聲信號處理與智能分析

本書貫穿了信號的獲取、處理、分析和識別整條鏈路所需的關鍵知識點，以聲信號為研究對象，闡述了傳統信號處理、自適應信號處理、機器學習等信號處理和智能分析設計等知識要點。全書總共16 章，第1～4 章介紹了經 典信號處理與分析方法，第5～11 章闡述了先進信號處理方法、人工特徵的獲取原理和方法，第12～16 章主要說明瞭深度學習、混合模型等智能分析方法。

本書的主要讀者對象為聲信號處理和分析相關學科的高校學生，以及從事聲信號處理的相關科研工作者。本書對語音信號處理相關專業的技術人員也有一定的參考價值。本書也適合對智能語音信號分析感興趣的讀者閱讀。

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。

陈景东

博士，电气电子工程师学会会士（IEEE Fellow），先后在日本国际电气通信基础技术研究所、澳大利亚格里菲斯大学、美国贝尔实验室等机构任职。现任西北工业大学教授，主要从事声信号处理、阵列信号处理、自适应信号处理、模式识别，以及无线通信领域的研发工作。

第 1 章 信號與系統 1

1.1 信號的表述與分析. 1

1.2 離散處理 . 2

1.3 捲積 2

1.3.1 連續捲積 . 2

1.3.2 離散捲積 . 3

1.3.3 捲積的重要性質. 3

1.4 系統的描述 3

1.4.1 物理系統 . 4

1.4.2 濾波系統 . 4

1.5 抽樣定理 . 4

1.5.1 抽樣的基本準則. 4

1.5.2 工具①：連續時間脈沖串函數及其傅里葉變換 4

1.5.3 工具②：捲積操作下傅里葉變換的性質 5

1.5.4 推導：抽樣定理. 6

1.5.5 混疊案例：高頻的信號表現出低頻的行為. 7

1.6 問題 7

第 2 章 離散傅里葉變換. 9

2.1 離散信號的傅里葉變換 9

2.1.1 離散時間傅里葉變換 . 9

2.1.2 大致思路 . 9

2.1.3 從時間上離散的信號到時間上連續的信號. 10

2.1.4 脈沖串調制後信號的傅里葉變換 10

2.1.5 離散時間傅里葉變換 . 10

2.1.6 正交性與反離散時間傅里葉變換 11

2.2 DTFT 的重要性質 11

2.2.1 線性性質 . 12

2.2.2 時移性質 . 12

2.2.3 頻移性質 . 12

2.2.4 時域捲積定理 . 12

2.2.5 頻域捲積定理 . 13

2.3 離散傅里葉變換 13

2.3.1 DFT 的定義 13

2.3.2 基函數的正交性. 14

2.3.3 DFT 的反變換 . 14

2.3.4 簡要總結 . 15

2.4 DFT 簡潔描述. 15

2.5 DFT 的性質 16

2.5.1 工具①：周期延拓序列與主值序列 . 16

2.5.2 線性性質 . 17

2.5.3 時域循環移位定理 18

2.5.4 頻域循環移位定理 18

2.5.5 循環捲積定理 . 19

2.6 問題 19

第 3 章 Z 變換 . 21

3.1 Z 變換的定義. 21

3.1.1 Z 變換的定義 . 21

3.1.2 正交性 21

3.1.3 反 Z 變換 22

3.2 Z 變換收斂域. 22

3.2.1 有限長序列的收斂域 . 23

3.2.2 右序列的收斂域. 23

3.2.3 左序列的收斂域. 24

3.2.4 雙邊序列的收斂域 24

3.2.5 序列類型與收斂域的總結 25

3.3 Z 變換的性質. 26

3.3.1 線性性質 . 26

3.3.2 時域捲積定理 . 26

3.3.3 序列移位性質 . 27

3.3.4 序列乘以指數序列的性質 27

3.3.5 序列乘以 的性質 27

3.4 用 Z 變換描述和分析系統 28

3.4.1 零狀態響應 28

3.4.2 系統全響應 29

3.4.3 系統的頻率響應. 29

3.4.4 系統的因果性分析 30

3.4.5 系統的穩定性分析 30

3.4.6 特殊系統 . 30

3.5 問題 31

第 4 章 頻響濾波器的設計 . 32

4.1 基本濾波框架. 32

4.1.1 IIR 濾波器 32

4.1.2 FIR 濾波器. 33

4.2 變換域下的濾波系統 . 33

4.2.1 Z 域下的濾波系統 33

4.2.2 頻域下的濾波系統 33

4.3 濾波原理 . 34

4.4 IIR 濾波器的設計 34

4.4.1 沖激響應不變法. 35

4.4.2 雙線性變換法 . 36

4.5 線性相位 FIR 濾波器 . 36

4.5.1 為什麽要做線性相位 . 36

4.5.2 系統的時延量 . 37

4.5.3 利用對稱性約束線性相位 37

4.5.4 偶對稱、偶數長度濾波器 37

4.5.5 偶對稱、奇數長度濾波器 38

4.5.6 奇對稱、偶數長度濾波器 38

4.5.7 奇對稱、奇數長度濾波器 39

4.6 兩種 FIR 濾波器的設計方法 39

4.6.1 頻率採樣法 40

4.6.2 最優逼近法 41

4.7 問題 42

第 5 章 自適應濾波器的設計 43

5.1 信號模型與濾波 43

5.2 誤差與誤差統計量. 44

5.3 維納濾波器 44

5.3.1 自相關矩陣 Ryy . 45

5.3.2 互相關向量 ry 45

5.3.3 維納濾波器 46

5.4 維納濾波分析. 46

5.4.1 正交分解 . 46

5.4.2 輸出信噪比 47

5.4.3 信號畸變 . 48

5.5 卡爾曼濾波 49

5.5.1 狀態方程與觀測方程 . 49

5.5.2 濾波框架 . 49

5.5.3 雙誤差函數 50

5.5.4 最優濾波器 50

5.6 問題 51

第 6 章 通道 . 52

6.1 通道建模 . 52

6.2 通道的可變性. 53

6.2.1 鏡像源模型 53

6.2.2 隨房間大小的變化 55

6.2.3 隨牆面材質變化. 55

6.2.4 隨空間位置變化. 56

6.2.5 隨周圍環境變化. 56

6.3 通道的頻率選擇性. 56

6.3.1 單通道的頻率選擇性 . 56

6.3.2 多通道的共零點特性 . 57

6.4 通道均衡 . 57

6.5 噪聲對消 . 58

6.6 問題 59

第 7 章 通道估計 60

7.1 信號模型 . 60

7.1.1 代價函數 . 61

7.1.2 最速梯度下降算法 61

7.2 LMS 算法與 NLMS 算法 63

7.2.1 LMS 算法 63

7.2.2 收斂性分析 64

7.2.3 NLMS 算法 64

7.3 變換域通道估計方法 . 65

7.3.1 信號模型 . 65

7.3.2 代價函數 . 67

7.3.3 兩個關鍵的梯度函數 . 67

7.3.4 梯度計算與通道更新 . 68

7.3.5 Hessian 矩陣求逆的簡化 69

7.4 問題 69

第 8 章 陣列信號處理 70

8.1 波束形成框架. 70

8.2 空間響應 . 71

8.3 指向性因子和白噪聲增益 . 72

8.3.1 指向性因子 72

8.3.2 白噪聲增益 73

8.3.3 信噪比增益 73

8.4 波束形成器設計 75

8.4.1 延遲求和波束形成 75

8.4.2 超指向波束形成. 75

8.4.3 差分波束形成 . 76

8.4.4 正交級數展開波束形成. 78

8.4.5 自適應波束形成. 80

8.5 問題 81

第 9 章 語音信號 82

9.1 語音信號的產生機理 . 82

9.2 脈沖串模型與信號的基本特徵. 83

9.3 自回歸模型 84

9.4 自回歸模型的求解. 84

9.5 問題 88

第 10 章 時頻域信號分析. 89

10.1 信號分幀處理 89

10.2 PR 條件 90

10.3 典型的窗函數 91

10.4 問題 . 94

第 11 章 MFCC 特徵 95

11.1 人耳的聽覺機理 . 95

11.2 濾波器組. 96

11.2.1 1 倍頻程 96

3

11.2.2 梅爾頻率 96

11.2.3 等效矩形帶寬 97

11.2.4 伽馬通（Gammatone）濾波器組 . 97

11.3 線性加權與梅爾譜 99

11.4 譜包絡與倒譜 100

11.5 梅爾頻率倒譜系數（MFCC）.101

11.6 問題 .102

第 12 章 GMM 模型和 EM 算法103

12.1 從貝葉斯到混合模型.103

12.2 GMM 模型 104

12.3 EM 算法 .105

12.3.1 多個觀測聯合估計 .106

12.3.2 離散隱變量的估計 .106

12.4 GMM-EM 算法 .107

12.4.1 GMM 模型下迭代公式的化簡107

12.4.2 混合系數 的迭代估計 107

12.4.3 均值的迭代估計108

12.4.4 方差的迭代估計108

12.5 應用：說話人識別 109

12.5.1 說話人聲學特徵109

12.5.2 說話人識別的基本框架109

12.5.3 參數學習 110

12.6 問題 .111

第 13 章 深度神經網絡與反向傳播 112

13.1 神經網絡.112

13.1.1 神經元.112

13.1.2 神經網絡的建模能力 113

13.1.3 深度前饋神經網絡 .113

13.2 網絡結構.114

13.2.1 捲積網絡 114

13.2.2 殘差網絡 115

13.2.3 循環神經網絡 116

13.2.4 註意力機制網絡117

13.3 代價函數.117

13.3.1 均方誤差 117

13.3.2 交叉熵.118

13.3.3 負對數似然 .118

13.4 反向傳播方法 118

13.4.1 參數更新的基本原理 118

13.4.2 導數的鏈式法則119

13.4.3 反向傳播 119

13.4.4 非頂層參數更新121

13.4.5 頂層參數更新 121

13.5 問題 .122

第 14 章 分類、聚類和降維 .123

14.1 距離與相似度 123

14.1.1 樣本之間的距離123

14.1.2 分佈之間的距離123

14.1.3 相似度.124

14.2 分類 .124

14.2.1 K 近鄰算法124

14.2.2 樸素貝葉斯 .125

14.2.3 Logistic 二分類回歸與 Softmax 多分類回歸 .126

14.2.4 深度學習 128

14.3 有監督學習和無監督學習 128

14.3.1 有監督學習 .128

14.3.2 無監督學習 .128

14.4 聚類 .129

14.4.1 K 均值聚類129

14.4.2 密度峰值聚類 129

14.4.3 層級聚類 130

14.5 降維 .131

14.6 問題 .132

第 15 章 支持向量機 133

15.1 決策函數與優化問題.133

15.1.1 決策函數 133

15.1.2 設計準則 134

15.1.3 優化問題 134

15.1.4 拉格朗日函數與 KKT 條件 134

15.1.5 對偶優化問題 136

15.2 穩健 SVM .136

15.3 Relu 函數與 SVM .139

15.4 核函數 SVM 140

15.5 SVM 問題的求解141

15.6 問題 .143

第 16 章 聲紋特徵提取與說話人識別.144

16.1 聲紋識別的基本框架.144

16.1.1 模型構建的基本思路 145

16.1.2 說話人註冊的基本過程145

16.1.3 說話人辨識的基本過程146

16.2 聲紋提取模型的構建與訓練 .147

16.2.1 幀級別特徵提取147

16.2.2 片段級別特徵提取 .148

16.3 問題 .149

附錄 A .150

A.1 傅里葉變換對.150

A.2 離散時間傅里葉變換對 151

A.3 拉普拉斯變換對151

A.4 Z 變換對 .152

A.5 點到超平面的距離.153

附錄 B 符號與運算符說明155

B.1 符號說明 .155

B.2 運算符說明 155

參考文獻157