本书贯穿了信号的获取、处理、分析和识别整条链路所需的关键知识点，以声信号为研究对象，阐述了传统信号处理、自适应信号处理、机器学习等信号处理和智能分析设计等知识要点。全书总共16章，第1～4章介绍了经典信号处理与分析方法，第5～11章阐述了先进信号处理方法、人工特征的获取原理和方法，第12～16章主要说明了深度学习、混合模型等智能分析方法。
本书的主要读者对象为声信号处理和分析相关学科的高校学生，以及从事声信号处理的相关科研工作者。本书对语音信号处理相关专业的技术人员也有一定的参考价值。本书也适合对智能语音信号分析感兴趣的读者阅读。

潘超，博士，现任西北工业大学副教授，主要从事信号信息处理领域的教学与麦克风阵列信号处理、宽带波束形成、语音增强、声源分离、声事件检测、声源定位、声场测量、声场重构等方面的研发工作。

第1章 信号与系统
1.1 信号的表述与分析
1.2 离散处理
1.3 卷积
1.3.1 连续卷积
1.3.2 离散卷积
1.3.3 卷积的重要性质
1.4 系统的描述
1.4.1 物理系统
1.4.2 滤波系统
1.5 抽样定理
1.5.1 抽样的基本准则
1.5.2 工具①：连续时间脉冲串函数及其傅里叶变换
1.5.3 工具②：卷积操作下傅里叶变换的性质
1.5.4 推导：抽样定理
1.5.5 混叠案例：高频的信号表现出低频的行为
1.6 问题
第2章 离散傅里叶变换
2.1 离散信号的傅里叶变换
2.1.1 离散时间傅里叶变换
2.1.2 大致思路
2.1.3 从时间上离散的信号到时间上连续的信号
2.1.4 脉冲串调制后信号的傅里叶变换
2.1.5 离散时间傅里叶变换
2.1.6 正交性与反离散时间傅里叶变换
2.2 DTFT的重要性质
2.2.1 线性性质
2.2.2 时移性质
2.2.3 频移性质
2.2.4 时域卷积定理
2.2.5 频域卷积定理
2.3 离散傅里叶变换
2.3.1 DFT的定义
2.3.2 基函数的正交性
2.3.3 DFT的反变换
2.3.4 简要总结
2.4 DFT简洁描述
2.5 DFT的性质
2.5.1 工具①：周期延拓序列与主值序列
2.5.2 线性性质
2.5.3 时域循环移位定理
2.5.4 频域循环移位定理
2.5.5 循环卷积定理
2.6 问题
第3章 Z变换
3.1 Z变换的定义
3.1.1 Z变换的定义
3.1.2 正交性
3.1.3 反Z变换
3.2 Z变换收敛域
3.2.1 有限长序列的收敛域
3.2.2 右序列的收敛域
3.2.3 左序列的收敛域
3.2.4 双边序列的收敛域
3.2.5 序列类型与收敛域的总结
……
第4章 频响滤波器的设计
第5章 自适应滤波器的设计
第6章 信道
第7章 信道估计
第8章 阵列信号处理
第9章 语音信号
第10章 时频域信号分析
第11章 MFCC特征
第12章 GMM模型和EM算法
第13章 深度神经网络与反向传播
第14章 分类、聚类和降维
第15章 支持向量机
第16章 声纹特征提取与说话人识别
附录A
附录B 符号与运算符说明
参考文献