这门课讲啥

语音蕴含的信息、语音识别的目的

语音的准平稳性、分帧、预加重、时域特征分析（能量和过零率）、端点检测（双门限法）

语音的基频及检测（主要是自相关法、野点的处理）

声音的产生过程（声门脉冲、声道模型、辐射），两大听觉特性（时频分析和掩蔽效应）

LPC分析（原理、窗函数、建模为全极点模型、最小均方误差、系数的三种解法与对比）

MFCC分析(Mel频率、Mel滤波器组以及这两者设计的原因：模仿人耳听觉特性。同态信号处理方法、复倒谱和倒谱、MFCC求法、差分MFCC)

VQ（简要了解原理、知道一些聚类算法）

谱距离（距离的特性、对数谱距离、倒谱距离、截断倒谱距离）

DTW(为什么要对齐、线性时间规整算法、了解动态规划的思想、约束条件、动态时间规整算法)

DTW模板训练的过程(包括鲁棒性训练和聚类还有一个Casual啥的，三类对比)

语音识别系统的决策准则（k近邻)、两类评价指标（速度和准确率，具体指标有哪些）、语音识别的自适应问题

HMM概念(了解其参数意义、齐次假设、观测独立性假设、两类主要拓扑结构)

HMM三大基本问题以及经典解法(评估、最佳路径、训练。大概知道其解法)

HMM的实际应用问题

 

这门课考啥

贺老师课上讲得比较深入，主要围绕语音识别系统展开，上完对语音识别的经典流程有个了解。但考试考的比较简单，没有计算题，以概念为主，如：

什么是短时平稳

为啥不用矩形窗

解释某个算法某个变量的含义

为啥用从左到右的HMM结构

为啥不用线性时间规整，而去用DTW？

DTW的约束条件

为啥引入差分MFCC

HMM三大问题是什么，对应算法的名字

 

整体来说，课程广度和深度足够，考试也友好，是值得选修的一门课。