第1章　绪论 1
1.1　语音信号处理的发展 1
1.1.1　语音合成 1
1.1.2　语音编码 2
1.1.3　语音识别 4
1.2　语音信号处理的应用 7
1.3　语音信号处理的过程 8
1.4　MATLAB在数字语音信号处理中的应用 9
习题1 10
第2章　语音信号的数字模型 11
2.1　语音的发声机理 11
2.1.1　人的发声器官 11
2.1.2　语音生成 12
2.2　语音的听觉机理 13
2.2.1　听觉器官 13
2.2.2　听觉掩蔽效应 14
2.2.3　临界带宽与频率群 15
2.2.4　耳蜗的信号处理机制 16
2.2.5　语音信号听觉模型 17
2.3　语音信号的数字模型 18
2.3.1　激励模型 18
2.3.2　声道模型 20
2.3.3　辐射模型 22
2.3.4　数字模型 22
2.3.5　模型局限性 23
习题2 23
第3章　语音信号短时时域分析 24
3.1　语音信号的预处理 24
3.1.1　语音信号的预加重处理 24
3.1.2　语音信号的加窗处理 26
3.2　短时平均能量 29
3.3　短时平均幅度 32
3.4　短时平均过零率 34
3.5　短时自相关分析 36
3.5.1　短时自相关函数 36
3.5.2　语音信号的短时自相关函数 36
3.5.3　修正的短时自相关函数 41
3.5.4　短时平均幅度差函数 44
3.6　基于能量和过零率的语音端点检测 45
3.7　基音周期估值 47
3.7.1　基于短时自相关法的基音周期估值 47
3.7.2　基于短时平均幅度差函数法的基音周期估值 51
3.7.3　基音周期估值的后处理 53
3.7.4　基音周期估值后处理的MATLAB实现 54
习题3 57
第4章　语音信号短时频域分析 59
4.1　傅里叶变换的解释 59
4.1.1　短时傅里叶变换 59
4.1.2　窗函数的作用 60
4.2　滤波器的解释 65
4.2.1　短时傅里叶变换的滤波器实现形式一 65
4.2.2　短时傅里叶变换的滤波器实现形式二 66
4.3　短时合成的两种方法 67
4.3.1　短时合成的滤波器组相加法原理 67
4.3.2　短时合成的滤波器组相加法的MATLAB实现 69
4.3.3　短时合成的叠接相加法原理及其MATLAB实现 75
习题4 78
第5章　语音信号倒谱分析 80
5.1　复倒谱和倒谱的定义及性质 80
5.1.1　定义 80
5.1.2　复倒谱的性质 80
5.2　语音信号倒谱分析及应用 83
5.2.1　语音信号倒谱分析原理 83
5.2.2　语音信号倒谱应用 85
5.3 Mel频率倒谱参数 91
5.3.1 Mel频率滤波器组 91
5.3.2 MFCC提取 93
5.3.3 MFCC提取的MATLAB实现 94
习题5 95
第6章　语音信号线性预测分析 97
6.1　LPC的基本原理 97
6.1.1　LPC的实现方法 97
6.1.2　语音信号模型和LPC之间的关系 99
6.1.3　模型增益G的确定 100
6.2　LPC系数的解法 101
6.2.1　自相关法 101
6.2.2　协方差法 102
6.2.3　自相关法的MATLAB实现 103
6.3　线谱对（LSP）分析 104
6.3.1　LSP的定义和特点 105
6.3.2　LPC系数到LSP系数的转换及MATLAB实现 108
6.3.3　LSP系数到LPC系数的转换及MATLAB实现 111
6.4　LPC的几种推演参数 113
6.4.1　反射系数 113
6.4.2　对数面积比（LAR）系数 113
6.4.3　预测器多项式的根 114
6.4.4　预测误差滤波器的冲激响应及其自相关函数 114
6.5 LPC的两个应用实例 114
6.5.1　LPC倒谱及MATLAB实现 115
6.5.2 LPC基音周期检测及MATLAB实现 117
习题6 124
第7章　矢量量化 126
7.1　矢量量化基本原理 127
7.1.1　矢量量化的定义 127
7.1.2　失真测度 128
7.1.3　矢量量化器 129
7.2　最佳矢量量化器 130
7.3　矢量量化器的设计算法及MATLAB实现 131
7.3.1　LBG算法 131
7.3.2　初始码书的选取与空胞腔的处理 133
7.3.3　已知训练序列的LBG算法的MATLAB实现 134
7.3.4　树形搜索矢量量化器 136
习题7 139
第8章　语音编码原理及应用 140
8.1　语音编码的分类及特性 140
8.1.1　波形编码 140
8.1.2　参数编码 141
8.1.3　混合编码 141
8.2　语音编码性能的评价指标 141
8.2.1　编码速率 141
8.2.2　编码语音质量评价 142
8.2.3　编解码延时 142
8.2.4　算法复杂度 142
8.3　语音信号波形编码 143
8.3.1　脉冲编码调制（PCM） 143
8.3.2　自适应预测编码（APC） 147
8.3.3　G.721标准及算法实现 149
8.4　语音信号参数编码 161
8.4.1　LPC声码器原理 161
8.4.2　LPC-10声码器 162
8.5　语音信号混合编码 165
8.5.1　合成分析技术和感觉加权滤波器 165
8.5.2　激励模型的演变 167
8.5.3　G.728标准简介 167
8.6　语音信号宽带变速率编码 168
习题8 169
第9章　语音识别原理及应用 170
9.1　语音识别系统概述 170
9.1.1　语音信号预处理 170
9.1.2　语音识别特征提取 171
9.1.3　语音训练识别网络 172
9.2　支持向量机在语音识别中的应用 175
9.2.1　支持向量机分类原理 175
9.2.2　支持向量机的模型参数选择问题 180
9.2.3　支持向量机用于语音识别的MATLAB实现 181
习题9 185
第10章 神经网络原理及应用 186
10.1 人工神经网络 186
10.1.1 神经元 186
10.1.2 神经网络的分类 187
10.2 深度神经网络 188
10.2.1 深度学习 188
10.2.2 卷积神经网络 189
10.2.3 长短时记忆（LSTM）网络 190
10.3 神经网络在语音信号处理中的应用 191
10.3.1 RBF网络在语音识别中的应用及MATLAB实现 191
10.3.2 SOFM网络在语音编码中的应用及MATLAB实现 197
10.3.3 深度神经网络在语音识别中的应用 200
习题10 202
第11章 语音合成原理及应用 203
11.1 语音合成系统概述 203
11.1.1 文本分析 204
11.1.2 韵律控制 206
11.1.3 语音合成方法 206
11.2 传统语音合成 207
11.2.1 共振峰合成 208
11.2.2 线性预测分析合成 210
11.2.3 基音同步叠加 212
11.2.4 统计参数语音合成 219
11.3 基于深度学习的端到端语音合成 223
11.3.1 基于WaveNet的语音合成 223
11.3.2 基