| 第一章 引言 | 第1-11页 |
| ·语音编码理论的发展 | 第8-9页 |
| ·语音编码的分类 | 第9页 |
| ·语音编码的硬件基础 | 第9-11页 |
| 第二章 语音信号数字处理基础 | 第11-21页 |
| ·语音信号的数字表示、产生模型和短时分析技术 | 第11-16页 |
| ·语音信号的数字表示 | 第11页 |
| ·语音信号产生模型 | 第11-13页 |
| ·语音信号数字处理中的短时分析技术 | 第13-16页 |
| ·语音信号的线性预测分析 | 第16-21页 |
| ·线性预测分析的基本原理 | 第16页 |
| ·语音信号的线性预测分析 | 第16-17页 |
| ·自适应预测语音编码系统和线性预测 | 第17-18页 |
| ·后向和前向自适应线性预测 | 第18-21页 |
| 第三章 基于线性预测模型的语音编码算法及改进 | 第21-33页 |
| ·编码 | 第21-28页 |
| ·预处理 | 第22页 |
| ·预加重 | 第22-23页 |
| ·清、浊音判决的分析及量化 | 第23-25页 |
| ·基音周期的检测及量化 | 第25-26页 |
| ·增益(RMS)和LPC系数的计算及量化 | 第26-27页 |
| ·比特分配 | 第27-28页 |
| ·解码 | 第28-31页 |
| ·激励信号 | 第28-30页 |
| ·语音合成 | 第30-31页 |
| ·实验结果 | 第31-33页 |
| 第四章 基于神经网络非线性预测模型的语音编码系统 | 第33-49页 |
| ·人工神经网络 | 第33-40页 |
| ·有关非线性时间序列预测的一些问题 | 第40-42页 |
| ·时间序列非线性模型 | 第41-42页 |
| ·神经网络非线性预测模型 | 第42页 |
| ·基于BP网络的自适应增益预测算法研究 | 第42-46页 |
| ·基于BP网络的信号预测模型 | 第43-44页 |
| ·BP网络误差反传训练算法 | 第44-45页 |
| ·基于BP网络的语音信号增益预测 | 第45-46页 |
| ·采用BP网络的增益自适应预测非线性量化实验结果和分析 | 第46-49页 |
| 第五章 基于神经网络的矢量量化方法在语音编码中的应用 | 第49-63页 |
| ·自组织特征映射网络 | 第49-52页 |
| ·自组织特征映射的算法 | 第50-51页 |
| ·自组织特征映射网络的学习及工作规则 | 第51-52页 |
| ·LVQ模式分类网络 | 第52-56页 |
| ·矢量量化与神经网络 | 第56-60页 |
| ·矢量量化原理 | 第56-57页 |
| ·Kohonen神经网络自组织特征映射算法(SOFM)及码本设计 | 第57-58页 |
| ·基于Kohonen神经网络的码字搜索算法 | 第58-60页 |
| ·混合神经网络矢量量化编码器 | 第60-61页 |
| ·网络结构 | 第60页 |
| ·矢量量化过程 | 第60-61页 |
| ·实际应用的一个例子 | 第61-62页 |
| ·结论 | 第62-63页 |
| 第六章 语音编码-解码系统及实现方案 | 第63-75页 |
| ·硬件设计 | 第63-65页 |
| ·系统结构 | 第63-64页 |
| ·DSP芯片选择 | 第64-65页 |
| ·软件设计 | 第65-68页 |
| ·初始化程序 | 第65页 |
| ·语音编解码程序 | 第65-66页 |
| ·串行口中断程序 | 第66页 |
| ·外部中断服务程序 | 第66页 |
| ·主程序 | 第66-68页 |
| ·软件优化 | 第68-75页 |
| 结束语 | 第75-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81页 |
