语音信号处理(第3版)
韩纪庆 张磊 郑铁然
1413人在读
41.3万字总字数
¥62.3定价
韩纪庆 张磊 郑铁然
本书系统地介绍语音信号处理的基础、概念、原理、方法与应用。全书共分9章。第1章介绍语音信号处理及其发展过程； 第2章介绍语音信号的产生与人类听觉的机理，传统的线性语音产生模型，以及非线性语音产生模型； 第3章从语音信号的时域特征入手，引入时频分析的思想，并进一步阐述时频分析中短时傅里叶变换和小波变换在语音信号特征分析中的应用，最后对广泛使用的倒谱特征以及同态解卷积进行介绍； 第4章介绍语音信号的线性预测原理、解法、几种推演方法以及线谱对分析法； 第5章介绍语音编码的相关知识，包括语音的波形编码、极低速率语音编码技术，以及相关编码器的性能指标和评测方法； 第6章介绍语音识别的基本内容，从基于矢量量化的识别技术到动态时间归正的识别技术，从隐马尔可夫模型技术到基于深度学习的语音识别技术，从孤立词识别到连接词识别及连续语音识别技术，再到关键词检出技术，最后还介绍新兴起的语音识别应用技术，以及用于HMM系统构建的HTK工具和用于深度学习系统构建的Kaldi工具等； 第7章介绍说话人识别的基本内容，从基于GMMUBM的识别技术到基于支持向量机的识别技术，从基于联合因子分析的识别技术到基于ivector的识别技术，以及近年来受到关注的基于深度学习的识别技术等； 第8章介绍顽健语音识别技术，从影响语音识别性能的环境变化因素分析开始，介绍噪声环境下顽健语音识别技术，以及变异语音识别的技术； 第9章介绍语音合成的基本原理、线性预测合成、共振峰合成以及汉语按规则合成，以及基于HMM的合成技术等内容。 本书可作为高等院校计算机应用、信号与信息处理、通信与电子系统等专业及学科的高年级本科生、研究生教材，也可供该领域的科研及工程技术人员参考。
内容超出我的认知，跨专业阅读，开卷有益
很想了解语音识别的核心特征是什么，但是书中疑似没讲到。我觉得speech的核心特征应该是频率pattern
虽是2019年出版的书，但内容上已经过时不少。单就语音合成而言，最后一节HMM已经是如今迅速被抛弃的模型。当前主流的神经网络模型则完全没论述。 不过本书也不是没价值。即便是在端到端的神经网络模型中，一些语音基础概念的理解对于模型的深挖，以及语音精度提高来讲还是有帮助的。
这本书非常好，做为语音信号处理工作者，值得入门一读。即便不需要处理相关算法和数学问题，依然值得去掌握相关原理和策略，可以更好的理解当前算力的能与不能，更好的定义产品，实现更好的用户体验，进行产品的精益求精，优化迭代。
算是不错的材料，但内容确实有一点陈旧了，深度学习方案介绍的比较少，但瑕不掩瑜，其余的阐述都较为详尽，对于扫盲以及梳理声音识别领域发展的时间线很有帮助。
本书只罗列一堆理论与公式，19年出版，距今有些过时，只可当基础入门了解，对于NLP算法远远不及。
只是知识的罗列，堆砌了一堆理论和公式，每个点却都没讲清楚。