《来自VoIP 语音处理与致思识别》是2010年5月国防工业出版社出版的图书，作者是屈丹。

• 书名 VoIP 语音处理与识别
• 作者 屈丹
• ISBN 9787118066685
• 页数 513
• 定价 48.00元

内容简介

　　本书从VoIP 通信过程出发,以传统来自语音识别技术为基础,沿着PSTN 网信号处理和I草零角经酒P 包信号处理两个主线进行研究,以语音识别的前端处理、特征提取、模型建立、后端处理结切井美云手业夫先尔除过程进行组织。 针对VoI360百科P 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,力求使得VoIP 语音识别能走出实验歌额些场队室,向实用发展。全书共14 章,分为:绪论、VoIP 语音编码标准、语音信号和话带数据检测、VoIP 信道检测、语音信号的特征提取、编解码失配补偿、通话模式分析、VoIP 协议分析及数据

图书目录

　　第1 章 绪论 1

　　1.1 VoIP 的基本概念和系统组成 1

　　1.1.1 VoIP 基本概念 1

　　1.1.2 VoIP 基本原理 3

　　1.1.3 VoIP 系统基本组成 5

　　1.1.4 VoIP 主要特点 7

　　1.1.5 VoIP 的关键技术 8

　　1.2 语音识别的基本原理与研究内容 10

　　1.2.1 语音识别基本原理 11

　　1.2.2 传统语音识别 14

　　1.2.3 VoIP 语音识别 20

　　1.3 传统语音识别的发展历程 23

　　1.4 VoIP 语音识别的发展历程 33

　　参考文献 36

　　第2 章 VoIP 语音编码标准 43

　　2.1 G.711 语音编码 43

　　2.1.1 G.711 语音提苦铁即屋际题修编码原理 43

　　2.1.2 A 律压缩 44

　　2.1.3 μ 律压缩 48

　　2.2 G.729 语音编码 51

　　2.2.1 G.729 编码原理 51

　　2.2.2 编码器脸注时水司实现技术 53

　　2.2.3 解码器功能说明 73

　　2.做大依3 G.723.1 语音编码 80

　　2.3.1 编码器原理 81

　　2.3.2 编码器实现技术 81

　　2.3.3 解码器原理 95

　　2.3.4 解码器实现技术 河备曾配冷速阶食灯95

　　参考文献 99

　　第3 章 语音和话带数据检测 100

　　3.1 话带数据简介 100

　　3.1.1 传真 100

　　3.1.2 调制解调器数据 101

　　3.1.3 单音信号和双音多频信号(DTMF) 103

　　3.2 语音和话带数据波形的特点 104

　　3.2.1 语音波形的特点 104

　　3.2.2 话带数据信号波形的特点 105

　　3.3 语音和话带数据识别的特征分析 107

　　3.3.1 能量相关参数 107

　　3.3.2 过零率相关参数 109

　　3.3.3 归一化自相关函数 111

　　3.3.4 基音周期 111

　　3.3.5 谱特征 112

　　3.4 语音和话带数日抓生没太八界晚据分离方法 112

　　3.5 语音与话带数据检测技术应用 115

　　参考文献 117

　　附录 118

　　第4 章 VoIP 信道检测 121

　　4.1 声道参数 121

　　4.2 语音信号统计参数 12组周示块注该错的走的3

　　4.2.1 偏更气操火模等队王度与峰度 123

　　4.2.2 LP机周环就兰渐资坐用C 峰度及偏度 124

　　4.2.3 LPCC 峰度及偏度 125

　　4.3 静态信噪比 127

　　4.4 非自然周期性参数 130

　　4.4.1 非自然嘟嘟声 130

　　4.4.2 机器性参数 131

　　4.4.3 帧重复性 133

　　4.5 哑声参数与中断参数 133

　　4.5.1 照青久山讨跳钟房段动哑声参数 133

　　4.5.2 中断参数 134

　　4.6 基于支持矢量机的VoIP 信道检测方法 135

　　4.6.1 算法流程 135

　　4.6.2 支持矢量机 135

　　4.6.3 算法的具体实现 137

　　参考文初献 137

　　第5 章 语音述培硫略信号的特征提取 138

　　5.1 基音周期 138

动困茶　　5.1.1 基音检测的难点及方法分类 139

　　5.1.2 自相关法及其改进 139

　　5.1.3 并行处理法 142

　　5.1.4 倒谱法 144

　　5.1.5 简化逆滤波法 145

　　5.2 线性预历调象跑养著互简解察测参数 145

　　5.2.1 线性预测信号模型 146

　　5.2.2 线性预测误差滤连鸡波 147

　　5.2.3 语音信号的线性预测分析 151

　　5.2.4 线性预测分析的解法 152

　　5.2.5 斜格法(Lattice Method)及其改进 153

　　钱件四巴践5.3 线谱对(LSP)参数 160

　　5.3.1 线谱对分析原理 160

　　5.3.2 线谱对分析的求解 162

　　5.4 倒谱系数及差分参数 163

　　5.4.1 LPCC 参数 163

　　5.4.2 MFCC 参数 164

　　5.4.3 ASCC 参数 166

　　5.4.4 差分参数 167

　　5.5 感觉加权的线性预测(PLP)特征 168

　　5.5.1 PLP 参数 168

　　5.5.2 RASTA-PLP 参数 169

　　5.6 高阶信号谱类特征 170

　　5.6.1 WV 谱的定义及其主要性质 170

　　5.6.2 WV 谱计算式的一些变形 171

　　参考文献 173

　　第6 章 编解码失配补偿 175

　　6.1 编解码失配影响 175

　　6.1.1 VoIP 系统语音传输 176

　　6.1.2 编解码失配对说话人辨认系统的影响 176

　　6.1.3 编解码失配对说话人确认系统的影响 177

　　6.1.4 特征参数的编码失真 179

　　6.2 常用编解码失配补偿方法 180

　　6.2.1 失配补偿的基本思想 181

　　6.2.2 经验补偿技术 181

　　6.2.3 盲补偿 182

　　6.2.4 基于特征及模型的补偿 184

　　6.3 基于编码失真的加权GMM 模型算法 188

　　6.3.1 加权GMM 模型 189

　　6.3.2 权重矩阵C 的确定 191

　　6.3.3 实验及分析 191

　　6.4 编码自动匹配方法 192

　　6.4.1 编码自动匹配方法的基本思想 192

　　6.4.2 语音编码检测器 193

　　6.4.3 实验及分析 193

　　6.5 统计匹配特征变换失配补偿算法 195

　　6.5.1 统计匹配的基本思想 195

　　6.5.2 线性特征变换式 195

　　6.5.3 非线性特征变换式 196

　　6.5.4 M-step 迭代根的求解 199

　　6.5.5 基于统计匹配的编解码失配补偿实验 201

　　6.6 分数归一化补偿算法 204

　　6.6.1 分数归一化算法的基本思想 204

　　6.6.2 实验及分析 206

　　参考文献 207

　　第7 章 通话模式分析 210

　　7.1 通话模式分析的基本概念与研究内容 210

　　7.1.1 通话模式分析的定义 211

　　7.1.2 通话模式分析的关键技术 211

　　7.1.3 通话模式分析的研究内容 212

　　7.2 通话模式分析的基本方法 215

　　7.2.1 基于KL2 距离的音频分割算法 215

　　7.2.2 基于隐马尔可夫模型的音频分割算法 216

　　7.2.3 基于贝叶斯信息准则的音频分割算法 217

　　7.2.4 基于熵变化趋势检测的音频分割算法 219

　　7.2.5 基于可信度变化趋势检测的音频分割算法 221

　　7.3 多人的说话人识别方法 225

　　7.3.1 多人说话人识别的基本思想 225

　　7.3.2 说话人分段 226

　　7.3.3 说话人聚类 227

　　7.3.4 彩铃的检测与分割算法 227

　　7.4 电信网特有噪声检测算法 230

　　参考文献 232

　　第8 章 VoIP 协议分析及数据获取 234

　　8.1 VoIP 协议简介 234

　　8.2 SIP 协议通信流程及识别 235

　　8.2.1 SIP 协议的功能 235

　　8.2.2 SIP 协议的通信方式 236

　　8.2.3 基于SIP 协议的VoIP 信息识别 237

　　8.3 H.323 协议通信流程与识别 240

　　8.3.1 H.323 通信流程 240

　　8.3.2 H.323 协议的动态特征 244

　　8.3.3 H.323 的识别方法 248

　　参考文献 251

　　第9 章 丢包处理 252

　　9.1 网络丢包模型 252

　　9.2 网络丢包对说话人识别的影响 254

　　9.2.1 合成语音说话人识别实验 254

　　9.2.2 解码参数说话人识别实验 255

　　9.2.3 压缩码流说话人识别实验 256

　　9.3 网络丢包处理技术 258

　　9.3.1 丢包恢复技术 258

　　9.3.2 丢包隐藏技术 261

　　9.4 语音识别系统中的丢包补偿方法 265

　　9.4.1 丢包检测 265

　　9.4.2 丢包补偿 266

　　9.4.3 有效性分析 268

　　9.4.4 丢包补偿实验结果 268

　　参考文献 270

　　第10 章 码流特征提取 273

　　10.1 码流语音识别的原理 273

　　10.2 G.729 码流特征提取 274

　　10.2.1 编码原理 274

　　10.2.2 基于解码参数的G.729 码流特征提取 275

　　10.2.3 基于帧结构映射的G.729 码流特征提取 279

　　10.3 G.723.1 码流特征提取 280

　　10.3.1 编码原理 280

　　10.3.2 基于解码参数的G.723.1 码流特征提取 281

　　10.3.3 基于帧结构映射的G.723.1 码流特征提取 282

　　10.4 GSM 码流特征提取 283

　　10.4.1 编码原理 283

　　10.4.2 基于解码参数的GSM 码流特征提取 284

　　10.4.3 基于帧结构映射的GSM 码流特征提取 286

　　10.5 码流特征提取实验 287

　　10.5.1 解码参数实验 287

　　10.5.2 基于帧结构映射参数实验 288

　　参考文献 289

　　第11 章 特征选择与特征变换 291

　　11.1 特征选择的基本概念 291

　　11.1.1 特征矢量和特征空间 292

　　11.1.2 特征的形成 292

　　11.1.3 特征的特点 292

　　11.1.4 特征的选择及作用 293

　　11.2 类的可分性判据 294

　　11.2.1 基于距离的可分性判据 294

　　11.2.2 基于概率密度函数的可分性判据 297

　　11.3 特征选择的方法 299

　　11.3.1 最优搜索算法 300

　　11.3.2 次优搜索算法 301

　　11.3.3 遗传算法 303

　　11.4 线性判别分析---LDA 306

　　11.4.1 线性判别分析的概念 307

　　11.4.2 广义线性判别函数 308

　　11.4.3 Fisher 线性判别 310

　　11.4.4 多类问题 314

　　11.5 主分量分析---PCA 315

　　11.5.1 基于K - L 变换的主分量分析 316

　　11.5.2 随机矢量的K - L 展开 316

　　11.5.3 基于K - L 变换的降维 318

　　11.6 独立分量分析 319

　　11.6.1 线性独立分量分析 319

　　11.6.2 线性独立分量分析算法 324

　　11.6.3 独立分量分析的预处理 329

　　11.6.4 非线性独立分量分析 330

　　11.7 特征变换举例 334

　　11.7.1 特征变换方法 334

　　11.7.2 特征变换实验 336

　　参考文献 337

　　第12 章 语音识别的模型 339

　　12.1 动态时间规整 339

　　12.1.1 动态时间规整的定义 339

　　12.1.2 动态规划技术(DP) 340

　　12.1.3 DTW 算法的改进 342

　　12.2 隐马尔可夫模型 344

　　12.2.1 隐马尔可夫模型的定义 344

　　12.2.2 HMM 中的3 个基本问题及其解决方案 346

　　12.2.3 隐马尔可夫模型的类型 352

　　12.2.4 HMM 算法实现的问题 352

　　12.3 分类模型---SVM 362

　　12.3.1 学习问题 362

　　12.3.2 学习过程一致性的条件 363

　　12.3.3 学习过程收敛速度的界 365

　　12.3.4 结构风险最小归纳原理 367

　　12.3.5 支持矢量机 370

　　12.4 人工神经网络 377

　　12.4.1 神经元的基本模型 377

　　12.4.2 前向网络 379

　　12.4.3 反馈网络 382

　　12.5 高斯混合模型(GMM) 387

　　12.5.1 高斯混合模型的定义 388

　　12.5.2 参数调整算法---EM 算法 388

　　12.6 动态贝叶斯网络 390

　　12.6.1 贝叶斯网络 391

　　12.6.2 动态贝叶斯网络 393

　　12.6.3 动态贝叶斯网络在语音识别中的应用 395

　　12.6.4 基于DBN 的语音识别软件GMTK 398

　　参考文献 400

　　第13 章 稳健性识别技术 402

　　13.1 稳健性识别技术概述 402

　　13.2 语音增强 405

　　13.2.1 多带谱减法

　　(Multi-Band Spectral Subtraction,MBSS) 406

　　13.2.2 短时谱估计(Short Time Spectral Estimator) 407

　　13.2.3 瞬时维纳滤波

　　(Instantaneous Wiener Filtering,IWF) 407

　　13.2.4 子空间法(Subspace) 408

　　13.3 信道补偿 410

　　13.3.1 多重风格训练 411

　　13.3.2 HMM 分解 411

　　13.3.3 并行模型组合PMC

　　(Parallel Model Combination) 413

　　13.3.4 矢量泰勒级数(Vector Taylor Series,VTS)方法 417

　　13.3.5 雅可比自适应(Jacobian Adaptation) 420

　　13.3.6 其他补偿方法 421

　　13.4 说话人自适应技术 421

　　13.4.1 最大似然度线性回归算法 423

　　13.4.2 最大后验概率算法 431

　　13.4.3 说话人聚类 435

　　13.5 说话人归一化技术 442

　　13.5.1 说话人归一化技术原理 442

　　13.5.2 频率折叠因子的选取 444

　　13.5.3 折叠方法的选取 447

　　参考文献 452

　　第14 章 语音识别应用 458

　　14.1 说话人识别 458

　　14.1.1 说话人识别的基本原理 458

　　14.1.2 特征参数的统计评价 460

　　14.1.3 判决规则与性能评价标准 461

　　14.1.4 说话人识别系统举例 464

　　14.2 语言辨识 465

　　14.2.1 语言辨识的基本原理 465

　　14.2.2 语言辨识的主要方法 466

　　14.2.3 语言辨识系统举例 471

　　14.3 关键词识别 473

　　14.3.1 关键词识别的基本原理 473

　　14.3.2 关键词识别及其与连续语音识别的关系 475

　　14.3.3 关键词识别的基本问题 475

　　14.3.4 关键词识别系统的主要技术难点 477

　　14.3.5 关键词识别系统举例 478

　　14.4 连续语音识别 479

　　14.4.1 连续语音识别的基本原理 479

　　14.4.2 连续语音识别中的搜索策略 481

　　14.4.3 连续语音识别系统举例 484

　　14.5 情感识别 485

　　14.5.1 情感识别的基本原理 485

　　14.5.2 情感分类 486

　　14.5.3 情感语音数据采集 487

　　14.5.4 情感特征分析 488

　　14.5.5 情感识别方法 489

　　参考文献 490"