复杂环境下语音信号处理的深度学习方法

基本信息

• 商品名称：复杂环境下语音信号处理的深度学习方法
• 作者：张晓雷|责编:刘向威//常晓敏
• 定价：168
• 出版社：清华大学
• 书号：9787302590002

其他参考信息（以实物为准）

• 出版时间：2022-01-01
• 印刷时间：2022-01-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：精装
• 页数：244
• 字数：296千字

编辑推荐语

本书将以中文 全面介绍基于深度学习的鲁棒语音处理的发展，具体包括语音检测、单通道语音增强、多通道语音增强、语音分离、鲁棒声纹识别与鲁棒语音识别。

内容提要

语音降噪处理是信号处理的重要分支领域。近年来， 该领域在人工智能与深度学习技术的驱动下取得了突破性 进展。本书系统总结语音降噪处理的深度学习方法，尽可 能涵盖该方法的前沿进展。全书共分8章。第1章是绪论； 第2章介绍深度学习的基础知识和常见的深度网络模型；第 3～6章集中介绍基于深度学习的语音降噪处理前端算法， 其中，第3章介绍语音检测，第4章介绍单通道语音增强， 第5章介绍多通道语音增强，第6章介绍多说话人语音分离 ；第7章和第8章分别介绍基于深度学习的语音降噪处理在 声纹识别和语音识别方面的应用，其中着重介绍基于深度 学习的现代声纹识别、语音识别基础和前沿进展。
     本书专业性较强，主要面向具备一定语音信号处理和 机器学习基础、致力于从事智能语音处理相关工作的高年 级本科生、研究生和专业技术人员。

作者简介

张晓雷，西北工业大学教授，博导，入选 青年项目、陕西省百人计划青年项目。清华大学博士、美国俄亥俄州立大学博士后。从事声信号与语音处理，机器学习，人工智能的研究工作。在Neural Networks、IEEE TPAMI、IEEE TASLP、IEEE TCYB、IEEE TSMCB等期刊、会议发表论文50余篇。合著译著1部。承担 重点研发计划、 自然科学基金重点项目等省部级以上项目10余项。论文“Multilayer Bootstrap Networks”获得 神经网络学会与 期刊《Neural Networks》联合授予的2020年度 论文奖。获得亚太信号与信息处理学会杰出讲者称号、UbiMedia 2019 会议 论文奖、北京市科学技术一等奖、 科技成果完成者荣誉称号。研究成果在 三大电信运营商、金融、交通、保险等行业的20余家主流企业成功应用。

目录

第 1章绪论 1

第 2章深度学习基础 5

21有监督学习 5

22单层神经网络 6

221基本模型 6

222激活函数 7

23前馈深度神经网络10

231反向传播算法11

232正则化15

24循环神经网络 17

241循环神经网络基础 17

242长短时记忆网络 20

243门控循环神经网络 22

244深层 RNN结构23

245序列数据的 RNN建模框架 25

25卷积神经网络 26

251卷积神经网络基础 27

252其他卷积形式31

253残差神经网络35

254时序卷积网络37

26神经网络中的归一化 39

261批归一化 39

262层归一化 41

27神经网络中的注意力机制42

271编码器-解码器框架42


272编码器
-注意力机制-解码器框架 44


2
73单调注意力机制 46
Transformer47



274
28生成对抗网络
48


281基本结构
49


282模型训练
51




29本章小结
52



第 3章语音检测 53

31引言
53


32基本知识
54


321信号模型
54


322评价指标
55




33语音检测模型
57


3
31语音检测模型的基本框架 57


3
32基于深度置信网络的语音检测 58


3
33基于降噪深度神经网络的语音检测61


3
34基于多分辨率堆栈的语音检测模型框架 63




3
4语音检测模型的损失函数65


3
41 小化交叉熵66


3
42 小均方误差66


343 化
ROC曲线下面积 66




3
5语音检测的声学特征 69


3
51短时傅里叶变换的频带选择69


3
52多分辨率类耳蜗频谱特征 70




3
6模型的泛化能力 72


37本章小结
73



第 4章单通道语音增强 75

41引言
75


42基本知识
77


421信号模型
77


422评价指标
79




43频域语音增强
81


431算法框架
81


432训练目标
82


4
33语音增强模型89


4
34语音去混响模型 93




44时域语音增强
100


441关键问题
101


442卷积模型
102


443损失函数
104




45本章小结
106




第 5章多通道语音增强 107

51引言
107


52信号模型
108


5
3空间特征提取法 109


531空间特征
109


532深度模型
111




54波束形成方法
113


5
41自适应波束形成器 114


542噪声估计
116


5
43基于神经网络的波束形成方法 117




5
5自组织麦克风阵列方法 121


5
51深度自组织波束形成123


5
52通道权重估计124


5
53通道选择算法125




56本章小结
131



第 6章多说话人语音分离 133

61引言
133


62信号模型
134


6
3与说话人相关的语音分离方法 134


6
31模型匹配法 134


6
32声纹特征法 139




6
4与说话人无关的语音分离142


6
41深度聚类算法143


6
42置换不变训练算法 146


6
43基于时域卷积的端到端语音分离算法 148




65本章小结
151




第 7章声纹识别 153

71引言
153


72说话人确认
155


7
21说话人确认基础 155


7
22基于分类损失的深度嵌入说话人确认算法159


7
23基于确认损失的端到端说话人确认算法 168




7
3说话人分割聚类 173


7
31说话人分割聚类基础174


7
32分阶段说话人分割聚类 176


7
33端到端说话人分割聚类算法180




74鲁棒声纹识别
183


7
41结合增强前端的抗噪声纹识别 183


7
42基于无监督域自适应的鲁棒声纹识别 185




75本章小结
188



第 8章语音识别 191

81引言
191


82语音识别基础
193


821信号模型
193


822评价指标
193




8
3端到端语音识别 194


8
31连接时序分类模型 194


8
32注意力机制模型 203




8
4语音识别的噪声鲁棒方法206


85说话人自适应
210


8
51说话人自适应训练 210


8
52测试阶段自适应 214




86本章小结
220



参考文献 221