搜索资源列表
voice_activity_detection
- 传统的有声无声检测方法只能在相对安静的环境下（<20dB）进行。因此传统方法不能满足噪声环境下的检测要求；另一方面，一直以来，单通道语音增强没有取得突破性进展，一个很重要的原因是没有找到高效的有声无声检测方法。研究了一种有声/无声检测算法是根据信号低频带、高频带短时能量包络的动态变化范围来判别噪声和含噪语音。对每一帧输入信号，通过与预先设定的一系列门限值比较来判断该帧是信号帧还是噪声帧。本设计使用了这种检测方法，选用北京瑞泰创新科技有限公司开发CETECK-VC33-D板，配合自己制作的前
hhh
- ：由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效， 提出 应用独立成分分析( I C A) 方法对声音信号进行特征提取， 并证明了这种 I C A 变换能增强语音和音 乐信号的超高斯性． 在此基础上， 应用 I C A基函数作为滤波器， 通过阈值化的去噪方法对含有强高 斯背景噪声的声音信号进行去噪仿真实验． 结果表明， 本方法明显优于传统的均值滤波和小波去噪 方法， 为强背景噪声下弱信号的检测提供 了新的途径．-: As many of the t
improved_SpectralSbutract
- 基于matlab的谱减算法的改进，仿真效果显示语音增强效果优于传统方法。-Matlab-based algorithm to improve the spectral reduction, speech enhancement simulation results show better than traditional methods.
Laplace
- 传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音存在概率，对最小均方误差估计子进行修正。实验结果表明，该算法
vad
- 关于端点检测的几种方法，语音样本是自己录制的，对传统算法做了一些改进，加入了去噪，去噪之后再进行端点检测，均调通 vad0303：自己设置调整门限为一定值 vad0310：根据能量值和过零率设置门限，自适应门限值 vad0310_2：基于比例因子的门限自调整 vad0310.m加入了噪声，端点检测前都噪声进行了处理 entropy.m：基于自适应子带频谱熵的稳健性语音端点检测 可用于语音增强及端点检测 dbdoor.m：双门限算法，用于语音端点检测。可以通过调整门限值，并
OMLSA
- 这是目前传统单通道语音增强中效果最好的算法，作者Iseal Cohen大神,采用基于最小均方误差MMSE准则，代码里，噪声估计由最初的MCRA更新为效果更好的IMCRA。(This is the most effective algorithm for traditional single channel speech enhancement. The author, Iseal Cohen great God, uses the minimum mean square error MMSE c
Speech-enhancement-dsp-master
- 几种传统的语音增强方法，适合初学者，了解语音增强的处理。(Several traditional speech enhancement methods are suitable for beginners to understand the processing of speech enhancement.)