توضیحاتی در مورد کتاب Robust Digital Processing of Speech Signals
نام کتاب : Robust Digital Processing of Speech Signals
ویرایش : 1st ed. 2017
عنوان ترجمه شده به فارسی : پردازش دیجیتال قوی سیگنال های گفتار
سری :
نویسندگان : Branko Kovacevic, Milan M. Milosavljevic, Mladen Veinović, Milan Marković
ناشر : Springer
سال نشر : 2017
تعداد صفحات : 233
ISBN (شابک) : 3319536117 , 9783319536118
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 3 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب بر روی پدیدههای سیگنال گفتار تمرکز میکند و تقویتی از مدلهای تولید گفتار معمول با توجه به انواع فرضی سیگنالهای تحریک، که معادل معرفی کلاسی از مدلهای غیرخطی و توابع معیار مربوطه برای تخمین پارامتر است، ارائه میکند. در مقایسه با کلاس کلی مدلهای غیرخطی، مانند شبکههای عصبی مختلف، این مدلها دارای ویژگیهای خوبی از پیچیدگی کنترلشده، گزینه کار در حالت «آنلاین» و همچنین حجم اطلاعات کم برای رمزگذاری و انتقال گفتار کارآمد هستند. این کتاب با ارائه بینش های جامع بر اساس تحقیقات نویسندگان است که قبلاً منتشر شده است و متون اضافی در مورد ملاحظات کلی مدل سازی گفتار، تجزیه و تحلیل پیش بینی خطی و تخمین پارامترهای قوی تکمیل شده است.
فهرست مطالب :
Front Matter....Pages i-xii
Speech Signal Modeling....Pages 1-8
Overview of Standard Methods....Pages 9-27
Fundamentals of Robust Parameter Estimation....Pages 29-94
Robust Non-recursive AR Analysis of Speech Signal....Pages 95-124
Robust Recursive AR Analysis of Speech Signal....Pages 125-154
Robust Estimation Based on Pattern Recognition....Pages 155-184
Applications of Robust Estimators in Speech Signal Processing....Pages 185-212
Back Matter....Pages 213-224
توضیحاتی در مورد کتاب به زبان اصلی :
This book focuses on speech signal phenomena, presenting a robustification of the usual speech generation models with regard to the presumed types of excitation signals, which is equivalent to the introduction of a class of nonlinear models and the corresponding criterion functions for parameter estimation. Compared to the general class of nonlinear models, such as various neural networks, these models possess good properties of controlled complexity, the option of working in “online” mode, as well as a low information volume for efficient speech encoding and transmission. Providing comprehensive insights, the book is based on the authors’ research, which has already been published, supplemented by additional texts discussing general considerations of speech modeling, linear predictive analysis and robust parameter estimation.