语音信号处理是一门涉及诸多学科的组合学科。

语谱图是语音分析的一个重要工具，其横轴表示时间，纵轴表示幅度。

时分复用是指利用不同时隙在不同信道上同时传输各路不同信号，且互不干扰。

隐马尔可夫模型是对语音信号的幅度结构建立统计模型，将之看作一个数学上的随机过程。

目前用于评价输出语音质量的方法可分为主观和客观两种。

语音信号的时域波形图，一般横轴为时间，纵轴表示信号的（）。

一般认为在（）的短时间内，语音信号各参数相对稳定，因而可以将其看作是一个准稳态过程，即语音信号具有短时平稳性。

语音信号的采样频率需满足奈奎斯特采样定理，即采样频率要大于（）倍的最高频率。

在其发送端，原始语音信号采用8kHz采样，然后每180个采样值分为一帧（22.5ms），提取语音特征参数并加以编码传送。每帧总共编码为54bits，每秒传输44.4帧，因此总传输速率为（）。

输入语音经过预处理后，语音信号的特征被提取出来，首先在此基础上建立所需的模板，这个建立模板的过程称为（）。

高斯混合模型（GaussianMixtureModel，简称GMM）的数学模型实质上对应于一个状态的（）。

语音信号处理的三个应用方向（）、（）、（）。

语音的四要素是指：（）（）（）（）。

语音信号的数字化过程包括以下哪些步骤。

语音信号的线性产生模型包括激励模型、声道模型和辐射模型。