语音识别的基本理论出发，以“从理论到实用”为主线，讲解了国际上最新、最前沿的语音识别领域的关键技术，从语料库建立、语音信号预处理、特征提取、特征变换、模型建立等方面详细介绍了语音识别系统建立的过程，并针对语音识别系统实用化的问题，给出了一些改善语音识别系统性能的关键技术，力求语音识别能走出实验室，向实用发展。 　　全书共分四个部分(17章)，第一部分介绍语音识别的基本理论；第二部分介绍实用语音识别系统建立的过程；第三部分列举了语音识别系统工程化所需的关键技术；第四部分对语音识别的4个主要应用领域进行了详尽的、深入浅出的讲解，并根据最新的研究与实验结果提供了大量的实际参数、图表，与实际工作联系紧密，具有很强的可操作性与实用性。章节之间紧密配合、前后呼应，具有很强酶系统性。同时，通过书中的研究过程和研究方法，读者能够在以后的研究工作中得到很大的启发。 　　本书可作为高等院校理工科通信和信息处理及相关专业的高年级本科生和(硕士、博士)研究生的教材或参考书，也可供从事信息处理、通信工程等专业的研究人员参考。 　　目录: 　　第1章 绪论 　　1. 1 概述 　　1. 2 语音识别综述 　　1. 3 国内外语音识别的研究现状和发展趋势 　　参考文献 　　第一部分 基本理论 　　第2章 听觉机理和汉语语音基础 　　2. 1 概述 　　2. 2 听觉机理和心理 　　2. 2. 1 语音听觉器官的生理结构 　　2. 2. 2 语音听觉的心理 　　2. 3 发音的生理机构与过程 　　2. 4 汉语语音基本特性 　　2. 4. 1 元音和辅音 　　2. 4. 2 声母和韵母 　　2. 4. 3 音调 字调 　　2. 4. 4 音节 字 构成 　　2. 4. 5 汉语的波形特征 　　2. 4. 6 音的频谱特性 　　2. 4. 7 辅音的频谱特性 　　2. 4. 8 汉语语音的韵律特征 　　2. 5 小结 　　参考文献 　　第3章 语音信号处理方法--时域处理 　　3. 1 概述 　　3. 2 语音信号的数字化和预处理 　　3. 2. 1 语音信号的数字化 　　3. 2. 2 语音信号的预处理 　　3. 3 短时平均能量和短时平均幅度 　　3. 3. 1 短时平均能量 　　3. 3. 2 短时平均幅度 　　3. 4 短时过零分析 　　3. 4. 1 短时平均过零率 　　3. 4. 2 短时上升过零间隔 　　3. 5 短时自相关函数和平均幅度差函数 　　3. 5. 1 短时自相关函数 　　3. 5. 2 短时平均幅度差函数 　　3. 6 高阶统计量 　　3. 6. 1 单个随机变量情况 　　3. 6. 2 多个随机变量及随机过程情况 　　3. 6. 3 高斯过程的高阶累积量 　　3. 7 小结 　　参考文献 　　第4章 语音信号处理方法--时频处理 　　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和物理意义 　　4. 2. 2 基于短时傅里叶变换的语谱图及其时频分辨率 　　4. 2. 3 短时傅里叶谱的采样 　　4. 3 小波变换 　　4. 3. 1 连续小波变换 　　4. 3. 2 二进小波变换 　　4. 3. 3 离散小波变换 　　4. 3. 4 多分辨分析 　　4. 3. 5 正交小波包 　　4. 4 Wigner分布 　　4. 4. 1 Wigner分布的定义 　　4. 4. 2 Wigner分布的一般性质 　　4. 4. 3 两个信号和妁Wigner分布 　　4. 4. 4 Wigner分布的重建 　　4. 4. 5 Wigner分布的实现 　　4. 5 小结 　　参考文献 　　第5章 语音信号处理方法--倒谱同态处理 　　5. 1 概述 　　5. 2 复倒谱和倒谱 　　5. 2. 1 定义 　　5. 2. 2 复倒谱的性质 　　5. 3 语音信号的倒谱分析与同态解卷积 　　5. 3. 1 叠加原理和广义叠加原理 　　5. 3. 2 同态解卷特征系统和同态解卷反特征系统 　　5. 3. 3 同态解卷系统 　　5. 3. 4 语音的复倒谱及同态解卷 　　5. 4 避免相位卷绕的算法 　　5. 4. 1 最小相位信号法 　　5. 4. 2 递归法 　　5. 5 小结 　　参考文献 　　第二部分 语音识别系统 　　第6章 语料库 　　6. 1 概述 　　6. 2 语料库的基本特征 　　6. 3 语料库的类型 　　6. 4 语音语料库 　　6. 4. 1 语音语料库建立. 收集和标注的意义 　　6. 4. 2 语音语料库的建立和收集要点 　　6. 4. 3 标准语音库语音特性描述 　　6. 5 语料库的设计举例--863汉语普通话语音合成语料库的设计 　　6. 5. 1 语料库设计原则 　　6. 5. 2 语音库的标注 　　6. 5. 3 与语音语料库相关的文字语料库标注 　　6. 6 小结 　　参考文献 　　第7章 语音识别的预处理 　　7. 1 概述 　　7. 2 语音识别单元的选取 　　7. 2. 1 汉语音节 　　7. 2. 2 汉语的基本音素 　　7. 2. 3 汉语半音节 　　7. 3 自动分段--端点检测技术 　　7. 3. 1 基于能量的端点检测 　　7. 3. 2 基于LPC-10声码器的端点检测 　　7. 3. 3 基于信息熵的语音端点检测 　　7. 3. 4 基于频带方差的端点检测 　　7. 3. 5 基于倒谱特征的带噪语音信号端点检测 　　7. 3. 6 基于HMM的端点检测方法 　　7. 3. 7 基于分形技术的端点检测 　　7, 3. 8 基于自相关相似距离的端点检测 　　7. 3. 9 基于迟滞编码的端点检测 　　7. 3. 10 实时端点检测算法 　　7. 4 小结 　　参考文献 　　第8章 语音信号特征参数 　　8. 1 概述 　　8. 2 基音周期 　　8. 2. 1 自相关法及其改进 　　8. 2. 2 并行处理法 　　8. 2. 3 倒谱法 　　8. 2. 4 简化逆滤波法 　　8. 3 线性预测参数 　　8. 3. 1 线性预测信号模型 　　8. 3. 2 线性预测误差滤波 　　8. 3. 3 语音信号的线性预测分析 　　8. 3. 4 线性预测分析的解法 　　8. 3. 5 斜格法及其改进 　　8. 4 线谱对 LSP 参数 　　8. 4. 1 线谱对分析原理 　　8. 4. 2 线谱对分析的求解 　　8. 5 LPCC参数 　　8. 6 mfcc参数 　　8. 7 ASCC参数 　　8. 8 感觉加权的线性预测 PLP 特征 　　8. 8. 1 PLP参数 　　8. 8. 2 RASTA-PLP参数 　　8. 9 动态差分参数 　　8. 10 高阶信号谱类特征 　　8. 10. 1 WV谱的定义及其主要性质 　　8. 10. 2 WV谱计算式的一些变形 　　8. 11 小结 　　参考文献 　　第9章 特征变换 　　9. 1 概述 　　9. 2 线性判别分析 LDA 　　9. 2. 1 线性判别分析的概念 　　9. 2. 2 广义线性判别函数 　　9. 2. 3 Fisher线性判别 　　9. 2. 4 多类问题 　　9. 3 主分量分析 PCA 　　9. 3. 1 基于K-L变换的主分量分析 　　9. 3. 2 随机向量的K-L展开 　　9. 3. 3 基于K-L变换的降维 　　9. 4 独立分量分析 ICA 　　9. 4. 1 引言 　　9. 4. 2 线性独立分量分析 　　9. 4. 3 线性独立分量分析算法 　　9. 4. 4 独立分量分析的预处理 　　9. 4. 5 非线性独立分量分析 　　9. 5 小结 　　参考文献 　　第10章 语音识别的模型 　　10. 1 概述 　　10. 2 动态时间规整 DTW 　　10. 2. 1 动态规划技术 DP 　　10. 2. 2 DTW算法的改进 　　10. 3 隐马尔可夫模型 HMM 　　10. 3. 1 隐马尔可夫模型的定义 　　10. 3. 2 HMM中的3个基本问题及其解决方案 　　10. 3. 3 隐马尔可夫模型的类型 　　10. 3. 4 HMM算法实现的问题 　　10. 4 分类模型 SVM 　　10. 4. 1 引言 　　10. 4. 2 学习问题 　　10. 4. 3 学习过程一致性的条件 　　10. 4. 4 学习过程收敛速度的界 　　10. 4. 5 结构风险最小归纳原理 　　10. 4. 6 支持向量机 　　10. 5 人工神经网络 　　10. 5. 1 引言 　　10. 5. 2 神经元的基本模型 　　10. 5. 3 前向网络 　　10. 5. 4 反馈网络 　　10. 6 高斯混合模型 GMM 　　10. 6. 1 高斯混合模型的定义 　　10. 6. 2 参数调整算法--em算法 　　10. 7 小结 　　参考文献 　　第三部分 语音识别中关键处理技术 　　第11章 说话人自适应和说话人归一化技术 　　11. 1 概述 　　11. 2 自适应方式的分类 　　11. 3 MLLR算法介绍 　　11. 3. 1 语音特征空间的划分 　　11. 3. 2 参数的估计 　　11. 3. 3 对均值矢量的变换 　　11. 4 MAP算法介绍 　　11. 4. 1 MAP算法准则 　　11. 4. 2 MAP算法公式推导 　　11. 4. 3 MAP算法讨论 　　11. 5 说话人归一化技术 　　11. 5. 1 说话人归一化技术原理 　　11. 5. 2 声道长度归一化 VTLN 　　11. 6 小结 　　参考文献 　　第12章 噪声抑制 　　12. 1 概述 　　12. 2 基于小波变换的噪声抑制 　　12. 2. 1 利用小波变换去除周期性噪声 　　12. 2. 2 利用小波变换去除冲激噪声 　　12. 2. 3 利用小波变换去除宽带噪声 　　12. 2. 4 小波去噪方法的分析 　　12. 3 基于EVRC编码的噪声抑制 　　12. 4 基于HMM模型的噪声补偿 　　12. 5 小结 　　参考文献 　　第13章 信道补偿 　　13. 1 概述 　　13. 2 稳健语音识别技术 　　13. 2. 1 稳健语音识别的提出 　　13. 2. 2 稳健语音识别的研究现状 　　13. 3 信道补偿技术的主要方法 　　13. 3. 1 经验补偿技术 　　13. 3. 2 盲补偿 　　13. 3. 3 基于特征及模型的补偿 　　13. 4 信道补偿技术在语音识别中的应用 　　13. 4. 1 信道补偿技术在汽车内语音识别中的应用 　　13. 4. 2 基于信道补偿的电话语音识别 　　13. 5 小结 　　参考文献 　　第四部分语音识别应用 　　第14章 说话人识别 　　14. 1 概述 　　14. 2 说话人识别的基本原理 　　14. 2. 1 说话人识别系统的典型结构 　　14. 2. 2 技术原理 　　14. 3 说话人识别的特征选择 　　14. 3. 1 说话人识别系统中常用的特征 　　14. 3. 2 特征参数的统计评价 　　14. 4 说话人识别的主要方法 　　14. 4. 1 模板匹配法 　　14. 4. 2 概率统计方法 　　14. 4. 3 辨别分类器方法 　　14. 4. 4. 混合方法 　　14. 5 判决规则与性能评价标准 　　14. 5. 1 说话人辨认 　　14. 5. 2 说话人确认 检测 　　14. 6 说话人识别中的稳健技术 　　14. 7 系统举例 　　14. 7. 1 GMM说话人辨认算法 　　14. 7. 2 SVM-GMM混合模型 　　14. 7. 3 CMM-UBM说话人确认 　　14. 8 小结 　　参考文献 　　第15章 关键词识别 　　15. 1 概述 　　15. 2 关键词识别及其与连续语音识别的关系 　　15. 3 关键词识别原理 　　15. 3. 1 关键词识别系统组成 　　15. 3. 2 关键词识别的基本问题 　　15. 3. 3 关键词识别系统的主要技术难点 　　15. 4 搜索策略 　　15. 4. 1 语音起始和结束点的粗判 　　15. 4. 2 帧同步的Viterbi解码算法 　　15. 4. 3 加入驻留惩罚的改进Viterbi解码算法 　　15. 4. 4 语法节点处的路径合并 　　15. 4. 5 回溯 　　15. 5 识别结果的确认 　　15. 5. 1 置信度的原理 　　15. 5. 2 利用反词模型的拒识方法 　　15. 5. 3 利用识别结果本身信息的拒识方法 　　15. 6 系统实现 　　15. 6. 1 训练和识别系统框图 　　15. 6. 2 训练系统的具体实现 　　15. 6. 3 识别系统的具体实现 　　15. 7 小结 　　参考文献 　　第16章 语言辨识 　　16. 1 概述 　　16. 1. 1 语言辨识的原理 　　16. 1. 2 语言辨识技术研究发展的历史 　　16. 2 语言辨识所需要的有用信息 　　16. 3 针对自动语言辨识的知觉研究 　　16. 4 语言辨识的主要方法 　　16. 4. 1 频谱相似性方法 　　16. 4. 2 基于韵律信息的方法 　　16. 4. 3 基于音素识别的方法 　　16. 4. 4 基于多语言语音单元的方法 　　16. 4. 5 单词层次方法 　　16. 4. 6 基于连续语音识别的方法 　　16. 4. 7 元音系统模型 　　16. 5 语言辨识系统举例 　　16. 5. 1 基于GMM-UBM模型的语言辨识系统 　　16. 5. 2 基于最小分类误差准则的语言辨识系统 　　16. 5. 3 基于说话人聚类和高斯混合模型的语言辨识系统 　　16. 5. 4 基于时频主分量分析和高斯混合模型的语言辨识系统 　　16. 5. 5 基于高斯混合二元模型的语言辨识系统 　　16. 6 语言辨识系统评估 　　16. 7 小结 　　参考文献 　　第17章 连续语音识别 　　17. 1 概述 　　17. 2 连续语音识别整体模型 　　17. 3 声学模型 　　17. 3. 1 语音识别单元的选取 　　17. 3. 2 基于予词单元HMM的训练 　　17. 4 连续语音识别中的搜索策略 　　17. 4. 1 传统的帧同步算法 　　17. 4. 2 基于统计知识的帧同步搜索算法原理 　　17. 4. 3 受词法约束的词搜索树 　　17. 4. 4 连续语音识别中的双层搜索网络 　　17. 5 语言模型 　　17. 5. 1 基于规则的方法 　　17. 5. 2 基于统计的方法 　　17. 5. 3 N-gram模型的平滑 　　17. 5. 4 基于文法规则的方法和基于统计的方法相结合 　　17. 6 小结 　　参考文献 　　附录 英汉名词对照
声纹、语音识别入门书籍推荐
一听音频技术
10-24 2804
最近在读王泉老师刚刚出版的新书《声纹技术》，收获很多，想分享一下我从小白到入门觉得有用的书籍。 《声纹技术》王泉 ???????????????????? 这本书首先对声纹识别的前生今世做了一个概述，对于刚接触声纹的同学来说可以了解本领域技术的发展，要是我当初开始学习时有这本书的话就会少走很多弯路。 ...
语音识别从菜鸟到入门必看的参考书目
q6q6q的专栏
10-27 1055
原标题：语音识别从菜鸟到入门必看的参考书目此前研究这一方面的容，搜罗了些资料，在这里整理如下，做毕业设计，写毕业论文的朋友购书时可以参考一下：一、《MATLAB数字信号处理》 编者：王彬、于丹、汪洋第10章 基于matlab的语音信号处理二、《MATLAB扩展编程》 编者：何强、何英第12章 MATLAB录音工具12.1 MATLAB的音频信号处理工具12.2 语音信号的特征及其端点检测12.3 ...
语音识别相关书籍抖音十大先看哪一本最好
q6q6q的专栏
10-27 290
2019卫生监督专业怎么样_学什么_前景好吗2019高考填报志愿时，卫生监督专业怎么样、学什么、前景好吗等是广大考生和家长朋友们十分关心的问题。以下是大学生必备网整理的卫生监督专业介绍、主要课程、培养目标、就业前景，供大家参考。本专业培养掌握医学和卫生监督执法的基本知识与技能，从事卫生执法与卫生监督工作的高级管理人才。正常人体学概论、医学微生物学基础、病理学基础、临床医学概论、卫生统计学、流行病学...
语音识别（一）——概述
热门推荐
antkillerfarm的专栏
08-13 1万+
概述 虽然现在的语音识别中，DL已经应用的非常广泛了，但是语音识别终究还是有一些领域知识的，将之归类为DL或者ML，似乎都不妥当。特形成本系列文章，用以描述automatic speech recognition的领域知识和传统方法。 说起来还是要感谢DL，不然按照传统的行业划分，几乎不会有人同时研究CV和ASR。DL的出现，实际上大大降低了算法的领域迁移成本，领域知识的重要性相对下降了。 ...
【语音识别】从入门到精通——最全干货大合集！
weixin_34255055的博客
11-07 1194
2019独角兽企业重金招聘Python工程师标准>>> ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值