本书系统地阐述了语音信号处理的原理、方法、技术和应用，同时给出了部分内容对应的MATLAB仿真源程序。全书共12章，第1章至第7章是基本理论部分，包括语音信号的数字模型、语音信号的短时时域分析和频域分析、语音信号的同态处理、语音信号线性预测分析和矢量量化；第8章至第12章是应用部分，包括语音编码、语音合成、语音识别、语音增强和语音处理的实时实现。本书内容全面，重点突出，原理阐述深入浅出，注重理论与实际应用的结合，可读性强。

本书从智能化社会对语音处理提出的新要求出发，按照导论—基础理论—应用实践的顺序，系统地介绍了智能语音处理涉及的基础理论、基本技术、主要方法以及典型的智能语音处理应用。首先概述了智能语音处理的相关背景；接着介绍了智能语音处理涉及的基础理论和相关技术，包括稀疏和压缩感知、隐变量模型、组合模型、人工神经网络和深度学习；然后结合具体算法，介绍了智能语音处理的典型应用，包括语音压缩编码、语音增强、语音转换、说话人识别、骨导语音增强；最后对智能语音处理的未来发展进行了展望。本书内容广泛，重点突出，既有深入浅出的原理阐述，又有创新科研成果的总结凝练，理论与实际结合紧密，可读性强。本书可以作为高等院校人工智能、电子信息工程、物联网工程、数据科学与大数据技术、通信工程等专业高年级本科生以及智能科学与技术、信号与信息处理、网络空间安全、通信与信息系统等学科研究生的参考教材，也可供从事语音处理技术研究与应用的科研及工程技术人员参考。

本书从智能化社会对语音处理提出的新要求出发，按照导论—基础理论—应用实践的顺序，系统地介绍了智能语音处理涉及的基础理论、基本技术、主要方法以及典型的智能语音处理应用。首先概述了智能语音处理的相关背景；接着介绍了智能语音处理涉及的基础理论和相关技术，包括稀疏和压缩感知、隐变量模型、组合模型、人工神经网络和深度学习；然后结合具体算法，介绍了智能语音处理的典型应用，包括语音压缩编码、语音增强、语音转换、说话人识别、骨导语音增强；最后对智能语音处理的未来发展进行了展望。本书内容广泛，重点突出，既有深入浅出的原理阐述，又有创新科研成果的总结凝练，理论与实际结合紧密，可读性强。本书可以作为高等院校人工智能、电子信息工程、物联网工程、数据科学与大数据技术、通信工程等专业高年级本科生以及智能科学与技术、信号与信息处理、网络空间安全、通信与信息系统等学科研究生的参考教材，也可供从事语音处理技术研究与应用的科研及工程技术人员参考。

本书内容深入浅出，每章基本按照“理论知识—例题讲解—案例分析”的模式编写，突出理论知识指导实际应用。为便于读者快速掌握数字信号处理的实践能力，很多例题给出了MATLAB源码，并提供这些源码的下载资源，读者可直接粘贴在MATLAB命令窗口，观看运行结果。同时，书中提供了大量经过精心设计的习题，帮助读者掌握课程内容。本书可作为普通高等学校电子信息类专业和相近专业的本科生或专科生教材，也可供相关专业的技术人员参考。本书配套有免费教学课件PPT、教案和教学大纲，欢迎选用本书做教材的老师登录www.cmpedu.com下载或发邮件到[email protected]索要。

本书内容深入浅出，每章基本按照“理论知识—例题讲解—案例分析”的模式编写，突出理论知识指导实际应用。为便于读者快速掌握数字信号处理的实践能力，很多例题给出了MATLAB源码，并提供这些源码的下载资源，读者可直接粘贴在MATLAB命令窗口，观看运行结果。同时，书中提供了大量经过精心设计的习题，帮助读者掌握课程内容。本书可作为普通高等学校电子信息类专业和相近专业的本科生或专科生教材，也可供相关专业的技术人员参考。本书配套有免费教学课件PPT、教案和教学大纲，欢迎选用本书做教材的老师登录www.cmpedu.com下载或发邮件到[email protected]索要。

语音是最有效的人机交互方式之一。人工智能与传统语音技术相结合使其在家居、可穿戴、机器人、车载等智能终端设备上得到了普及。终端设备具有低资源、实时性、应用场景复杂多变等特点，对算法提出了更严格的要求。 本书介绍了面向端侧设备的若干智能语音处理技术，书中主要采用了传统信号处理与深度学习相结合的方法论，并且介绍了在实际工程应用中的若干心得。针对实际工程应用中的关键问题，如噪声抑制、回声消除、房间混响处理等，本书详细讲解了几种重要的算法，包括固定波束形成、自适应波束形成、盲源分离等，并分别讨论了它们的优缺点及应用场景。此外，书中涵盖了基于自适应滤波的回声、混响、干扰联合抑制方法，以及利用深度神经网络进行语音增强、语音活动性检测和关键词检测的技术。为了使模型能够高效地部署于资源受限的终端设备上，本书也涉及模型量化的方法，该方法通过减小模型大小来节约存储空间并降低计算复杂度。 本书适合理工科高年级本科生、研究生，以及语音领域的工程师阅读。

语音是最有效的人机交互方式之一。人工智能与传统语音技术相结合使其在家居、可穿戴、机器人、车载等智能终端设备上得到了普及。终端设备具有低资源、实时性、应用场景复杂多变等特点，对算法提出了更严格的要求。 本书介绍了面向端侧设备的若干智能语音处理技术，书中主要采用了传统信号处理与深度学习相结合的方法论，并且介绍了在实际工程应用中的若干心得。针对实际工程应用中的关键问题，如噪声抑制、回声消除、房间混响处理等，本书详细讲解了几种重要的算法，包括固定波束形成、自适应波束形成、盲源分离等，并分别讨论了它们的优缺点及应用场景。此外，书中涵盖了基于自适应滤波的回声、混响、干扰联合抑制方法，以及利用深度神经网络进行语音增强、语音活动性检测和关键词检测的技术。为了使模型能够高效地部署于资源受限的终端设备上，本书也涉及模型量化的方法，该方法通过减小模型大小来节约存储空间并降低计算复杂度。 本书适合理工科高年级本科生、研究生，以及语音领域的工程师阅读。

阵列信号处理是信号处理领域的一个重要分支，它采用传感器阵列来接收空间信号。与传统的单个定向传感器相比，阵列信号处理具有灵活的波束控制、高的信号增益、极强的干扰抑制能力以及更高的空间分辨能力等优点，因而具有重要的军事、民事应用价值和广阔的应用前景。具体来说，已涉及雷达、声纳、通信、地震勘探、射电天文以及医学诊断等多种国民经济和军事应用领域。本书分12章，主要内容涵盖波束形成、DOA估计、二维DOA估计、分布式信源空间谱估计、稀疏阵列DOA估计、近场信源定位、DOA跟踪、多阵列联合定位以及其MATLAB实现等。本书在全面介绍阵列信号处理的经典理论的同时，也介绍了多阵列联合信源定位以及其阵列信号处理的MATLAB实现。

阵列信号处理是信号处理领域的一个重要分支，它采用传感器阵列来接收空间信号。与传统的单个定向传感器相比，阵列信号处理具有灵活的波束控制、高的信号增益、极强的干扰抑制能力以及更高的空间分辨能力等优点，因而具有重要的军事、民事应用价值和广阔的应用前景。具体来说，已涉及雷达、声纳、通信、地震勘探、射电天文以及医学诊断等多种国民经济和军事应用领域。本书分10章，主要内容涵盖波束形成、DOA估计、二维DOA估计、宽带阵列信号处理、矢量传感器阵列信号处理以及其MATLAB实现等。本书在全面介绍阵列信号处理的经典理论的同时，也介绍了矢量传感器阵列信号处理以及其阵列信号处理的MATLAB实现。

本书系统地介绍了PID控制的几种设计方法，是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。 全书共分14章，包括基本的PID控制、PID控制器的整定、时滞系统的PID控制、基于微分器的PID控制、基于观测器的PID控制、自抗扰控制器及其PID控制、PD鲁棒自适应控制、模糊PD控制和专家PID控制、神经PID控制、基于遗传算法整定的PID控制、伺服系统PID控制、迭代学习PID控制其他控制方法的设计与仿真，以及PID实时控制的C++语言设计及应用。每种方法都给出了算法推导、实例分析和相应的MATLAB仿真设计程序。