實時語音處理實踐指南

緒論1
第1章 信號處理 7
1.1 數(shù)字和模擬頻率 7
1.2 離散傅里葉變換8
1.2.1 實數(shù)DFT 9
1.2.2 復數(shù)DFT 10
1.2.3 負頻分量 10
1.2.4 DFT變換性質 10
1.3 FFT 11
1.3.1 FFT 結果舉例 12
1.3.2 實信號FFT 13
1.3.3 短時傅里葉變換 14
1.3.4 STFT語音窗函數(shù)選擇 14
1.4 重疊相加法和重疊保留法 16
1.4.1 OLA 17
1.4.2 OLS 19
1.5 加權重疊相加法 21
1.5.1 WOLA 計算過程 22
1.5.2 WOLA 窗函數(shù)選擇 22
1.6 濾波器組 23
1.7 語音預加重 27
1.8 高斯分布 27
1.8.1 單高斯分布 27
1.8.2 多維高斯分布 29
1.9 HMM模型 31
1.10 卡爾曼濾波 32
第2章 發(fā)音機理和器件 34
2.1 語音的產(chǎn)生和接收 34
2.1.1 語音產(chǎn)生機理 34
2.1.2 發(fā)聲模型 36
2.1.3 發(fā)音單位 36
2.1.4 發(fā)音分類 37
2.1.5 聲音接收 37
2.1.6 聲音傳播 38
2.2 揚聲器 38
2.2.1 電學性能 38
2.2.2 聲學性能 39
2.2.3 底噪 40
2.2.4 頻響特性 41
2.2.5 THD+N POUT 41
2.2.6 電壓（功率）和失真 42
2.3 麥克風 42
2.3.1 麥克風性能指標 42
2.3.2 麥克風的選擇 43
2.4 結構設計 45
2.5 音頻設備 46
2.6 聲學測試 49
第3章 語音端點檢測 59
3.1 特征選取 59
3.2 判決準則 61
3.2.1 門限 61
3.3 VAD 實例 63
3.4 語音/非語音幀的初始參數(shù) 75
第4章 單通道降噪 79
4.1 譜減法 79
4.2 維納濾波 84
4.3 子空間降噪 86
4.4 WebRTC 單通道降噪實現(xiàn) 87
4.5 深度學習降噪 101
第5章 聲學回聲消除 106
5.1 回聲消除原理 106
5.2 自適應濾波器 108
5.3 WebRTC 回聲消除算法 113
5.4 Speex 回聲消除算法 128
第6章 聲源定位 147
6.1 GCC算法 147
6.2 SRP-PHAT算法 149
6.3 MUSIC算法 150
6.4 TOPS 算法 152
6.5 FRIDA算法 154
6.6 后處理抗噪 155
第7章 波束形成技術 162
7.1 麥克風陣列 163
7.2 常見波束形成方法 168
7.3 WebRTC 波束形成實例 174
7.4 后置濾波（Post-filtering） 187
第8章 盲源分離 196
8.1 基本概念及數(shù)學預備知識 196
8.2 盲語音分離預處理——PCA 199
8.3 頻域獨立成分分析法——FDICA 200
8.4 后置濾波處理 205
8.5 GSC 與ICA聯(lián)合估計 209
第9章 音效處理 214
9.1 聲道的分類 214
9.2 后端音效處理 217
第10章 語音編/解碼 227
10.1 LPC 編碼 230
10.2 SILK編/解碼 231
10.3 opus 編/解碼概覽 239
10.4 語音質量評估 247
第11章 語音網(wǎng)絡傳輸 251
11.1 擁塞控制 252
11.2 NetEQ 266
第12章 語音喚醒 278
12.1 語音喚醒技術簡介 278
12.2 特征提取 279
12.3 模型結構 284
12.4 計算加速 292
第13章 語音識別 301
13.1 語音特征提取 303
13.2 聲學模型 306
13.3 語言模型 310
13.4 YES 和NO識別實例 312
13.5 Kaldi 中文語音識別 321
13.6 DeepSpeech 語音識別 324
附錄A 本書涉及的專業(yè)術語 331