前言
語音信號處理是以語音語言學(xué)和數(shù)字信號處理為基礎(chǔ)而形成的一門涉及面很廣的綜合性學(xué)科，它與心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)、通信與信息科學(xué)以及模式識別和人工智能等學(xué)科都有著非常密切的關(guān)系。近年來，伴隨著深度學(xué)習(xí)、高性能運(yùn)算平臺和大數(shù)據(jù)的發(fā)展，智能語音技術(shù)的研發(fā)瓶頸紛紛被突破，已成為人工智能產(chǎn)業(yè)鏈上的關(guān)鍵一環(huán)，深深地吸引廣大科學(xué)工作者不斷進(jìn)行研究和探討。
本書較全面地反映了現(xiàn)代語音信號處理的主要內(nèi)容和發(fā)展方向，主要面向電子信息類、自動化類、計(jì)算機(jī)類等學(xué)科有關(guān)專業(yè)的高年級本科生和研究生，也可以作為從事語音信號處理這一領(lǐng)域技術(shù)人員的參考用書。因此，本書在內(nèi)容上強(qiáng)調(diào)基本概念和基本理論方法的掌握，并突出各部分的相互聯(lián)系。此外，考慮到語音信號處理的實(shí)用性很強(qiáng)，以及當(dāng)前人工智能技術(shù)的發(fā)展，本書在介紹基本理論和基本算法的基礎(chǔ)上，給出了相應(yīng)的Python代碼，使學(xué)習(xí)人員可以邊學(xué)習(xí)理論邊實(shí)踐，有助于知識的理解和記憶。
本書的參考學(xué)時為本科生32學(xué)時、研究生40學(xué)時，可以根據(jù)不同的教學(xué)要求對內(nèi)容進(jìn)行適當(dāng)取舍，靈活安排授課學(xué)時數(shù)。全書分為15章，具體內(nèi)容如下。
第1章簡要介紹了語音信號處理的發(fā)展歷程、當(dāng)前的主要研究方向、人工智能與語音處理的聯(lián)系，以及本書的章節(jié)安排情況。
第2章介紹了語音信號處理的基礎(chǔ)知識，包括語音的產(chǎn)生與感知、語音信號產(chǎn)生的數(shù)學(xué)模型、語音信號的數(shù)字化和語音信號的基本表征方法等。
第3章介紹了語音信號的預(yù)處理方法（包括分幀與加窗、消除趨勢項(xiàng)和直流分量、預(yù)加重和去加重）以及4種語音信號的基本分析方法，包括時域分析、頻域分析、倒譜分析和線性預(yù)測分析。
第4章介紹了3種語音信號的特征提取技術(shù)，包括端點(diǎn)檢測、基音周期估計(jì)和共振峰估計(jì)。其中，端點(diǎn)檢測算法包括雙門限法、自相關(guān)法、譜熵法和比例法；基音周期估計(jì)算法包括自相關(guān)法、倒譜法以及后處理方法；共振峰估計(jì)算法包括倒譜分析法和線性預(yù)測法。
第5章介紹了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的相關(guān)基礎(chǔ)知識，包括神經(jīng)元的構(gòu)成、誤差逆?zhèn)鞑ニ惴ㄒ约?種典型的深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，即前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。
第6章介紹了語音增強(qiáng)的基本原理和典型算法。首先介紹了人耳感知特性、語音與噪聲特性和語音質(zhì)量評價標(biāo)準(zhǔn)，然后依次介紹了3種語音增強(qiáng)算法：譜減法、維納濾波和基于深度學(xué)習(xí)的語音增強(qiáng)方法。
第7章介紹了回聲消除的基本原理和典型算法。首先介紹了回聲消除的基本模型以及性能的評價標(biāo)準(zhǔn)，然后依次介紹5種回聲消除算法，后介紹了嘯叫檢測與抑制方法。
第8章介紹了聲源定位的基本原理。依次介紹了雙耳聽覺定位原理及方法和3種基于傳聲器陣列的聲源定位方法，即基于輸出功率的可控波束形成算法、基于到達(dá)時間差的定位算法和基于高分辨率譜估計(jì)的定位算法。此外，還介紹了傳聲器陣列模型以及可用于聲源定位研究的房間回響模型。
第9章介紹了波束形成技術(shù)的基本原理和典型算法。首先介紹了波束形成的基本理論，然后分別介紹了幾種經(jīng)典的波束形成器和自適應(yīng)波束形成，后介紹了幾種后置濾波算法。
第10章介紹了語音識別算法。首先介紹了語音識別原理與系統(tǒng)構(gòu)成，接著介紹了基于動態(tài)時間規(guī)整的語音識別系統(tǒng)和基于隱馬爾可夫模型的語音識別系統(tǒng)，然后介紹了基于人工智能的語音識別的相關(guān)知識，后介紹了語音識別算法的性能評價指標(biāo)。
第11章介紹了說話人識別算法。首先介紹了說話人識別的原理，然后介紹了兩種典型的說話人識別系統(tǒng)，分別是基于VQ的說話人識別系統(tǒng)和基于GMM的說話人識別系統(tǒng)。接著介紹了基于深度學(xué)習(xí)的說話人識別的相關(guān)知識，包括兩種經(jīng)典的基于深度學(xué)習(xí)的說話人識別算法，后，介紹了說話人識別的研究難點(diǎn)。
第12章介紹了語音信號中的情感信息處理的基本原理。首先介紹了情感理論和語音數(shù)據(jù)庫的建立方法，然后介紹了一些常用的語音情感特征及其提取算法，接著介紹了兩種語音情感識別算法，包括K近鄰分類器和支持向量機(jī)。后介紹了基于深度學(xué)習(xí)的情感識別算法，并對未來的研究進(jìn)行了展望。
第13章介紹了語音合成與轉(zhuǎn)換的基本原理。首先介紹了幀合成技術(shù)，然后介紹了3種語音合成算法，包括線性預(yù)測合成法、共振峰合成法和基音同步疊加技術(shù)，接著介紹了語音信號的變速和變調(diào)的原理和實(shí)現(xiàn)方法，后介紹了3種基于深度學(xué)習(xí)的語言合成模型。
第14章介紹了語音隱藏的基本原理。首先介紹了信息隱藏的基礎(chǔ)理論，然后介紹了兩種語音信息隱藏算法：低比特位編碼法和回聲隱藏算法，后介紹了算法的常用評價指標(biāo)以及未來的研究方向。
第15章介紹了助聽器聲信號處理的相關(guān)知識。首先介紹了聽力損失與語言理解障礙的關(guān)系，然后介紹了與助聽器相關(guān)的三種關(guān)鍵算法：多通道響度補(bǔ)償算法、回聲抑制算法以及降頻算法，后對未來的研究方向進(jìn)行了展望。
附錄提供了PyCharm軟件的快速使用教程，并對文中常用的Python庫進(jìn)行了說明。
本書主要由梁瑞宇、王青云、謝躍和唐閨臣編著，并由梁瑞宇統(tǒng)稿。本書被列入2020年江蘇省高等學(xué)校重點(diǎn)教材建設(shè)計(jì)劃（蘇高教會［2020］39號）。編者參考和引用了一些學(xué)者的研究成果，具體見參考文獻(xiàn)。在此，編者向這些文獻(xiàn)的著作者表示敬意和感謝。同時，本書的出版得到了東南大學(xué)趙力教授的悉心指導(dǎo)，同時誠摯感謝給予此書指導(dǎo)和幫助的老師以及東南大學(xué)團(tuán)隊(duì)的碩士研究生。
語音信號處理是一門理論性強(qiáng)、實(shí)用面廣、內(nèi)容新、難度大的交叉學(xué)科，同時這門學(xué)科又處于快速發(fā)展之中，盡管編者在編寫過程中始終注重理論緊密聯(lián)系實(shí)際，力求以盡可能簡明、通俗的語言，深入淺出、通俗易懂地將這門學(xué)科介紹給讀者，但因水平有限、時間較倉促，書中疏漏與不妥之處在所難免，敬請廣大讀者批評指正。