語音信號處理(第3版)
韓紀慶 張磊 鄭鐵然
1413人在讀
41.3萬字總字數
¥62.3定價
韓紀慶 張磊 鄭鐵然
本書系統地介紹語音信號處理的基礎、概念、原理、方法與應用。全書共分9章。第1章介紹語音信號處理及其發展過程； 第2章介紹語音信號的產生與人類聽覺的機理，傳統的線性語音產生模型，以及非線性語音產生模型； 第3章從語音信號的時域特徵入手，引入時頻分析的思想，並進一步闡述時頻分析中短時傅里葉變換和小波變換在語音信號特徵分析中的應用，最後對廣泛使用的倒譜特徵以及同態解卷積進行介紹； 第4章介紹語音信號的線性預測原理、解法、幾種推演方法以及線譜對分析法； 第5章介紹語音編碼的相關知識，包括語音的波形編碼、極低速率語音編碼技術，以及相關編碼器的性能指標和評測方法； 第6章介紹語音識別的基本內容，從基於矢量量化的識別技術到動態時間歸正的識別技術，從隱馬爾可夫模型技術到基於深度學習的語音識別技術，從孤立詞識別到連接詞識別及連續語音識別技術，再到關鍵詞檢出技術，最後還介紹新興起的語音識別應用技術，以及用於HMM系統構建的HTK工具和用於深度學習系統構建的Kaldi工具等； 第7章介紹說話人識別的基本內容，從基於GMMUBM的識別技術到基於支持向量機的識別技術，從基於聯合因子分析的識別技術到基於ivector的識別技術，以及近年來受到關注的基於深度學習的識別技術等； 第8章介紹頑健語音識別技術，從影響語音識別性能的環境變化因素分析開始，介紹噪聲環境下頑健語音識別技術，以及變異語音識別的技術； 第9章介紹語音合成的基本原理、線性預測合成、共振峯合成以及漢語按規則合成，以及基於HMM的合成技術等內容。 本書可作爲高等院校計算機應用、信號與信息處理、通信與電子系統等專業及學科的高年級本科生、研究生教材，也可供該領域的科研及工程技術人員參考。
內容超出我的認知，跨專業閱讀，開卷有益
很想了解語音識別的核心特徵是什麼，但是書中疑似沒講到。我覺得speech的核心特徵應該是頻率pattern
雖是2019年出版的書，但內容上已經過時不少。單就語音合成而言，最後一節HMM已經是如今迅速被拋棄的模型。當前主流的神經網絡模型則完全沒論述。 不過本書也不是沒價值。即便是在端到端的神經網絡模型中，一些語音基礎概念的理解對於模型的深挖，以及語音精度提高來講還是有幫助的。
這本書非常好，做爲語音信號處理工作者，值得入門一讀。即便不需要處理相關算法和數學問題，依然值得去掌握相關原理和策略，可以更好的理解當前算力的能與不能，更好的定義產品，實現更好的用戶體驗，進行產品的精益求精，優化迭代。
算是不錯的材料，但內容確實有一點陳舊了，深度學習方案介紹的比較少，但瑕不掩瑜，其餘的闡述都較爲詳盡，對於掃盲以及梳理聲音識別領域發展的時間線很有幫助。
本書只羅列一堆理論與公式，19年出版，距今有些過時，只可當基礎入門瞭解，對於NLP算法遠遠不及。
只是知識的羅列，堆砌了一堆理論和公式，每個點卻都沒講清楚。