掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
聲信號處理與智能分析 版權信息
- ISBN：9787115598288
- 條形碼：9787115598288 ; 978-7-115-59828-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
聲信號處理與智能分析 本書特色
適讀人群 ：本書的主要讀者對象為聲信號處理和分析相關學科的高校學生，以及從事聲信號處理的相關科研工作者。本書對語音信號處理相關專業的技術人員也有一定的參考價值。本書也適合對智能語音信號分析感興趣的讀者閱讀。內容豐富本書包括信號采集、處理、分析、識別整條鏈路的關鍵知識點。知識系統本書可幫助從事信號處理相關研究的科研人員系統地學習機器、算法、模型學習相關知識。表述新穎智能分析智能信號處理，人工智能類的書籍偏重機器學習方法，但沒有具體的研究對象。本書概括性地以公式為載體，講述了信號的獲取、處理、分析等關鍵知識點。綜合性強考慮到本科生和研究生的接受能力，筆者已經在所在院校開展了相關知識點的教授，從教授效果來看，學生很喜歡這門課，基本都能夠掌握關鍵的知識點，對數理分析、公式的來龍去脈，以及綜合應用有詳細論述，讀者可把握知識框架和綜合應用。
聲信號處理與智能分析 內容簡介
本書貫穿了信號的獲取、處理、分析和識別整條鏈路所需的關鍵知識點，以聲信號為研究對象，闡述了傳統信號處理、自適應信號處理、機器學習等信號處理和智能分析設計等知識要點。全書總共16 章，第1～4 章介紹了經 典信號處理與分析方法，第5～11 章闡述了優選信號處理方法、人工特征的獲取原理和方法，第12～16 章主要說明了深度學習、混合模型等智能分析方法。 本書的主要讀者對象為聲信號處理和分析相關學科的高校學生，以及從事聲信號處理的相關科研工作者。本書對語音信號處理相關專業的技術人員也有一定的參考價值。本書也適合對智能語音信號分析感興趣的讀者閱讀。
聲信號處理與智能分析 目錄
第 1 章 信號與系統 1
1．1 信號的表述與分析． 1
1．2 離散處理 ． 2
1．3 卷積 2
1．3．1 連續卷積 ． 2
1．3．2 離散卷積 ． 3
1．3．3 卷積的重要性質． 3
1．4 系統的描述 3
1．4．1 物理系統 ． 4
1．4．2 濾波系統 ． 4
1．5 抽樣定理 ． 4
1．5．1 抽樣的基本準則． 4
1．5．2 工具①：連續時間脈沖串函數及其傅里葉變換 4
1．5．3 工具②：卷積操作下傅里葉變換的性質 5
1．5．4 推導：抽樣定理． 6
1．5．5 混疊案例：高頻的信號表現出低頻的行為． 7
1．6 問題 7
第 2 章 離散傅里葉變換． 9
2．1 離散信號的傅里葉變換 9
2．1．1 離散時間傅里葉變換 ． 9
2．1．2 大致思路 ． 9
2．1．3 從時間上離散的信號到時間上連續的信號． 10
2．1．4 脈沖串調制后信號的傅里葉變換 10
2．1．5 離散時間傅里葉變換 ． 10
2．1．6 正交性與反離散時間傅里葉變換 11
2．2 DTFT 的重要性質 11
2．2．1 線性性質 ． 12
2．2．2 時移性質 ． 12
2．2．3 頻移性質 ． 12
2．2．4 時域卷積定理 ． 12
2．2．5 頻域卷積定理 ． 13
2．3 離散傅里葉變換 13
2．3．1 DFT 的定義 13
2．3．2 基函數的正交性． 14
2．3．3 DFT 的反變換 ． 14
2．3．4 簡要總結 ． 15
2．4 DFT 簡潔描述． 15
2．5 DFT 的性質 16
2．5．1 工具①：周期延拓序列與主值序列 ． 16
2．5．2 線性性質 ． 17
2．5．3 時域循環移位定理 18
2．5．4 頻域循環移位定理 18
2．5．5 循環卷積定理 ． 19
2．6 問題 19
第 3 章 Z 變換 ． 21
3．1 Z 變換的定義． 21
3．1．1 Z 變換的定義 ． 21
3．1．2 正交性 21
3．1．3 反 Z 變換 22
3．2 Z 變換收斂域． 22
3．2．1 有限長序列的收斂域 ． 23
3．2．2 右序列的收斂域． 23
3．2．3 左序列的收斂域． 24
3．2．4 雙邊序列的收斂域 24
3．2．5 序列類型與收斂域的總結 25
3．3 Z 變換的性質． 26
3．3．1 線性性質 ． 26
3．3．2 時域卷積定理 ． 26
3．3．3 序列移位性質 ． 27
3．3．4 序列乘以指數序列的性質 27
3．3．5 序列乘以 的性質 27
3．4 用 Z 變換描述和分析系統 28
3．4．1 零狀態響應 28
3．4．2 系統全響應 29
3．4．3 系統的頻率響應． 29
3．4．4 系統的因果性分析 30
3．4．5 系統的穩定性分析 30
3．4．6 特殊系統 ． 30
3．5 問題 31
第 4 章 頻響濾波器的設計 ． 32
4．1 基本濾波框架． 32
4．1．1 IIR 濾波器 32
4．1．2 FIR 濾波器． 33
4．2 變換域下的濾波系統 ． 33
4．2．1 Z 域下的濾波系統 33
4．2．2 頻域下的濾波系統 33
4．3 濾波原理 ． 34
4．4 IIR 濾波器的設計 34
4．4．1 沖激響應不變法． 35
4．4．2 雙線性變換法 ． 36
4．5 線性相位 FIR 濾波器 ． 36
4．5．1 為什么要做線性相位 ． 36
4．5．2 系統的時延量 ． 37
4．5．3 利用對稱性約束線性相位 37
4．5．4 偶對稱、偶數長度濾波器 37
4．5．5 偶對稱、奇數長度濾波器 38
4．5．6 奇對稱、偶數長度濾波器 38
4．5．7 奇對稱、奇數長度濾波器 39
4．6 兩種 FIR 濾波器的設計方法 39
4．6．1 頻率采樣法 40
4．6．2 *優逼近法 41
4．7 問題 42
第 5 章 自適應濾波器的設計 43
5．1 信號模型與濾波 43
5．2 誤差與誤差統計量． 44
5．3 維納濾波器 44
5．3．1 自相關矩陣 Ryy ． 45
5．3．2 互相關向量 ry 45
5．3．3 維納濾波器 46
5．4 維納濾波分析． 46
5．4．1 正交分解 ． 46
5．4．2 輸出信噪比 47
5．4．3 信號畸變 ． 48
5．5 卡爾曼濾波 49
5．5．1 狀態方程與觀測方程 ． 49
5．5．2 濾波框架 ． 49
5．5．3 雙誤差函數 50
5．5．4 *優濾波器 50
5．6 問題 51
第 6 章 信道 ． 52
6．1 信道建模 ． 52
6．2 信道的可變性． 53
6．2．1 鏡像源模型 53
6．2．2 隨房間大小的變化 55
6．2．3 隨墻面材質變化． 55
6．2．4 隨空間位置變化． 56
6．2．5 隨周圍環境變化． 56
6．3 信道的頻率選擇性． 56
6．3．1 單信道的頻率選擇性 ． 56
6．3．2 多信道的共零點特性 ． 57
6．4 信道均衡 ． 57
6．5 噪聲對消 ． 58
6．6 問題 59
第 7 章 信道估計 60
7．1 信號模型 ． 60
7．1．1 代價函數 ． 61
7．1．2 *速梯度下降算法 61
7．2 LMS 算法與 NLMS 算法 63
7．2．1 LMS 算法 63
7．2．2 收斂性分析 64
7．2．3 NLMS 算法 64
7．3 變換域信道估計方法 ． 65
7．3．1 信號模型 ． 65
7．3．2 代價函數 ． 67
7．3．3 兩個關鍵的梯度函數 ． 67
7．3．4 梯度計算與信道更新 ． 68
7．3．5 Hessian 矩陣求逆的簡化 69
7．4 問題 69
第 8 章 陣列信號處理 70
8．1 波束形成框架． 70
8．2 空間響應 ． 71
8．3 指向性因子和白噪聲增益 ． 72
8．3．1 指向性因子 72
8．3．2 白噪聲增益 73
8．3．3 信噪比增益 73
8．4 波束形成器設計 75
8．4．1 延遲求和波束形成 75
8．4．2 超指向波束形成． 75
8．4．3 差分波束形成 ． 76
8．4．4 正交級數展開波束形成． 78
8．4．5 自適應波束形成． 80
8．5 問題 81
第 9 章 語音信號 82
9．1 語音信號的產生機理 ． 82
9．2 脈沖串模型與信號的基本特征． 83
9．3 自回歸模型 84
9．4 自回歸模型的求解． 84
9．5 問題 88
第 10 章 時頻域信號分析． 89
10．1 信號分幀處理 89
10．2 PR 條件 90
10．3 典型的窗函數 91
10．4 問題 ． 94
第 11 章 MFCC 特征 95
11．1 人耳的聽覺機理 ． 95
11．2 濾波器組． 96
11．2．1 1 倍頻程 96
3
11．2．2 梅爾頻率 96
11．2．3 等效矩形帶寬 97
11．2．4 伽馬通（Gammatone）濾波器組 ． 97
11．3 線性加權與梅爾譜 99
11．4 譜包絡與倒譜 100
11．5 梅爾頻率倒譜系數（MFCC）．101
11．6 問題 ．102
第 12 章 GMM 模型和 EM 算法103
12．1 從貝葉斯到混合模型．103
12．2 GMM 模型 104
12．3 EM 算法 ．105
12．3．1 多個觀測聯合估計 ．106
12．3．2 離散隱變量的估計 ．106
12．4 GMM-EM 算法 ．107
12．4．1 GMM 模型下迭代公式的化簡107
12．4．2 混合系數 的迭代估計 107
12．4．3 均值的迭代估計108
12．4．4 方差的迭代估計108
12．5 應用：說話人識別 109
12．5．1 說話人聲學特征109
12．5．2 說話人識別的基本框架109
12．5．3 參數學習 110
12．6 問題 ．111
第 13 章 深度神經網絡與反向傳播 112
13．1 神經網絡．112
13．1．1 神經元．112
13．1．2 神經網絡的建模能力 113
13．1．3 深度前饋神經網絡 ．113
13．2 網絡結構．114
13．2．1 卷積網絡 114
13．2．2 殘差網絡 115
13．2．3 循環神經網絡 116
13．2．4 注意力機制網絡117
13．3 代價函數．117
13．3．1 均方誤差 117
13．3．2 交叉熵．118
13．3．3 負對數似然 ．118
13．4 反向傳播方法 118
13．4．1 參數更新的基本原理 118
13．4．2 導數的鏈式法則119
13．4．3 反向傳播 119
13．4．4 非頂層參數更新121
13．4．5 頂層參數更新 121
13．5 問題 ．122
第 14 章 分類、聚類和降維 ．123
14．1 距離與相似度 123
14．1．1 樣本之間的距離123
14．1．2 分布之間的距離123
14．1．3 相似度．124
14．2 分類 ．124
14．2．1 K 近鄰算法124
14．2．2 樸素貝葉斯 ．125
14．2．3 Logistic 二分類回歸與 Softmax 多分類回歸 ．126
14．2．4 深度學習 128
14．3 有監督學習和無監督學習 128
14．3．1 有監督學習 ．128
14．3．2 無監督學習 ．128
14．4 聚類 ．129
14．4．1 K 均值聚類129
14．4．2 密度峰值聚類 129
14．4．3 層級聚類 130
14．5 降維 ．131
14．6 問題 ．132
第 15 章 支持向量機 133
15．1 決策函數與優化問題．133
15．1．1 決策函數 133
15．1．2 設計準則 134
15．1．3 優化問題 134
15．1．4 拉格朗日函數與 KKT 條件 134
15．1．5 對偶優化問題 136
15．2 穩健 SVM ．136
15．3 Relu 函數與 SVM ．139
15．4 核函數 SVM 140
15．5 SVM 問題的求解141
15．6 問題 ．143
第 16 章 聲紋特征提取與說話人識別．144
16．1 聲紋識別的基本框架．144
16．1．1 模型構建的基本思路 145
16．1．2 說話人注冊的基本過程145
16．1．3 說話人辨識的基本過程146
16．2 聲紋提取模型的構建與訓練 ．147
16．2．1 幀級別特征提取147
16．2．2 片段級別特征提取 ．148
16．3 問題 ．149
附錄 A ．150
A．1 傅里葉變換對．150
A．2 離散時間傅里葉變換對 151
A．3 拉普拉斯變換對151
A．4 Z 變換對 ．152
A．5 點到超平面的距離．153
附錄 B 符號與運算符說明155
B．1 符號說明 ．155
B．2 運算符說明 155
參考文獻157
1．1 信號的表述與分析． 1
1．2 離散處理 ． 2
1．3 卷積 2
1．3．1 連續卷積 ． 2
1．3．2 離散卷積 ． 3
1．3．3 卷積的重要性質． 3
1．4 系統的描述 3
1．4．1 物理系統 ． 4
1．4．2 濾波系統 ． 4
1．5 抽樣定理 ． 4
1．5．1 抽樣的基本準則． 4
1．5．2 工具①：連續時間脈沖串函數及其傅里葉變換 4
1．5．3 工具②：卷積操作下傅里葉變換的性質 5
1．5．4 推導：抽樣定理． 6
1．5．5 混疊案例：高頻的信號表現出低頻的行為． 7
1．6 問題 7
第 2 章 離散傅里葉變換． 9
2．1 離散信號的傅里葉變換 9
2．1．1 離散時間傅里葉變換 ． 9
2．1．2 大致思路 ． 9
2．1．3 從時間上離散的信號到時間上連續的信號． 10
2．1．4 脈沖串調制后信號的傅里葉變換 10
2．1．5 離散時間傅里葉變換 ． 10
2．1．6 正交性與反離散時間傅里葉變換 11
2．2 DTFT 的重要性質 11
2．2．1 線性性質 ． 12
2．2．2 時移性質 ． 12
2．2．3 頻移性質 ． 12
2．2．4 時域卷積定理 ． 12
2．2．5 頻域卷積定理 ． 13
2．3 離散傅里葉變換 13
2．3．1 DFT 的定義 13
2．3．2 基函數的正交性． 14
2．3．3 DFT 的反變換 ． 14
2．3．4 簡要總結 ． 15
2．4 DFT 簡潔描述． 15
2．5 DFT 的性質 16
2．5．1 工具①：周期延拓序列與主值序列 ． 16
2．5．2 線性性質 ． 17
2．5．3 時域循環移位定理 18
2．5．4 頻域循環移位定理 18
2．5．5 循環卷積定理 ． 19
2．6 問題 19
第 3 章 Z 變換 ． 21
3．1 Z 變換的定義． 21
3．1．1 Z 變換的定義 ． 21
3．1．2 正交性 21
3．1．3 反 Z 變換 22
3．2 Z 變換收斂域． 22
3．2．1 有限長序列的收斂域 ． 23
3．2．2 右序列的收斂域． 23
3．2．3 左序列的收斂域． 24
3．2．4 雙邊序列的收斂域 24
3．2．5 序列類型與收斂域的總結 25
3．3 Z 變換的性質． 26
3．3．1 線性性質 ． 26
3．3．2 時域卷積定理 ． 26
3．3．3 序列移位性質 ． 27
3．3．4 序列乘以指數序列的性質 27
3．3．5 序列乘以 的性質 27
3．4 用 Z 變換描述和分析系統 28
3．4．1 零狀態響應 28
3．4．2 系統全響應 29
3．4．3 系統的頻率響應． 29
3．4．4 系統的因果性分析 30
3．4．5 系統的穩定性分析 30
3．4．6 特殊系統 ． 30
3．5 問題 31
第 4 章 頻響濾波器的設計 ． 32
4．1 基本濾波框架． 32
4．1．1 IIR 濾波器 32
4．1．2 FIR 濾波器． 33
4．2 變換域下的濾波系統 ． 33
4．2．1 Z 域下的濾波系統 33
4．2．2 頻域下的濾波系統 33
4．3 濾波原理 ． 34
4．4 IIR 濾波器的設計 34
4．4．1 沖激響應不變法． 35
4．4．2 雙線性變換法 ． 36
4．5 線性相位 FIR 濾波器 ． 36
4．5．1 為什么要做線性相位 ． 36
4．5．2 系統的時延量 ． 37
4．5．3 利用對稱性約束線性相位 37
4．5．4 偶對稱、偶數長度濾波器 37
4．5．5 偶對稱、奇數長度濾波器 38
4．5．6 奇對稱、偶數長度濾波器 38
4．5．7 奇對稱、奇數長度濾波器 39
4．6 兩種 FIR 濾波器的設計方法 39
4．6．1 頻率采樣法 40
4．6．2 *優逼近法 41
4．7 問題 42
第 5 章 自適應濾波器的設計 43
5．1 信號模型與濾波 43
5．2 誤差與誤差統計量． 44
5．3 維納濾波器 44
5．3．1 自相關矩陣 Ryy ． 45
5．3．2 互相關向量 ry 45
5．3．3 維納濾波器 46
5．4 維納濾波分析． 46
5．4．1 正交分解 ． 46
5．4．2 輸出信噪比 47
5．4．3 信號畸變 ． 48
5．5 卡爾曼濾波 49
5．5．1 狀態方程與觀測方程 ． 49
5．5．2 濾波框架 ． 49
5．5．3 雙誤差函數 50
5．5．4 *優濾波器 50
5．6 問題 51
第 6 章 信道 ． 52
6．1 信道建模 ． 52
6．2 信道的可變性． 53
6．2．1 鏡像源模型 53
6．2．2 隨房間大小的變化 55
6．2．3 隨墻面材質變化． 55
6．2．4 隨空間位置變化． 56
6．2．5 隨周圍環境變化． 56
6．3 信道的頻率選擇性． 56
6．3．1 單信道的頻率選擇性 ． 56
6．3．2 多信道的共零點特性 ． 57
6．4 信道均衡 ． 57
6．5 噪聲對消 ． 58
6．6 問題 59
第 7 章 信道估計 60
7．1 信號模型 ． 60
7．1．1 代價函數 ． 61
7．1．2 *速梯度下降算法 61
7．2 LMS 算法與 NLMS 算法 63
7．2．1 LMS 算法 63
7．2．2 收斂性分析 64
7．2．3 NLMS 算法 64
7．3 變換域信道估計方法 ． 65
7．3．1 信號模型 ． 65
7．3．2 代價函數 ． 67
7．3．3 兩個關鍵的梯度函數 ． 67
7．3．4 梯度計算與信道更新 ． 68
7．3．5 Hessian 矩陣求逆的簡化 69
7．4 問題 69
第 8 章 陣列信號處理 70
8．1 波束形成框架． 70
8．2 空間響應 ． 71
8．3 指向性因子和白噪聲增益 ． 72
8．3．1 指向性因子 72
8．3．2 白噪聲增益 73
8．3．3 信噪比增益 73
8．4 波束形成器設計 75
8．4．1 延遲求和波束形成 75
8．4．2 超指向波束形成． 75
8．4．3 差分波束形成 ． 76
8．4．4 正交級數展開波束形成． 78
8．4．5 自適應波束形成． 80
8．5 問題 81
第 9 章 語音信號 82
9．1 語音信號的產生機理 ． 82
9．2 脈沖串模型與信號的基本特征． 83
9．3 自回歸模型 84
9．4 自回歸模型的求解． 84
9．5 問題 88
第 10 章 時頻域信號分析． 89
10．1 信號分幀處理 89
10．2 PR 條件 90
10．3 典型的窗函數 91
10．4 問題 ． 94
第 11 章 MFCC 特征 95
11．1 人耳的聽覺機理 ． 95
11．2 濾波器組． 96
11．2．1 1 倍頻程 96
3
11．2．2 梅爾頻率 96
11．2．3 等效矩形帶寬 97
11．2．4 伽馬通（Gammatone）濾波器組 ． 97
11．3 線性加權與梅爾譜 99
11．4 譜包絡與倒譜 100
11．5 梅爾頻率倒譜系數（MFCC）．101
11．6 問題 ．102
第 12 章 GMM 模型和 EM 算法103
12．1 從貝葉斯到混合模型．103
12．2 GMM 模型 104
12．3 EM 算法 ．105
12．3．1 多個觀測聯合估計 ．106
12．3．2 離散隱變量的估計 ．106
12．4 GMM-EM 算法 ．107
12．4．1 GMM 模型下迭代公式的化簡107
12．4．2 混合系數 的迭代估計 107
12．4．3 均值的迭代估計108
12．4．4 方差的迭代估計108
12．5 應用：說話人識別 109
12．5．1 說話人聲學特征109
12．5．2 說話人識別的基本框架109
12．5．3 參數學習 110
12．6 問題 ．111
第 13 章 深度神經網絡與反向傳播 112
13．1 神經網絡．112
13．1．1 神經元．112
13．1．2 神經網絡的建模能力 113
13．1．3 深度前饋神經網絡 ．113
13．2 網絡結構．114
13．2．1 卷積網絡 114
13．2．2 殘差網絡 115
13．2．3 循環神經網絡 116
13．2．4 注意力機制網絡117
13．3 代價函數．117
13．3．1 均方誤差 117
13．3．2 交叉熵．118
13．3．3 負對數似然 ．118
13．4 反向傳播方法 118
13．4．1 參數更新的基本原理 118
13．4．2 導數的鏈式法則119
13．4．3 反向傳播 119
13．4．4 非頂層參數更新121
13．4．5 頂層參數更新 121
13．5 問題 ．122
第 14 章 分類、聚類和降維 ．123
14．1 距離與相似度 123
14．1．1 樣本之間的距離123
14．1．2 分布之間的距離123
14．1．3 相似度．124
14．2 分類 ．124
14．2．1 K 近鄰算法124
14．2．2 樸素貝葉斯 ．125
14．2．3 Logistic 二分類回歸與 Softmax 多分類回歸 ．126
14．2．4 深度學習 128
14．3 有監督學習和無監督學習 128
14．3．1 有監督學習 ．128
14．3．2 無監督學習 ．128
14．4 聚類 ．129
14．4．1 K 均值聚類129
14．4．2 密度峰值聚類 129
14．4．3 層級聚類 130
14．5 降維 ．131
14．6 問題 ．132
第 15 章 支持向量機 133
15．1 決策函數與優化問題．133
15．1．1 決策函數 133
15．1．2 設計準則 134
15．1．3 優化問題 134
15．1．4 拉格朗日函數與 KKT 條件 134
15．1．5 對偶優化問題 136
15．2 穩健 SVM ．136
15．3 Relu 函數與 SVM ．139
15．4 核函數 SVM 140
15．5 SVM 問題的求解141
15．6 問題 ．143
第 16 章 聲紋特征提取與說話人識別．144
16．1 聲紋識別的基本框架．144
16．1．1 模型構建的基本思路 145
16．1．2 說話人注冊的基本過程145
16．1．3 說話人辨識的基本過程146
16．2 聲紋提取模型的構建與訓練 ．147
16．2．1 幀級別特征提取147
16．2．2 片段級別特征提取 ．148
16．3 問題 ．149
附錄 A ．150
A．1 傅里葉變換對．150
A．2 離散時間傅里葉變換對 151
A．3 拉普拉斯變換對151
A．4 Z 變換對 ．152
A．5 點到超平面的距離．153
附錄 B 符號與運算符說明155
B．1 符號說明 ．155
B．2 運算符說明 155
參考文獻157
展開全部
聲信號處理與智能分析 作者簡介
潘超博士，現任西北工業大學副教授，主要從事信號信息處理領域的教學與麥克風陣列信號處理、寬帶波束形成、語音增強、聲源分離、聲事件檢測、聲源定位、聲場測量、聲場重構等方面的研發工作。陳景東博士，電氣電子工程師學會會士（IEEE Fellow），先后在日本國際電氣通信基礎技術研究所、澳大利亞格里菲斯大學、美國貝爾實驗室等機構任職。現任西北工業大學教授，主要從事聲信號處理、陣列信號處理、自適應信號處理、模式識別，以及無線通信領域的研發工作。
書友推薦
- >
推拿
- >
小考拉的故事-套裝共3冊
- >
名家帶你讀魯迅:朝花夕拾
- >
回憶愛瑪儂
- >
朝聞道
- >
隨園食單
- >
詩經-先民的歌唱
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
