《数字语音处理》PPT课件.pptVIP

数字语音处理 李香春 《数字语音处理》教学大纲 课程名称：数字语音处理 课程英文名称：DIGITAL SPEECH PROCESSING 总学时：32 讲课学时：32 学 分：2 开课单位：信息学部通信工程系 授课对象：电子信息工程专业及通信工程专业 先修课程：信号与系统 数字信号处理基础 《数字语音处理》教学大纲 教材：《数字语音处理》，姚天任编，华中科技大学出版社，1992 教学参考书： 《语音信号数字处理》，杨行峻、迟惠生编，电子工业出版社 《语音信号处理》，易克初等编，国防工业出版社，2000 教学目的：本课程作为本科生的一门选修课，主要向学生系统地介绍语音信号处理中的基本理论、方法，包括：语音信号的编码压缩技术、语音识别技术、语音合成技术。通过本课程的学习使学生掌握本课程的基本方法，开阔视野，为今后从事相关的研究开发工作奠定基础。  学时安排 第一章 绪论（共1学时）语音信号处理的发展历史，语音信号处理的分类,语音识别技术的分类。 第二章 语音信号产生的数字模型（共2学时）发音器官的生理、语音信号的产生模型 第三章 语音波形的数字编码（共4学时）语音编码的基本方法, 子带编码。 第四章 短时时域处理技术（共4学时） 短时能量、短时平均幅度、短时平均过零率、短时自相关函数 学时安排 第五章 短时傅里叶分析（共4学时） 第六章 语音信号的线性预测（共3学时） 线性预测分析基本原理，基于自相关的线性预测分析。 第七章 语音信号的同态预测和倒谱分析（共4学时） 第八章 矢量量化（共4学时） 矢量量化的基本原理、特征矢量及畸变准则的选择，LBG算法。 第九章 隐马尔科夫模型（共4学时） 第十章数字语音处理的应用（共2学时） 考核方式 方式1： 平时：小测验4次，占总成绩的70%-80% 期末：总结报告，占总成绩的20%-30% 方式2： 平时：报告1份，占总成绩的20%-30% 期末：闭卷考试，总成绩的70%-80% 1.绪论 语音信号处理的研究内容 语音信号处理的发展历史 讲授内容 语音信号处理的研究内容 语音信号的数字表示方法 波形表示： 参数表示： 语音信号处理的方法和技术 时域、频域和变换域 语音信号处理的应用 识别、合成、压缩、增强 语音信号的数字表示方法 如何选择表示方法？ 保存消息内容 便于传输和贮存 便于变换和处理 不能严重损害消息内容 波形表示法 波形表示法 波形表示法 参数表示法 参数表示法：语音信号看成是某个模型在一定激励作用下产生的输出，而激励源和模型的参数便作为语音信号的表示。 W=f(A,B) A激励，B模型参数 例：产生“信息学部”的语音信号 W=f（信息学部，140） 语音信号处理的方法和技术 时域（时变信号，但短时平稳） 短时处理技术 短时能量 短时平均过零率 短时自相关 频域 短时傅里叶分析 变换域 小波变换 语音信号处理的应用 语音压缩和编码:语音通信数字化； 语音合成：自动报站、自动报时、自动警告、电话自动查询和语音提示等； 语音识别:声控应用、自动口语翻译； 说话认识别:安全加密、银行信息电话查询服务以及破案和法庭取证； 语音增强:通常作为语音处理的前端。 语音处理的发展历史（1） 语音处理的发展历史（2） 1947年贝尔实验室发明语谱图仪—语音信号研究的开始； 语音处理的发展历史（3） 50年代第一台口授打字机和英语单词语音识别器； 60年代出现了第一台以数字计算机为基础的孤立词语音识别器和有限连续语音识别器； 70年代动态规划技术、隐马尔可夫模型、线性预测技术和矢量量化码书生成方法用于语音编码和识别； 80、90年代语音处理技术产品化—IBM Tangora-5和Tangora-20英语听写机，Dragon Dictate 词汇翻译系统(70000)，汉语听写机。CMU语音组研制成功SPHINX系统（997，95.8%); 国内，清华大学、中科院声学所和中科院自动化所在汉语听写机研究方面有一定成果。 讲授内容 语音信号产生的数字模型 语音信号处理方法 语音波形编码方法 短时处理方法（时频域） 线性预测、倒谱、矢量量化 隐含马尔科夫模型（HMM） 语音信号处理的应用 语音压缩、合成、识别、增强 2.语音信号产生的数字模型 人类语音的产生 过程复杂 信息丰富多样 至今尚未找到理想模型来描述语音产生过程 Fant于1960年提出的线性模型是模拟语音主要特征的比较成功的模型之一 人类发音的生理过程 语音信号的声学特性 2.1人类的语言器官 人类的语言器官 2.2语音产生过程（1） 浊音产生机理 浊音——声带绷紧，气流使声带产生张弛振动，即声带将周期性的启开和闭合。例如： a，o，e。 声带开启：气流从声门喷射出来，