英国萨里大学研究生课程Speech and Audio Processing and Recognition能辅导吗？

　　英国萨里大学研究生课程Speech and Audio Processing and Recognition(语音和音频处理和识别)讨论了语音处理和识别的基本概念、信号处理方法和人机交互应用，包括听觉感知和心理声学。学生将学习如何从语音信号中提取显著特征，如何设计口语模型，如何进行识别和训练，并了解当前自发语音识别的研究，如说话人的适应和噪声的鲁棒性解决方案。

　　Speech and Audio Processing and Recognition课程主要内容如下：

　　语音和音频处理

　　1、介绍：语音和语言。数字语音处理。语音处理应用。语音信号的特征。

　　2、语音生成：声道描述。源过滤器模型。物理模型中周期性、共振峰和反共振的起源。声道全极数字模型。物理模型和音素之间的关系。

　　3、语音感知：耳朵的结构。耳朵的频率和幅度响应。感知单位。

　　4-5、信号处理技术：语音信号的自相关。从语音信号中估计音调。语音信号的傅里叶分析。频谱图和功率谱密度。浊音和清音语音的频谱分析。共振峰和反共振的频谱分析。语音的和声结构。

　　6-7、线性预测：Z变换。声道传递函数。传递函数的稳定性。线性预测的概念和模型。全极点源滤波器。顺序选择及其与预测误差的关系。LPC系数估计。根据LPC系数进行语音合成。

　　8、语音信号的逆滤波：将源与激发分开。声道响应——格式估计。从残差估计音高。稳健的线性预测。

　　9-10、Cepstral Deconvolution：真实倒谱的定义。通过非线性操作将卷积转换为求和。复数对数。复倒谱。quefrency单位。通过倒谱估计音高。频谱包络与线性预测得出的频谱包络的比较。

　　11-12、音频记录和声学：麦克风类型和方向性模式、数字音频采集、波传播和声学、反射和混响效果。

　　13-15、心理声学：响度感知、音调感知、听觉掩蔽、音色感知、空间听觉。

　　自动语音识别

　　16-17、介绍：人类语音通信。ASR在人机交互中的作用。语音和语音感知的基础。

　　18-19、特征提取：声带声学和线性预测。梅尔频率倒谱。差异特征。

　　20、模板匹配：动态时间扭曲。孤立词和连接词识别。搜索修剪。

　　21-22、隐马尔可夫模型：马尔可夫模型和状态拓扑。HMM公式。离散和连续输出pdf。

　　23-24、识别和维特比解码：网格图。前向和后向概率。累积可能性和追溯。

　　25-26、通过期望最大化：Baum-Welch训练的机器学习：推导和实施。

　　27-28、大词汇量连续语音识别：语言建模和折扣。上下文敏感性和参数绑定。

　　29-30、适应和鲁棒性：说话人适应(MLLR和MAP方法)。噪声鲁棒性(频谱减法和并行模型组合)。

　　Speech and Audio Processing and Recognition课程涉及到了很多知识要点，同学如果想深入了解课程内容的话，可以与考而思英国课程辅导老师联系哟~