相關商品
商品簡介
名人/編輯推薦
目次
商品簡介
本書從智能化社會對語音處理提出的新要求出發，系統地介紹了智能語音處理涉及的基礎理論、基本技術、主要方法以及典型的智能語音處理應用。首先概述了智能語音處理的相關背景；接著介紹了智能語音處理涉及的基礎理論和相關技術，包括稀疏和壓縮感知、隱變量模型、組合模型、人工神經網絡和深度學習；然後結合具體算法，介紹了智能語音處理的典型應用，包括語音壓縮編碼、語音增強、語音轉換、說話人識別、骨導語音增強；最後對智能語音處理的未來發展進行了展望。
名人/編輯推薦
十餘年深耕智能語音處理的研究結晶 人工智能在語音處理領域的應用成果
目次
前言
第1章 智能語音處理導論1
1.1 概述1
1.2 經典語音處理2
1.2.1 語音處理的發展2
1.2.2 語音基本表示方法3
1.2.3 語音處理基本方法3
1.2.4 經典語音處理方法的不足4
1.3 智能語音處理5
1.3.1 智能語音處理的基本概念5
1.3.2 智能語音處理的基本框架5
1.3.3 智能語音處理的基本模型6
1.4 語音處理的應用7
1.4.1 語音處理的傳統應用領域8
1.4.2 語音處理的新應用領域11
1.5 小結14
參考文獻14
第2章 稀疏和壓縮感知15
2.1 引言15
2.2 稀疏和稀疏表示16
2.2.1 稀疏16
2.2.2 稀疏表示18
2.3 冗餘字典19
2.3.1 基本概念19
2.3.2 字典學習20
2.3.3 字典學習算法22
2.3.4 原子選擇算法25
2.4 壓縮感知27
2.4.1 基本概念27
2.4.2 壓縮感知模型29
2.4.3 觀測矩陣30
2.4.4 信號重構32
2.5 小結33
參考文獻33
第3章 隱變量模型36
3.1 引言36
3.2 高斯混合模型36
3.2.1 基本概念37
3.2.2 GMM參數估計37
3.3 隱馬爾可夫模型39
3.3.1 基本概念39
3.3.2 HMM關鍵問題42
3.4 高斯過程隱變量模型48
3.4.1 基本模型48
3.4.2 GPLVM的理論來源49
3.4.3 GPLVM模型訓練50
3.5 小結51
參考文獻51
第4章 組合模型52
4.1 引言52
4.2 主成分分析53
4.2.1 基本模型53
4.2.2 求解算法54
4.3 非負矩陣分解56
4.3.1 基本模型56
4.3.2 求解算法57
4.3.3 NMF與其他數據表示模型的關係58
4.4 魯棒組合模型60
4.4.1 組合模型的魯棒性分析61
4.4.2 魯棒主成分分析61
4.4.3 魯棒非負矩陣分解63
4.5 小結64
參考文獻64
第5章 人工神經網絡和深度學習65
5.1 引言65
5.2 神經網絡基礎66
5.2.1 神經元模型66
5.2.2 淺層神經網絡67
5.2.3 深度神經網絡68
5.3 深度學習69
5.3.1 基本概念和形式69
5.3.2 深度網絡的學習方法70
5.4 深度神經網絡的典型結構71
5.4.1 深度置信網絡71
5.4.2 自動編碼器與棧式自動編碼器72
5.4.3 卷積神經網絡74
5.4.4 循環神經網絡75
5.4.5 生成式對抗網絡77
5.5 小結79
參考文獻79
第6章 語音壓縮編碼81
6.1 引言81
6.2 基於字典學習的語音信號壓縮感知82
6.2.1 語音信號的稀疏性82
6.2.2 語音在常見變換域的稀疏化83
6.2.3 基於K-L展開的語音非相干字典84
6.2.4 基於K-L非相干字典的語音壓縮重構87
6.2.5 實驗仿真與性能分析88
6.3 基於梅爾倒譜系數重構的語音壓縮編碼93
6.3.1 基於梅爾倒譜分析的抗噪語音編碼模型94
6.3.2 基於稀疏約束的梅爾倒譜合成96
6.3.3 梅爾倒譜系數的量化算法99
6.3.4 實驗仿真與性能分析103
6.4 基於深度學習的語音壓縮編碼107
6.4.1 基於DAE的幅度譜編碼和量化107
6.4.2 基於DAE的低速率語音編碼110
6.4.3 實驗仿真與性能分析111
6.5 小結113
參考文獻113
第7章 語音增強115
7.1 引言115
7.2 語音增強技術基礎116
7.2.1 語音增強的估計參數116
7.2.2 智能語音增強的語音特徵117
7.2.3 性能評價118
7.3 基於非負矩陣分解的語音增強120
7.3.1 基本模型121
7.3.2 基於不相交約束非負矩陣分解的語音增強122
7.3.3 基於CNMF字典學習的語音增強127
7.4 基於深度學習的語音增強136
7.4.1 基於聽覺感知加權的深度神經網絡語音增強方法136
7.4.2 基於聽覺感知掩蔽的深度神經網絡語音增強方法141
7.5 小結151
參考文獻152
第8章 語音轉換155
8.1 引言155
8.2 語音轉換基本原理155
8.3 語音轉換模型與評價156
8.3.1 語音分析/合成模型156
8.3.2 語音參數的選擇157
8.3.3 時間對齊157
8.3.4 轉換模型和規則158
8.3.5 轉換性能評價159
8.4 基於非負矩陣分解的譜轉換160
8.4.1 概述160
8.4.2 基於卷積非負矩陣分解的譜轉換161
8.4.3 聲道譜轉換效果164
8.5 基於深度神經網絡的譜轉換168
8.5.1 深度學習驅動下的語音轉換168
8.5.2 面向譜轉換的神經網絡模型選擇168
8.5.3 基於BLSTM和神經網絡聲碼器交替訓練的語音轉換171
8.6 小結176
參考文獻176
第9章 說話人識別178
9.1 引言178
9.2 說話人識別基礎179
9.2.1 說話人識別系統框架179
9.2.2 典型的說話人識別模型180
9.3 基於i-vector的說話人識別及其改進181
9.3.1 基於i-vector的說話人識別概述181
9.3.2 用於提高i-vector魯棒性的幀加權方法182
9.3.3 實驗結果與分析187
9.4 基於深度神經網絡的說話人識別187
9.4.1 基於深度神經網絡的說話人識別概述187
9.4.2 基於對比度損失函數優化說話人矢量189
9.4.3 實驗結果與分析191
9.5 說話人識別系統的攻擊與防禦192
9.5.1 攻擊和防禦的背景192
9.5.2 說話人識別系統的攻擊方法192
9.5.3 說話人識別攻擊的檢測方法194
9.5.4 實驗結果與分析196
9.6 小結196
參考文獻197
第10章 骨導語音增強200
10.1 引言200
10.2 骨導語音增強基礎201
10.2.1 骨導語音的產生與特性201
10.2.2 骨導語音盲增強的特點202
10.2.3 骨導語音盲增強的典型方法203
10.3 基於長短時記憶網絡的骨導語音盲增強205
10.3.1 骨導/氣導語音的譜映射206
10.3.2 基於深度殘差BLSTM的骨導語音盲增強方法207
10.3.3 實驗仿真及性能分析211
10.4 基於均衡-生成組合譜映射的骨導語音盲增強215
10.4.1 均衡法215
10.4.2 基於均衡-生成組合譜映射的骨導語音盲增強方法216
10.4.3 實驗仿真及性能分析218
10.5 小結222
參考文獻223
第11章 智能語音處理展望224
11.1 智能語音處理的未來224
11.2 有待解決的關鍵技術225
11.2.1 語音識別226
11.2.2 語音合成228
11.2.3 語音增強229
11.2.4 語音處理中的安全問題230
11.3 小結230
參考文獻230
縮略語232
第1章 智能語音處理導論1
1.1 概述1
1.2 經典語音處理2
1.2.1 語音處理的發展2
1.2.2 語音基本表示方法3
1.2.3 語音處理基本方法3
1.2.4 經典語音處理方法的不足4
1.3 智能語音處理5
1.3.1 智能語音處理的基本概念5
1.3.2 智能語音處理的基本框架5
1.3.3 智能語音處理的基本模型6
1.4 語音處理的應用7
1.4.1 語音處理的傳統應用領域8
1.4.2 語音處理的新應用領域11
1.5 小結14
參考文獻14
第2章 稀疏和壓縮感知15
2.1 引言15
2.2 稀疏和稀疏表示16
2.2.1 稀疏16
2.2.2 稀疏表示18
2.3 冗餘字典19
2.3.1 基本概念19
2.3.2 字典學習20
2.3.3 字典學習算法22
2.3.4 原子選擇算法25
2.4 壓縮感知27
2.4.1 基本概念27
2.4.2 壓縮感知模型29
2.4.3 觀測矩陣30
2.4.4 信號重構32
2.5 小結33
參考文獻33
第3章 隱變量模型36
3.1 引言36
3.2 高斯混合模型36
3.2.1 基本概念37
3.2.2 GMM參數估計37
3.3 隱馬爾可夫模型39
3.3.1 基本概念39
3.3.2 HMM關鍵問題42
3.4 高斯過程隱變量模型48
3.4.1 基本模型48
3.4.2 GPLVM的理論來源49
3.4.3 GPLVM模型訓練50
3.5 小結51
參考文獻51
第4章 組合模型52
4.1 引言52
4.2 主成分分析53
4.2.1 基本模型53
4.2.2 求解算法54
4.3 非負矩陣分解56
4.3.1 基本模型56
4.3.2 求解算法57
4.3.3 NMF與其他數據表示模型的關係58
4.4 魯棒組合模型60
4.4.1 組合模型的魯棒性分析61
4.4.2 魯棒主成分分析61
4.4.3 魯棒非負矩陣分解63
4.5 小結64
參考文獻64
第5章 人工神經網絡和深度學習65
5.1 引言65
5.2 神經網絡基礎66
5.2.1 神經元模型66
5.2.2 淺層神經網絡67
5.2.3 深度神經網絡68
5.3 深度學習69
5.3.1 基本概念和形式69
5.3.2 深度網絡的學習方法70
5.4 深度神經網絡的典型結構71
5.4.1 深度置信網絡71
5.4.2 自動編碼器與棧式自動編碼器72
5.4.3 卷積神經網絡74
5.4.4 循環神經網絡75
5.4.5 生成式對抗網絡77
5.5 小結79
參考文獻79
第6章 語音壓縮編碼81
6.1 引言81
6.2 基於字典學習的語音信號壓縮感知82
6.2.1 語音信號的稀疏性82
6.2.2 語音在常見變換域的稀疏化83
6.2.3 基於K-L展開的語音非相干字典84
6.2.4 基於K-L非相干字典的語音壓縮重構87
6.2.5 實驗仿真與性能分析88
6.3 基於梅爾倒譜系數重構的語音壓縮編碼93
6.3.1 基於梅爾倒譜分析的抗噪語音編碼模型94
6.3.2 基於稀疏約束的梅爾倒譜合成96
6.3.3 梅爾倒譜系數的量化算法99
6.3.4 實驗仿真與性能分析103
6.4 基於深度學習的語音壓縮編碼107
6.4.1 基於DAE的幅度譜編碼和量化107
6.4.2 基於DAE的低速率語音編碼110
6.4.3 實驗仿真與性能分析111
6.5 小結113
參考文獻113
第7章 語音增強115
7.1 引言115
7.2 語音增強技術基礎116
7.2.1 語音增強的估計參數116
7.2.2 智能語音增強的語音特徵117
7.2.3 性能評價118
7.3 基於非負矩陣分解的語音增強120
7.3.1 基本模型121
7.3.2 基於不相交約束非負矩陣分解的語音增強122
7.3.3 基於CNMF字典學習的語音增強127
7.4 基於深度學習的語音增強136
7.4.1 基於聽覺感知加權的深度神經網絡語音增強方法136
7.4.2 基於聽覺感知掩蔽的深度神經網絡語音增強方法141
7.5 小結151
參考文獻152
第8章 語音轉換155
8.1 引言155
8.2 語音轉換基本原理155
8.3 語音轉換模型與評價156
8.3.1 語音分析/合成模型156
8.3.2 語音參數的選擇157
8.3.3 時間對齊157
8.3.4 轉換模型和規則158
8.3.5 轉換性能評價159
8.4 基於非負矩陣分解的譜轉換160
8.4.1 概述160
8.4.2 基於卷積非負矩陣分解的譜轉換161
8.4.3 聲道譜轉換效果164
8.5 基於深度神經網絡的譜轉換168
8.5.1 深度學習驅動下的語音轉換168
8.5.2 面向譜轉換的神經網絡模型選擇168
8.5.3 基於BLSTM和神經網絡聲碼器交替訓練的語音轉換171
8.6 小結176
參考文獻176
第9章 說話人識別178
9.1 引言178
9.2 說話人識別基礎179
9.2.1 說話人識別系統框架179
9.2.2 典型的說話人識別模型180
9.3 基於i-vector的說話人識別及其改進181
9.3.1 基於i-vector的說話人識別概述181
9.3.2 用於提高i-vector魯棒性的幀加權方法182
9.3.3 實驗結果與分析187
9.4 基於深度神經網絡的說話人識別187
9.4.1 基於深度神經網絡的說話人識別概述187
9.4.2 基於對比度損失函數優化說話人矢量189
9.4.3 實驗結果與分析191
9.5 說話人識別系統的攻擊與防禦192
9.5.1 攻擊和防禦的背景192
9.5.2 說話人識別系統的攻擊方法192
9.5.3 說話人識別攻擊的檢測方法194
9.5.4 實驗結果與分析196
9.6 小結196
參考文獻197
第10章 骨導語音增強200
10.1 引言200
10.2 骨導語音增強基礎201
10.2.1 骨導語音的產生與特性201
10.2.2 骨導語音盲增強的特點202
10.2.3 骨導語音盲增強的典型方法203
10.3 基於長短時記憶網絡的骨導語音盲增強205
10.3.1 骨導/氣導語音的譜映射206
10.3.2 基於深度殘差BLSTM的骨導語音盲增強方法207
10.3.3 實驗仿真及性能分析211
10.4 基於均衡-生成組合譜映射的骨導語音盲增強215
10.4.1 均衡法215
10.4.2 基於均衡-生成組合譜映射的骨導語音盲增強方法216
10.4.3 實驗仿真及性能分析218
10.5 小結222
參考文獻223
第11章 智能語音處理展望224
11.1 智能語音處理的未來224
11.2 有待解決的關鍵技術225
11.2.1 語音識別226
11.2.2 語音合成228
11.2.3 語音增強229
11.2.4 語音處理中的安全問題230
11.3 小結230
參考文獻230
縮略語232
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。