《语音信号处理》介绍了语音信号处理的基础、原理、方法和应用，以及该学科领域近年来取得的一些新的研究成果和技术。《语音信号处理》共分十二章，内容包括：绪论、语音信号处理的基础知识、语音信号的分析技术、语音信号的矢量量化、隐马尔可夫模型技术、神经网络在语音信号处理中的应用、语音编码、语音合成、语音识别、说话人识别和语种辨识技术、语音信号的情感信息处理技术、语音增强技术。
《语音信号处理》可作为高等院校的教材或教学参考书使用，同时也可供语音信号处理等领域的工程技术人员参考。

出版说明
前言

第1章绪论
第2章语音信号处理的基础知识
2.1概述
2.2语音和语言
2.3汉语语音学
2.3.1汉语语音的特点
2.3.2汉语的拼音方法
2.3.3汉语音节的一般结构
2.3.4汉语声母的结构
2.3.5汉语韵母的结构
2.3.6声母和韵母的相互作用--音征互载
2.3.7汉语的声调
2.4语音生成系统和语音感知系统
2.4.1语音发音系统
2.4.2语音听觉系统
2.5语音信号生成的数学模型
2.5.1激励模型
2.5.2声道模型
2.5.3辐射模型
2.5.4语音信号的数学模型
2.6语音信号的特性分析
2.6.1语音信号的时域波形和频谱特性
2.6.2语音信号的语谱图
2.6.3语音信号的统计特性
思考与复习题

第3章语音信号分析
3.1概述
3.2语音信号的数字化和预处理
3.2.1预滤波、采样、A／I）变换
3.2.2预处理
3.3语音信号的时域分析
3.3.1短时能量及短时平均幅度分析
3.3.2短时过零率分析
3.3.3短时相关分析
3.3.4短时平均幅度差函数
3.4语音信号的频域分析
3.4.1利用短时傅里叶变换求语音的短时谱
3.4.2语音的短时谱的临界带特征矢量
3.5语音信号的倒谱分析
3.5.1同态信号处理的基本原理
3.5.2复倒谱和倒谱
3.5.3语音信号两个卷积分量的复倒谱
3.5.4复倒谱分析中的相位卷绕及避免相位卷绕的算法
3.5.5语音信号倒谱分析实例
3.6语音信号的线性预测分析
3.6.1线性预测分析的基本原理
3.6.2线性预测方程组的求解
3.6.3 LPC谱估计和LPC复倒谱
3.6.4线谱对（LSP）分析
3.7基音周期估计
3.7.1自相关法
3.7.2平均幅度差函数法（AMDF）
3.7.3并行处理技术（PPROC）方法
3.7.4倒谱（CEP）法
3.7.5简化逆滤波法（SIFT）
3.7.6小波变换法
3.7.7基音检测的后处理
3.8共振峰估计
3.8.1带通滤波器组法
3.8.2倒谱法
3.8.3 LPC法
思考与复习题

第4章矢量量化技术（VQ）
4.1概述
4.2矢量量化的基本原理
4.3矢量量化的失真测度
4.3.1欧氏距离测度
4.3.2线性预测失真测度
4.3.3识别失真测度
4.4矢量量化器的最佳码本设计
4.4.1 123（3算法
4.4.2初始码本的生成
4.5矢量量化技术的优化设计
4.5.1无记忆的矢量量化系统
4.5.2有记忆的矢量量化系统
4.5.3模糊矢量量化（Ftizzy vQ）
4.5.4遗传算法优化码本--GAVQ算法
思考与复习题

第5章隐马尔可夫模型（HMM）
5.1概述
5.2隐马尔可夫模型的引人
5.3隐马尔可夫模型的定义
5.3.1离散Markov过程
5.3.2隐Markov模型
5.3.3 HMM的基本元素
5.4隐马尔可夫模型的基本算法
5.4.1前向一后向算法
5.4.2维特比（Viterbi）算法
5.4.3 Baum-Welch算法
5.5隐马尔可夫模型的各种结构类型
5.5.1按照HMM的状态转移概率矩阵（A参数）分类
5.5.2按照HMM的输出概率分布（B参数）分类
5.5.3其他一些特殊的HMM的形式
5.6隐马尔可夫模型的一些实际问题
5.6.1下溢问题
5.6.2参数的初始化问题
5.6.3提高HMM描述语音动态特性的能力
5.6.4 HMM训练方法的改进
5.6.5直接利用状态持续时间分布概率的HMM系统
思考与复习题

第6章人工神经网络初步
6.1概述
6.2人工神经网络简介
6.3人工神经网络的构成
6.3.1神经元
6.3.2神经元的学习算法
6.3.3网络拓扑
6.3.4网络的学习算法
6.4几种用于模式识别的神经网络模型及其主要算法
6.4.1单层感知器
6.4.2双层感知器
6.4.3多层感知器
6.4.4径向基函数神经网络的分类特性
6.4.5自组织特征映射模型
6.4.6时延神经网络
6.4.7循环神经网络
6.5用神经网络进行模式识别的典型做法
6.5.1多输出型
6.5.2单输出型
6.6人工神经网络模型的应用举例
思考与复习题

第7章语音编码
7.1概述
第8章语音合成
第9章语音识别
第10章说话人识别与语种辨识
第11章语音信号中的情感信息
第12章语音增强
……