《语音处理及人机交互技术/智能科学技术著作丛书》是在作者张毅、刘想德、罗元多年从事服务机器人及信息无障碍技术的基础上总结所取得的研究成果，并结合当前国际国内服务机器人方面的最新进展撰写完成的，以助老助残为目标，从老年人和残障人生理需求和心理需求出发，以服务机器人和信息无障碍技术为对象，系统地阐述了服务机器人与信息无障碍技术的基本原理与关键技术，并给出了服务机器人和信息无障碍服务系统的应用示例。

在总结目前国内语音处理和人机交互研究现状的基础上，张毅、刘想德、罗元编著的《语音处理及人机交互技术/智能科学技术著作丛书》着重介绍作者在语音信号处理、语音特征提取、模式识别及人机交互应用等方面取得的研究成果。内容主要包括语音信号的声学基础、语音信号的分析、语音增强、模式识别算法及应用、语音信号的识别、语音信号的合成、语音信号定位与分离技术的理论与方法等。本书内容全面，重点突出，对原理的阐述清晰易懂，可读性强。

本书可作为智能科学与技术、控制科学与工程、计算机科学与技术、机械电子工程、通信工程、生物信息技术、光电工程等与语音处理及其人机交互有关学科及专业的本科生和研究生的教材或参考书，也可供从事语音信号处理、语音人机交互、智能机器人等方向的技术人员参考。

《智能科学技术著作丛书》序

前言

第1章 绪论

 1.1 语音信号技术的历史

 1.2 语音信号技术应用及新方向

1.2.1 语音信号的识别

1.2.2 语音信号的合成

1.2.3 语音信号的编码

 参考文献

第2章 语音信号的声学基础

 2.1 语音信号的产生

2.1.1 语音发音器官

2.1.2 语音声学特征

2.1.3 语音信号的时域及频域表示

2.1.4 汉语语音分类

2.1.5 汉语语音韵律特性

 2.2 语音信号的感知

2.2.1 人的听觉系统

2.2.2 人耳的听觉特性

2.2.3 人耳听觉的掩蔽效应

 2.3 语音信号生成的数学模型

2.3.1 激励模型

2.3.2 声道模型

2.3.3 辐射模型

2.3.4 语音信号的数学模型

 2.4 语音产生的非线性模型

2.4.1 调频一调幅模型的基本原理

2.4.2 Teager能量算子

2.4.3 能量分离算法

2.4.4 调频一调幅模型的应用

 参考文献

第3章 语音信号的分析

 3.1 语音信号预处理步骤

3.1.1 采样与量化

3.1.2 预加重

3.1.3 分帧与加窗

3.1.4 端点检测

 3.2 语音信号的时域分析

3.2.1 短时能量分析

3.2.2 短时平均过零率

3.2.3 短时自相关函数和短时平均幅度差函数

 3.3 语音信号的频域分析

3.3.1 滤波器组方法

3.3.2 傅里叶频谱分析

3.3.3 线性预测倒谱系数

3.3.4 Mel频率倒谱系数

 3.4 语音信号的倒谱分析

3.4.1 同态信号处理的基本原理

3.4.2 复倒谱和倒谱

 3.5 语音信号的小波分析

 参考文献

第4章 语音增强

 4.1 语音信号与语音增强

4.1.1 语音特性

4.1.2 人耳感知特性

4.1.3 噪声特性

4.1.4 语音增强的信号模型

 4.2 谱减法语音增强

4.2.1 基本原理

4.2.2 基本谱减法的改进

 4.3 维纳滤波法语音增强

 4.4 卡尔曼滤波法语音增强

 4.5 最小均方误差法的语音增强

 4.6 语音增强的一些新发展

 参考文献

第5章 模式识别算法及应用

 5.1 矢量量化的基本原理

 5.2 矢量量化的失真测度

5.2.1 欧氏距离测度

5.2.2 线性预测失真测度

5.2.3 识别失真测度

 5.3 人工神经网络的基本原理

 5.4 人工神经网络的基本构成

5.4.1 人工神经元模型

5.4.2 神经网络有向图表示

5.4.3 神经网络结构及工作方式

 5.5 基本神经网络模型及算法

5.5.1 单层感知器

5.5.2 多层感知器

5.5.3 径向基函数神经网络模型

5.5.4 循环神经网络

5.5.5 支持向量机

 参考文献

第6章 语音信号的识别

 6.1 语音识别概述

 6.2 孤立词语音识别

 6.3 连续词语音识别

 6.4 说话人识别

6.4.1 说话人识别概述

6.4.2 说话人识别特征选取

6.4.3 说话人识别系统的结构

6.4.4 说话人识别中的识别方法

6.4.5 说话人识别中需进一步研究的问题

 6.5 语音信号预处理

 6.6 语音信号识别特征提取

 6.7 语音信号识别方法

 6.8 隐马尔可夫模型基本原理及在语音识别中的应用

6.8.1 马尔可夫链

6.8.2 隐马尔可夫模型的定义

6.8.3 隐马尔可夫模型的三个问题

6.8.4 隐马尔可夫模型在语音识别中的应用

 6.9 动态时间规整算法

 参考文献

第7章 语音信号的合成

 7.1 概述

 7.2 语音合成的基本方法

7.2.1 以单词为基础的合成方法

7.2.2 以音节为基础的合成方法

7.2.3 以音素为基础的合成方法

 7.3 共振峰合成法

 7.4 线性预测合成法

 7.5 语音合成专用硬件介绍

 7.6 PSOLA算法合成语音

 7.7 文语转换系统

 参考文献

第8章 语音信号定位与分离技术

 8.1 声源定位技术

8.1.1 基于麦克风阵列的定位方法

8.1.2 基于人耳听觉机理的声源定位

 8.2 语音分离技术

8.2.1 计算听觉场景分析

8.2.2 计算听觉场景分析的语音分离模型

8.2.3 独立分量分析

 8.3 声源定位与语音分离实现方法

 参考文献

第9章 基于听觉机制的语音识别

 9.1 人耳的听觉机制

9.1.1 人耳听觉中枢的物理结构

9.1.2 人耳听觉中枢的听觉机理

 9.2 人耳听觉系统的基本模型

9.2.1 人耳听觉系统的外周听觉模型

9.2.2 人耳听觉系统的内毛细胞模型

9.2.3 人耳听觉系统的重合神经元模型

 9.3 多声源环境下人耳语音定位模型

9.3.1 双耳线索

9.3.2 耳廓效应

9.3.3 双耳时间差模型

9.3.4 多声源环境下声源定位系统的设计

 9.4 多声源环境下人耳语音分离模型

9.4.1 语音信号分离的反演模型

9.4.2 语音信号分离系统的设计

 9.5 基于听觉机制的语音识别系统

 参考文献

第10章 基于语音的人机交互及应用

 10.1 人机交互的研究及发展

10.1.1 人机交互概述

10.1.2 人机交互的研究内容

10.1.3 人机交互的发展历程

 10.2 语音人机交互及其应用

10.2.1 语音人机交互概述

10.2.2 语音人机交互与智能轮椅

10.2.3 语音人机交互与智能电视

10.2.4 语音人机交互的其他应用

 参考文献