计算机科学与技术学科学术型硕士研究生培养方案.docx

计算机科学与技术学科学术型硕士研究生培养方案（专业代码：081200）-、培养目标根据我国经济社会和科技发展的需要，培养具有强烈的社会责任感、宽厚的专业素养、独立的科研能力和专业实践能力的高层次专门人才。具体要求包含：1、掌握马克思主义的基本原理，坚持四项基本原则，热爱祖国，遵纪守法，品德优良，学风严谨，具有实事求是、不断追求新知、勇于创造的科学精神，积极为建设社会主义服务。2、扎实掌握计算机科学与技术的基础理论、先进技术、方法和手段，具有从事科学研究、教学或应用开发，以及独立担负本学科技术工作的能力。3、较熟练地掌握一门外语，具有较好的外语听说和科学论文写作能力，能比较熟练地进行本学科外文文献的阅读，并能准确地撰写论文外文摘要。4、具有较好的团队合作精神、沟通组织能力、国际化视野、健康的体格和心理。5、在德智体美劳方面全面发展。二、培养方向1、智能信息处理方向主要处理信息的内容表示、识别、分类、聚类、检索及挖掘等问题，涉及机器学习、自然语言处理、模式识别、知识工程等研究领域。2、移动与分布式计算主要研究动态网络系统中移动计算的关键技术：组件迁移和可靠通信机制、动态的计算机处理能力利用以及自适应的计算负载动态映射策略。3、教育测量与信息处理主要研究教育数据挖掘、现代测量理论（如项目反应理论）、计算机化自适应测验、认知诊断评估、大型测评软件等领域，培养熟炼掌握和运用教育测量与信息处理理论和方法的专业人才。4、图像处理及虚拟现实技术主要研究图像处理和虚拟现实，涉及系统仿真、图像处理、网络通信、嵌入式系统、普适计算、模式识别、Petri网等领域。5、软件形式化与可信计算采用理论研究和实证研究相结合的方法，揭示软件可信和环境可信的失效、度量和演化的基本规律，建立可信软件及其环境构造与验证、演化与控制的方法和关键技术体系，研窕基于构件、软件复用、大数据分析、模型驱动软件开发等方法和技术的可信软件开发及维护工具、运行支撑平台及其环境，并在典型的嵌入式软件和基于网络的大型应用软件中进行验证和示范。三、学制学制一般为3年。课程学习时间和论文撰写时间（包括论文答辩）约各占一半，均不得少于一学年。提前完成培养方案规定的全部课程和其他培养环节，成绩优秀、科研能力突出、出色完成学位论文并符合学校有关规定者，可申请提前毕业，但其最短学习年限不得少于2.5年。研究生在学制规定的基本年限内，未能完成全部学业，可适当延长学习年限，但在校最长学习年限不得超过5年。四、课程设置课程分学位课程和非学位课程两大类（见附件一），其中学位课程包括：公共必修课、专业基础课、方向核心课、方向探究课；非学位课程包括：公共选修课（由研究生院统一设置）、方向选修课、跨学科选修课。对于跨学科或以同等学力考入的研究生，应补修本学科专业指定的两门本科生主干课程（数据结构、面向对象程序设计）。实行学分制培养，研究生至少应修满39个学分，方可参加论文答辩。学位课不少于27学分，非学位课不少于9学分，实践环节3学分（其中参考文献阅读与考核1学分，学术活动1学分，实践活动1学分）。16学时计1学分,具体如下：1、学位课（即必修课，不少于27学分）（D公共必修课（11学分）思想政治理论课（2门）3学分公共英语（111）3学分专业外语（111）1学分学术论文与写作指导（1）1学分（2）学科基础课（不少于211）6学分（3）方向核心课（不少于3门）9学分（4）方向探究课（不少于2门）4学分2、非学位课（即选修课，不少于9学分）（D方向选修课26学分（2）公共选修课（至少选1门）21学分（3）跨学科选修课（在学校的一级学科中选修）22学分（4）必修环节3学分3、补修课程（不计学分）为了保证培养质量,跨专业入学和以同等学力入学的研究生需补修与本专业相关的大学本科的主干课程不少于2门。需补修的课程应列入个人培养计划，补修课程要求通过考核，取得合格以上成绩，但不计学分。培养方案中开设的各门课程，都要进行考核，考核分为考试和考查两种，成绩合格方可取得学分。课程考核成绩按百分制计算，学位课程（除公共必修课外）75分以上为合格，非学位课程60分以上为合格。五、必修环节1.基本文献阅读与考核研究生在导师的指导下，根据培养方向完成指定参考文献的阅读后均需通过基本文献考核，考核情况作为研究生中期考核淘汰的重要指标，具体参照江西师范大学硕士研究生基本文献考试实施办法文件执行，合格后计1个学分。2 .学术活动为拓宽硕士生的学术视野，促进硕士生关注和了解学科前沿的发展，本学科要为硕士生举办高水平的学术报告、开设学科前沿讲座等不少于6次/年。在读期间，硕士生应积极参加各项学术活动，应至少参加1次本学科的学术会议，应听取不少于10场由校内外组织的高水平学术讲座，公开主讲不少于1次有关文献阅读、学术研究等内容的学术报告。学院根据学生参加学术活动的考勤和学生主讲的学术报告质量进行考核，合格后计1个学分。3 .实践活动根据国家对深化研究生教育改革的要求，加强硕士生实践能力的培养，并将实践活动作为硕士生必修环节0实践活动的形式可以灵活多样，包括社会调查、方案设计、教学实践、科研实践、社会实践、专业实习、研究报告等，硕士生参加实践环节活动的情况须记入江西师范大学学术型硕士生实践活动考核表，经指导教师考核合格后计1个学分。六、中期考核为建立硕士生分流培养的机制，在课程学习基本结束和论文开题前，对硕士生的学习成绩、政治思想、道德品质、科研能力、文献阅读等方面进行中期考核，具体参照江西师范大学硕士生中期考核与筛选暂行规定执行。七、科研能力的培养1.研究生在导师的指导下，应该尽早进入有关课题的研究。在培养科研能力的过程中推动有关专业课程的学习，进一步加深或拓宽研究生的理论和知识面；注意因材施教，充分发挥研究生的特长和才能，使他们熟悉了解科学研究的选题、立项、研发与结题（鉴定）等主要环节，培养他们自学和独立进行科研的能力。4 .研究生应积极参加各种学术交流活动，并撰写有关摘要或笔记。5 .研究生在校期间，必须以江西师范大学为第一署名单位，至少公开发表与本学科相关的学术论文1篇（第一作者或导师为第一作者、学生为第二作者）；未完成者，不得授予硕士学位。八、学位论文学位论文工作是研究生培养的重要组成部分,是对研究生进行科学研究或承担专门技术工作的全面训练，是培养研究生创新能力以及综合运用所学知识发现问题、分析问题和解决问题能力的重要环节。导师与学院必须在学位论文选题、开题、论文中期检查、论文评审与答辩等关键环节实施严格监控，以保证硕士学位论文的质量。1.研究生经过课程学习和实践，在导师指导下，通过查阅资料和调研提出自己的主攻方向及奋斗目标，确定自己的技术路线，认真做好选题工作，论文的选题应具有一定的科学意义和实用价值，并有创新性。6 .研究生一般应于第四学期结束前完成开题工作，受到撰写课题申报书的训练。开题报告具体要求参见江西师范大学全日制学术型研究生学位论文开题报告的若干规定。7 .研究生至少要用一年的时间在导师或导师组的指导下独立完成学位论文的撰写工作。研究生在撰写论文过程中，应定期向导师作进展报告，并在导师的指导下不断完善论文。4.硕士学位论文由导师认可后，可进行专家评阅和答辩。论文评阅与答辩的具体要求详见江西师范大学硕士研究生学位论文评审实施细则和江西师范大学学位授予工作细则。九、培养方式1、采用导师负责与导师组集体培养相结合的培养方式。导师为主导负责研究生的业务指导和思想政治教育，注重发挥导师组集体智慧，拓宽研究生的学术视野，引导和促进研窕生自主个性化发展。2、课程学习与科学研究相结合。注重课程学习，夯实学科基础，通过课程学习使研究生掌握本学科的系统知识和前沿技术。每位研究生都应参与导师的科研课题，使研究生在参与科研课题研究中学习，在学习中研究，努力提高研究生分析问题和解决问题的能力。3、研究生在入学后的三个月内（最迟在第一学期末）通过师生互选，确定导师，未参与互选的研究生由导师组分配导师，并在导师的指导下根据本学科培养方案和研究生本人的具体情况确定研究方向与制订培养计划，经学科负责人审定后报学院和研究生院备案。导师在为研究生制定培养计划时应该充分体现因材施教的原则，培养计划要对该研究生的研究方向、课程学习要求、实践和参加学术活动环节等作出比较具体的规定或说明。培养计划确定后，研究生和导师均应严格执行。4、学位课程的教学一般是课程讲授，其他课程将根据实际情况，可以采取讲授、讨论班等相结合的方式进行。5、严格按江西师范大学研究生中期考核与筛选暂行规定加强阶段性考核，未通过中期考核者，不得进入学位论文阶段。十、毕业与学位授予研究生在学校规定的学习年限内完成课程学习，修满规定的学分，通过思想品德考核、学位论文答辩，符合毕业要求的，准予毕业；符合中华人民共和国学位条例有关规定，达到我校学位授予标准，经学校学位评定委员会审核和表决，授予硕士学位。附件一：计算机科学与技术学科学术型硕士研究生课程设置表课程类别课程编号课程名称学时开课学期任课教师备注学位课程公共必修课公共英语3961和2学校统一安排新时代中国特色社会主义理论与实践2321学校统一安排自然辩证法1162学校统一安排学术论文写作指导1161学校统一安排考试计算机专业英语116李汉曦、冯悦、万欢考试学科基础课高级算法设计与分析3481石海鹤、万剑怡、雷浩鹏考试研究方法论3482王明文、江爱文、曾雪强考试方向核心课矩阵论与数理统计（12345）（各方向必选）3481曾锦山、陈勇、邓少辉考试机器学习（134）3482李汉曦、周新宇、李茂西考试信息检索（14）3481王明文、左家莉、王晓庆考试人工智能（12345）3481杨庆红、倪文龙、徐凡考试无线传感网络与技术（2）3481余敏、叶继华、郭帆考试数据挖掘（134）3482左家莉、汪文义、程艳考试现代测量理论（3）3481熊建华、汪文义、罗芬考试虚拟现实技术（14）3482李汉曦、雷浩鹏、刘建明考试计算机程序理论与模型（5）3482左正康、杨庆红、石海鹤考试高级计算机系统结构（2345）3481刘超、周琪云、曲彦文考试方向探究课自然语言处理专题（1）2322王明文、李茂西、徐凡考查文本挖掘专题（1）2321彭云、王明文、左家莉考查网络技术与移动计算专题（2）2321叶继华、余敏、郭帆考查移动定位系统与技术专题（2）2322余敏、叶继华、郭帆考查教育数据挖掘与分析专题（3）2323、4程艳、汪文义、钟茂生考查智慧教育专题（3）2323、4熊建华、曲彦文、汪文义考查课程类别课程编号课程名称学时开课学期任课教师备注高级计算机网络（12345）2323熊建华、叶继华、周琪云考试机器学习专题（4）2322曾雪强、万欢、曾锦山考查可信计算专题（5）2322杨庆红、钟林辉、石海鹤考查软件形式化专题（5）2321李云清、石海鹤、王昌晶考查高级分布式系统（2,5）2322谢旭升、张练兴、郑籁考试非学位课程公共选修课由研究生院统一设置1161或2学校统一安排向修果方选课软件系统与工程2323钟林辉、石海鹤、王昌晶考试网络与信息安全2322张光河、郭帆、胡蕾考试物联网技术2321周琪云、张光河、胡蕾考查数据科学与工程2322钟茂生、程艳、鄢克雨考试模式识别与图像处理2321江爱文、刘长红、刘建明考查中文信息处理2322徐凡、左家莉、曾雪强考查程序设计方法学2322杨庆红、李云清、石海鹤考查普适计算与智能硬件3482、3叶继华、李汉曦、刘超考查学科前沿与实践12323导师组考查学科前沿与实践22323导师组考查跨学科选修232跨一级学科至少选修1门必修环节本献读考亥基文阅与核基本文献阅读与考核1导师组实践活动参加教学实践、社会实践或科研实践等活动1导师组学术活动至少参加1次本学科的学术会议，听取不少于10场学术讲座，公开主讲不少于1次学术报告1导师组课程类别课程编号课程名称学时开课学期任课教师备注补修课程数据结构跨学科或同等学力入学者须补修面向对象的程序设计附件二：计算机科学与技术学科经典文献阅读书目与期刊目录序号适用范围著作或期刊的名称作者或编者出版单位和时间备注1(3)心理测量学戴海崎高等教育出版社，2015方向文献2(3)教育认知诊断评估理论与技术研究汪文义北京师范大学出版社，2015方向文献3(4)基于LAN的计算机视觉与虚拟现实集成模型研究阮秋琦计算机学报,2001年3月方向文献4(1)(4)深度卷积神经网络的发展及其在计算机视觉领域的应用张顺计算机学报，2019年3月方向文献5(4)基于构件的分布式虚拟现实应用系统段作义软件学报，2006年3月方向文献6(5)形式化方法概貌王戟、詹乃军、冯新余、刘志明软件学报，2018年方向文献7(5)40yearsofformalmethods-Someobstaclesandsomepossibilities?Bjorner,D.&Havelund,K.LNCS,2014方向文献8(5)机械化定理证明研究综述江南,李庆安,等。软件学报,2020方向文献9(5)程序智能合成技术研究进展顾斌，余波，等。软件学报，2021方向文献10(5)OpenQuestionsinFormalMethodsJBMichael,GWDinolt,DDrusinskyComputer,2020方向文献11(1)BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstandingJacobDevlin,Ming-WeiChang,KentonLee,KristinaToutanovaProceedingsoftheNorthamericanchapteroftheassociationforcomputational1inguistics(NACL,2019方向文献12(1)AttentionIsAllYouNeedAshishVaswani,NoamShazeer,NikiParmar,JakobUszkoreit,LlionJones,AidanN.Gomez,LukaszKaiser,IlliaPolosukhinProceedingsoftheADVANCESINNEURALINFORMATIONPROCESSINGSYSTEMS30(NIPS),2017:5998-6008方向文献13(1)ConvolutionalSequencetoSequenceLearningJonasGehring,MichaelAuli,DavidProceedingsoftheInternationalConferenceonMachineLearning(TCML),方向文献Grangier,DenisYarats,YannN.Dauphin2017:1243-12514(1)End-to-endSequenceLabelingviaBi-directionalLSTM-CNNs-CRFXuezheMa,EduardH.HovyProceedingsofthemeetingoftheassociationforcomputationallinguistics(ACL),2016方向文献15(1)LatentdirichletallocationDavidM.Blei5AndrewY.Ng,MichaelI.JordanJournalofMachineLearningResearch,(2003):993-1022方向文献16(1)AneuralprobabilisticlanguagemodelYoshuaBengio,R6jeanDucharme,PascalVincent,ChristianJanvinJournalofMachineLearningResearch,(2003):1137-1155方向文献17(1)AccurateUnlexicalizedParsingDanKlein,ChristopherD.ManningProceedingsoftheAnnualMeetingoftheAssociationforComputationalLinguistics(ACL),2003:423-430方向文献18(1)ConditionalRandomFields:ProbabilisticModelsforSegmentingandLabelingSequenceDataJohnD.Lafferty,AndrewMcCallum,FernandoC.N.PereiraProceedingsoftheInternationalConferenceonMachineLearnin(ICML),2202:282-289方向文献19(1)Class-basedn-grammodelsofnaturallanguagePeterF.Brown,VincentJ.DellaPietra,PeterV.deSouza,JenniferC.Lai,RobertL.MercerComputationalLinguistics,no.4(1997):467-479方向文献20(1)DeepReinforcementLearningforDialogueGenerationJiweiLi,WillMonroe,AlanRitter,MichelGalley,JianfengGao,DanJurafskyProceedingsoftheEmpiricalMethodsinNaturalLanguageProcessing(EMNLP),2016方向文献21(1)Glove:GlobalVectorsforJeffreyProceedingsoftheEmpirical方向文献WordRepresentationPennington,RichardSocher,ChristopherD.ManningMethodsinNaturalLanguageProcessing(EMNLP),pp.1532-1543,(2014)22(1)EfficientEstimationofWordRepresentationsinVectorSpaceTomasMikolov,KaiChen,GregCorrado,JeffreyDeanarXiv:1301.3781v3(2013)方向文献23(1)(3)MaximumlikelihoodfromincompletedataviatheEMalgorithm.P.Dempster,N.M.Laird,andD.B.RubinJ.Roy.Statist.Soc.SeriesB(MethodoL),1977:1-38方向文献24(1)DeepContextualizedWordRepresentationsMatthewPeters,MarkNeumann,MohitIyyer,MattGardner,ChristopherClark,KentonLeeandLukeZettlemoyerjroceedingsofthe2018ConferenceoftheNorthAmericanChapteroftheAssociationforComputationalLinguistics:HumanLanguageTechnologies,2018方向文献25(1)ImprovingLanguageUnderstandingbyGenerativePre-TrainingAlecRadford,KarthikNarasimhan,TimSalimans,andIlyaSutskeverTechnicalReportTechnicalreport,OpenAI,2018.方向文献26(ONeuralMachineTranslationbyJointlyLearningtoAlignandTranslateDzmitryBahdanautKyunghyunChoandYoshuaBengioProceedingofthe3rdInternationalConferenceonLearningRepresentations(ICLR2015)方向文献27(1)(3)Adam:AMethodforStochasticOptimizationD.KingmaandJ.BaICLR2015方向文献28(1)BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShiftS.IoffeandC.SzegedyICML2015方向文献29(1)(4)EasterR-CNN:towardsreal-timeobjectdetectionwithregionproposalnetworksS.Ren,K.He,R.Girshick,J.SunNeurIPS2015方向文献30(4)NeuralMachineTranslationbyJointlyLearningtoAlignandTranslateDzmityBahdanau,KyungHyunCho,YoshuaBengioICLR2015方向文献31(1)(3)Human-levelcontrolVolodymyrMnih,Nature,2015方向文献(4)throughdeepreinforcementlearningKorayKavukcuogluetal.32(1)MasteringthegameofGowithdeepneuralnetworksandtreesearchDavidSilver,AjaHuangetal.Nature,2016方向文献33(1)UnsupervisedRepresentationLearningwithDeepConvolutionalGenerativeAdversarialNetworkslecRadford,LukeMetzetal.ICLR2016方向文献34(1)Semi-SupervisedClassificationwithGraphConvolutionalNetworksThomasKipf,MaxWellingICLR2017方向文献35(3)ExplainingandHarnessingAdversarialExamplesIanJ.Goodfellow,JShlens,CSzegedyICLR2015方向文献36(3)GenerativeAdversarialNetworksIJGoodfellow,JPouget-Abadie,MMirza,BXu,DWarde-Farley,SOzair,ACourville,YBengioNeurIPS2014方向文献37(1)NeuralOrdinaryDifferentialEquationsRickyT.Q.Chen,YuliaRubanova,JesseBettencourt,DavidDuvenaudNeurIPS2018方向文献38(1)WassersteinGenerativeAdversarialNetworksMartinArjovsky,SoumithChintala,LeonBottouICML2017方向文献39(1)(4)UnpairedImage-to-ImageTranslationusingCycle-ConsistentAdversarialNetworksJun-YanZhu,TaesungPark,PhillipIsola,AlexeiA.EfrosCVPR2017方向文献40(1)(3)BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstandingJacobDevlin等NAACL2019方向文献41(1)(2)(4)(5)Anoverviewoftext-independentspeakerrecognition:FromfeaturestosupervectorsTomiKinnunena,*,HaizhouLiSpeechCommunicationJanuary2010公共文献42(1)(2)(3)(4)(5)ASVspoof2019:FutureHorizonsinSpoofedandFakeAudioDetectionM.Todisco,X.Wang,V.Vestman,M.Sahidullah,H.Delgado,.Nautsch,J.Yamagishi,N.Evans,T.Kinnunen,andK.A.LeeInterspeech,2019公共文献43(1)(2)(3)(4)(5)Squeeze-and-ExcitationNetworksJ.Hu,L.Shen,andG.SunIEEEConferenceonComputerVisionandPatternRecognition(CVPR),2018.公共文献44(1)(2)(3)(4)(5)DeepResidualLearningforImageRecognitionKaimingHe,XiangyuZhang,ShaoqingRenandJianSunIEEEConferenceonComputerVisionandPatternRecognition(CVPR),pp.770-778,2016.公共文献45(1)(2)(3)(4)(5)X-vectors:RobustdnnembeddingsforspeakerrecognitionD.Snyder,D.Garcia-Romero,G.Sell,D.Povey,andS.Khudanpur,IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing(ICASSP),pp.5329-5333,2018.公共文献46(1)(2)(4)(5)Spoofingandcountermeasuresforspeakerverification:AsurveyZ.Wu,N.Evans,T.Kinnunen,J.Yamagishi,F.Alegre,andH.Li,SpeechCommunication,vol.66,pp.130-153,2015公共文献47()(2)(4)(5)AnOverviewofVoiceConversionandItsChallenges:FromStatisticalModelingtoDeepLearning,BerrakSisman,JunichiYamagishi,SimonKingandHaizhouLiIEEE/ACMTransactionsonAudio,Speech,andLanguageProcessing,vol.29,pp.132-157,2021公共文献48(1)(2)(3)(4)(5)ConstantQcepstralcoefficients:AspoofingcountermeasureforautomaticspeakerverificationM.Todisco,H.Delgado,andN.Evans,ComputerSpeechLanguage,vol.45,pp.516-535,2017.公共文献49(1)(2)comparisonoffeaturesforsyntheticspeechM.Sahidullah,T.Kinnunen,C.Interspeech,pp.2087-2091,2015公共文献(4)(5)detectionHanil,ci,50(1)(2)(3)(4)(5)AudioReplayAttackDetectionwithDeepLearningFrameworksG.Lavrentyeva,S.Novoselov,E.Malykh,A.Kozlov,0.Kudashev,andV.ShchemelininInterspeech,pp.82-86,2017.公共文献51(1)(2)(3)(4)(5)END-TO-ENDANTI-SPOOFINGWITHRAWNET2HemlataTak,JosePatino,MICASSP,pp.6369-6373,2021公共文献52()(2)(4)(5)MULTIPLEPOINTSINPUTFORConvolutinalneuralNETWORKSINREPLAYATTACKDETECTION,Sung-HyunYoonandHa-JinYuICASSP,pp.6444-6448,2020公共文献53(1)(2)(3)(4)(5)ImprovedRawNetwithFeatureMapScalingforText-independentSpeakerVerificationusingRawWaveformsJee-weonJung,Seung-binKim,Hye-jinShim,Ju-hoKim,Ha-JinYuyInterspeech,October25-29,2020,Shanghai,China,pp.1496-1500,2020公共文献54(1)(2)(3)(4)(5)AttentionIsAllYouNeedVaswani,shish,Shazeer,NoanbParmar,Niki,Uszkoreit,Jakob,Jones,Llion»Gomez,idanN,Kaiser,Lukasz,Polosukhin,Illia公共文献55(1)(2)(3)(4)(5)Automaticspeechrecognition:asurveyMishaimMalik1&MuhammadKamranMalik2&KhawarMehmood3&ImranMakhdoomMultimediaToolsandApplications(2021)80:9411-9457公共文献56(1)(2)(5)Longshort-termmemorySeppHochreiter,JurgenSchmidhuberNeuralComputation,1997公共文献57(1)(2)ConvolutionalNeuralNetworksforSentenceClassificationYoonKimempiricalmethodsinnaturallanguageprocessing,2014公共文献(5)58(1)(2)(4)(5)SequencetoSequenceLearningwithNeuralNetworksIlyaSutskeverNIPS2014公共文献59(1)(2)(3)(4)(5)NeuralmachinetranslationbyjointlylearningtoalignandtranslateDzmitryBahdanauICLR2015公共文献60(1)(2)(3)(4)(5)ReducingtheDimensionalityofDatawithNeuralNetworksHintonGE,SalakhutdinovRR.Science,2006公共文献61(1)(2)(5)计算机学报孙凝晖科学出版社公共文献62(1)(2)(3)(4)(5)算法引论:一种创造性方法UDIMANBER电子工业出版社，2005公共文献63()(2)(4)(5)软件开发的形式化方法古天龙高等教育出版社，2005方向文献64(1)(2)(3)(4)(5)语音信号处理（