搜索资源列表
lpcdaopu
- 可以求出语音信号的LPC倒谱特征向量，该特征向量在语音信号分析中得到了广泛的应用。-voice signal can be obtained by LPCCEP eigenvector, the eigenvector of the voice signal analysis has been widely used.
recognizedemo
- 本程序是用MATLAB编写的孤立词的语音识别的程序，包含mel倒谱分析以及单个词的语音识别。
Speech_signal_short_time_analysis
- 语音信号的短时分析，主要包括：分帧、短时能量、短时平均幅度、短时过零率、短时自相关函数、短时幅度差、倒谱、复倒谱、lpc系数、lpc谱估计等 绝对保证质量，是保研后导师布置的一些基础程序
sunday
- 当把m个信号叠加在一起时，经倒谱分析是能检测出其基频。但倒谱分析主要是用在同态滤波中，可用于某些信号的解褶积。例如提供的语音信号，就能通过倒谱把频谱中的包络和基频频谱分离，
LPCC.rar
- 可以在CCS中运行的LPCC程序，包括语音参数分析主函数，信号的自相关函数，由自相关函数计算LPC预测系数，由LPC预测系数计算LPC倒谱系数，由LPC预测系数计算MEl到普系数等函数,CCS can be run at the LPCC procedures, including analysis of voice parameters of the main function, the signal autocorrelation function, autocorrelation func
cepstrum
- 求出语音信号的倒谱以便于进一步对语音信号作进一步的分析处理，分析信号的特性。-Derived Cepstral voice signal in order to facilitate further speech signal processing for further analysis, analysis of signal characteristics.
cepstrum
- matlab数字语音分析模块(已调试）： 倒谱、复倒谱、对数谱、自相波形等。-matlab digital voice analysis module (has debug): cepstrum, complex cepstrum of the spectrum, such as self waveform.
speech
- 本文首先总结了现有典型的语音端点检测算法，分析了其中几种 端点检测算法所选用的特征，给出了仿真结果和一些改进。随后提出 了噪声环境下两种语音端点检测新算法。算法一:从基于人耳的听觉 系统出发，对Mel标度滤波器组进行研究，提出了语音信号的一种新 的自适应时频参数，该参数既考虑了声道响应，又符合人耳听觉特性， 仿真结果表明了它的优越性。算法二:结合抗噪性能好的Mel倒谱距 离和多带能量嫡特征提出了一种改进的孤立词端点检测算法，该算法 不需要估计背景噪声来调整门限闽值，仿
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
SpeechSignalAcquisitionandAnalysis
- 实现语音的采集，滤波，A/D转换，短时能量，短时过零数，线性倒谱分析-Speech Signal Acquisition and Analysis
Cepstrum
- 对语音信号进行倒谱分析，产生信号图形和倒谱图形-Voice signals on cepstral analysis, signal graphics and graphics cepstrum
MFCC
- 为了实现高速语音特征参数的提取，在分析了美尔频率倒谱特征参数提取算法的基础上，提出了算法的硬件 设计方案，介绍了各模块的设计原理。该方案增加了语音激活检测功能，可对语音信号中的噪音帧进行检测，提高了特征参 数的可靠性。-In order to achieve high-speed voice characteristic parameter extraction, in the analysis of Mel frequency cepstral feature extraction a
speakerrecognization
- 摘要说话人识别在自动身份鉴别方面具有重要的现实意义。文章在分析了说话人识别实现的可行性基础上*提 出采用长时线性预测倒谱 +,--.,)系数和矢量量化 /0)模型的不依赖于文本的说话人识别方法，并成功地应用于 一个数据库查询系统中。-65DL5<?E5=7?9?AD7?8=CDH H?>=?9?AD=7 D66@?AD7?8=H?=D 78:D7?A?=E?G?E D@<5A8>=?7?8=D<5D#M=7C?H 6D65<* 7C5 68HH?N
yonghujiemian
- 语音信号的谱分析的用户界面设计，可以对语音信号做频谱，语谱，倒谱分析-Spectral analysis of speech signals the user interface design, you can do voice signal spectrum, language spectrum, cepstrum analysis
yuyinshiyupinyufenxi
- 语音信号的时域频域分析，从短时能量到语谱图，以及线性预测参数和梅尔倒谱系数-Speech signal in time domain frequency domain analysis, from the short-term energy to the spectrogram, and the linear prediction parameters and the Mel cepstral coefficients, etc.
lpcc
- 语音信号美尔倒谱分析。美尔倒谱分析的c程序实现。-Mel Cepstral Speech Signal Analysis. Mel Cepstrum analysis c Program.
dpfx
- 利用matlab实现语音信号的倒谱分析,通过观察仿真，可以看出倒谱函数的频谱特性。-Matlab voice signal cepstrum analysis, simulation, can be seen by observing the spectral properties of the function cepstrum.
cepstrum-and-pitch-tracking
- 倒谱分析和基音检测，包含源代码和测试语音-Cepstrum and pitch tracking
sy2
- （1） 分别采集一段浊音和清音语音信号（是你自己说的），采样率为8KHZ，量化精度为16比特线性码； （2） 分析帧长取为30ms（或10ms～50ms）； （3） 根据语音信号倒谱分析和LPC谱分析的编程流程图（图2.1、图2.2）编制浊音语音信号谱分析的matlab程序，上机调试给出相应波形，并根据图形，观察共振峰情况； （4） 将语音信号换为清音语音，运行程序，与浊音语音的运行结果进行比较，并得出结论。 （5） 在LPC谱分析中，改变阶数p （p分别等于4、8、12、40）
matlab
- 语音信号的短时分析，主要包括：分帧、短时能量、短时平均幅度、短时过零率、短时自相关函数、短时幅度差、倒谱、复倒谱、lpc系数、lpc谱估计等(The short-time analysis of speech signal mainly includes: frame, short-time energy, short time average amplitude, short-time zero crossing rate, short-time autocorrelation functio