搜索资源列表
jiyushilianglianghuadeshuohrshibe
- 基于矢量量化的说话人识别本文从语音信号的预处理开始分析， 主要研究了特征参数的选择、提取、及识别算法，应用全极点模型，提取了语 音信号的线性预测倒谱系数和美尔倒谱系数，并进一步获得其一阶差分，将倒 谱系数与其一阶差分结合在一起形成新的特征参数。在识别算法方面，本文对 矢量量化的方法进行了研究，用Matlab语言实现了说话人识别系统的仿真与验 证。实验证明这种参数与单纯的线性预测倒谱系数和美尔倒谱系数相比更为有 效。- speech paper，help you study
MATLABYUYIN
- MATLAB 语音信号分析与处理 武汉理工大学课程设计 -MATLAB MATLAB
4MATLAByuyindesign
- 4+MATLAB+的语音信号分析与处理的课程设计,含文件与程序。-4+ MATLAB+ voice signal analysis and processing of curriculum design, including documentation and procedures.
1
- 语音信号处理的课件，包含语音信号的短时分析、特征提取、矢量量化，语音编码、合成与识别-Speech Signal Processing courseware, including short-time speech signal analysis, feature extraction, vector quantization, speech coding, synthesis and recognition, etc.
12345
- 基于MATLAB的有噪声的语音信号分析与处理设计-MATLAB-based speech signal with noise analysis and processing design
yinpinfenxi
- 一个基于matlab的语音信号处理分析与合成的程序（含源码和效果）-A matlab-based speech signal processing analysis and synthesis procedures (including the source and effects)
YU-YINXINGHAO
- 本文是根据网上找的“信号的分析与处理综合实验”的内容，通过学习和MATLAB实践后的学习总结。实验内容为真实语音信号的采样重构，具体要求如下：录制一段自己的语音信号，并对录制的信号进行采样；画出采样前后语音信号的时域波形和频谱图；对降采样后的信号进行插值重构，滤波，恢复原信号。-failed to translate
matlab_shuziyuyin
- 本次课程设计主要介绍了语音信号的录制、语音信号的采集与分析、语音信号的采样、语音信号的频谱分析、加噪后的频谱分析、滤波器的设计以及对于语音信号的回放等知识。通过 Cool Edit录制一段语音信号，运用MATLAB对其进行时域与频域分析，然后设计滤波器加入噪声进行滤波处理，比较滤波前后始于波形或频谱的变化，最后实现对于语音的回放设计。-Digital voice processing filter design
Matlab-speech-process
- 对语音信号的频谱分析，滤波，GUI界面设置，更加方便的进行语音的频谱分析与滤波处理。-The spectrum of the speech signal analysis, filtering, GUI interface settings, be more convenient for the voice spectrum analysis and filtering process.
MATLAB在语音信号分析和合成中的应用》附件
- 这是非常有用的语音信号处理的代码资源，是书《matlab在语音信号分析与合成中的应用》的代码，整理的非常仔细，如何使用都有说明书。非常有价值。(This is a very useful code resource for speech signal processing. It is the code for the application of MATLAB in speech signal analysis and synthesis. It is very careful and has
audio_tezheng
- 语音信号的时域、频域与倒谱域分析。 1.分析一帧清音和浊音的自相关函数和倒谱系数 2.用Matlab画出该段语音的时域波形、短时能量、短时平均幅度、短时过零率、短时过电平率 3.选择一帧无声、清音和浊音的语音，用Matlab画出它们的对数幅度谱(Time domain, frequency domain and cepstrum domain analysis of speech signals. 1. Analyze the autocorrelation function and c