VoIP语音处理与识别2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

VoIP语音处理与识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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　编码器实现技术53

2.2.3　解码器功能说明73

2.3　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123

4.2.1　偏度与峰度123

4.2.2　LPC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 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

参考文献137

第5章　语音信号的特征提取138

5.1 基音周期138

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

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——LDA306

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——PCA315

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——SVM362

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GMTK398

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