搜索资源列表
short_time_spectrum
- 一个基于matlab的wav频谱分析程序~~希望能帮助一些初学者
MATLAB
- 用matlab对wav文件进行频谱分析，并画出频谱图-att
speechbymatlab
- 请认真阅读采用MATLAB分析WAV文件。 步骤一：选择一个WAV文件作为分析的对象 。（ding.wav） 步骤三：进行 FFT变换并画频域图形 。 步骤四：进行该声波主要频谱的分析。 步骤五：根据该声音的频谱，反演时域图形 。（有失真） 步骤六：进行付立叶逆变换IFFT并画频域图形 。-Please carefully read the WAV files using MATLAB analysis. Step One: Select a WAV file as the
F2_6764
- 端点检测是指用数字处理技术来找出语音信号中的各种段落（如音素、音节、词素、词等）的始点和终点的位置。语音段起止端点检测是语音分析、语音合成和语音识别中的一个必要环节。传统的端点检测方法是从wav文件中获取语音采样，将其分帧并计算短时能量和过零率参数，然后进行端点检测。这种工作方式被称为离线处理方法 ，无法实现语音信号的实时处理，对于语音信号分析具有一定的局限性。本文通过开发ActiveX控件，在MATLAB环境下将其嵌入到figure窗口中，以GUI程序的方式使用，实现语音信号端点检测的实时处
AnalogVoiceSignal
- 观测实时模拟信号（语音）的频谱 用音频设备采集一段语音，将语音存为.wav格式。对wav文件作分段傅里叶变换分析。语音是分音节的，应把它分段分析，而且实际运用中的数字信号处理的FFT的点数是有限的，一般只能达到千点。用傅里叶反变换IFFT，从频域恢复信号。画出频谱图和语音波形图。 -Observing real-time analog signal (voice) of the spectrum collected with the audio devices section of
deletenoise
- 读入需要的语音文件（wav格式），进行频谱分析，对其加入随机噪声，然后进行降噪处理，降噪处理前后效果较佳-Need to read the audio files (wav format), spectral analysis, it added random noise, then noise reduction, noise reduction before and after treatment was better
spgram
- matlab对wav文件进行频谱分析，并得出频谱图-matlab wav file, spectral analysis, and draw spectrogram
yuyinshiyan
- （1） 使用录音软件或者Matlab函数，分别采集一段浊音和清音语音信号（是你自己说的，如：a，o，s等），采样率为8KHz，量化精度为16比特线性码，存在自己指定的目录下，例如D盘根目录下叫sound的文件夹中，录音文件名为yourfilename_a.wav，yourfilename_s.wav等。录音的软件和Matlab函数的使用见随后的附录。 （2） 根据语音信号的短时平稳特性，分析帧长取30ms（或10ms～50ms）； （3） 利用上述基音提取的三种方法（任选两种方法）的编程
sy3
- （1）录制语音文件 利用GoldWave或NGwave录音软件录制单字发音语音文件，以wav音频格式保存，共录制两组，一组用于计算参考模板，另一组作为测试模板用于语音识别。 录制语音时，为了能够在主程序中循环读入语音文件，文件名采用数字顺序命名。记录语音文件以及所对应的发音。记于表3中。 另外，录制语音时，注意调整合适的Mic音量，避免语音波形幅度过小，难于同噪声区分开。同时也要避免波形幅度过大，造成波形失真。 （2）调试端点检测程序 结合流程图读懂Matlab程序，先单独调
JLDATA
- 摘 要：本论文主要研究了语音识别的基本原理,对语音识别系统的构成进行分析处理,其中包括预处理、特征参数提取、建立模块库、识别匹配几大部分。预处理又包括语音采样、预加重、加窗（汉明窗）、端点检测；特征提取的参数是梅尔频率倒谱系数MFCC。 该语音系统采用的是动态时间伸缩算法(DTW)，研究对象是特定人的语音识别，并在MATLAB平台上实现。为了进行后续研究，首先使用电脑中的录音系统录制了阿拉伯数字0—9的语音文件，并转化成 “.wav”格式的文件。-Abstract: This thesis