搜索资源列表
wineryulmslvbo
- 构造一组被噪声污染的方波或三角波数据，试选取适当的FIR滤波器结构和参数，分别应用LMS,DFT/LMS和DCT/LMS算法来实现自适应滤波器，对改组数据进行滤波，并分析仿真结果。-Construction Group was one of the Noise Pollution square or triangular wave data, Examination choose appropriate FIR filter structure and parameters, applicat
123456
- 通过分析语音特征参数的特点和说话人识别的基本方法，利用 DSP的硬件平台，以线性预测倒谱系数为 特征参数提取算法以及 隐马尔可夫模型为建模算 法，实现 电子语音锁 的系统设 计。实验 结果表 明系统在 内部模 型 数小于 1O时识别精度高 ，达到 安全保 密的要求。
praat5107_sources.语音识别中语音特征参数提取的工具
- 语音识别中语音特征参数提取的工具，对于语音参数分析有很好的作用,Speech recognition speech feature extraction tools for speech parameter analysis, have very good effect
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
lpcy
- 。LPC分析是进行语音分析的有效技术之一,它提供了1 组简洁的模型参数,这组参数能够比较精确地表征语音信号的频谱幅度, 而且获得这些参数所需的计算量相对较小-. LPC analysis is an effective voice analysis technologies, which provides a concise group of model parameters, which can be more precise set of parameters that characteri
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
DTWspeech
- 本 文 首先 介绍了语音识别的研究和发展状况，然后循着语音识别系统的 处理过程，介绍了语音识别的各个步骤，并对每个步骤可用的几种方法在实 验基础上进行了分析对比。研究了语音信号的预处理和特征参数提取，包括 语音信号的数字化、分帧加窗、预加重滤波、端点检测及时域特征向量和变 换域特征向量.其中端点检测采用双门限法.通过实验比对特征参数的选取， 采用12阶线性预测倒谱系数作为识别参数。详细分析了特定人孤立词识别算 法，选定动态时间弯折为识别算法，并重点介绍其设计实现。 在
LPC-code
- 基于LPC的语音特征参数分析源码，很好的学习源码-Based on the analysis of the phonetic features parameters LPC rules, good study the source code
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
mpelpc
- 此方案基于全极点语音产生模型，编码过程简述如下：首先通过线性预测分析方法提取声道滤波器参数；其次通过合成分析法确定最佳激励矢量；最后将滤波器参数和最佳激励矢量进行编码传输。-This program is based on all-pole speech production model, the encoding process summarized as follows: First, by linear prediction analysis to extract channel filt
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
speechsignalprocessing
- 易克初－本书主要介绍了语音信号的时频处理、频谱分析方法、线性预测原理和语音信号的时频域表示、参数表示和矢量表示等等，涉及时域分布、小波理论和矢量量化等新兴新域-speech signal processing
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.
GSM_full_rate.RAR
- 长期预测(LTP)与规则脉冲激励(RPE),而全速率编解码器就被称为RPE-LTP线性预测编码器。 输入至RPE-LTP编码器的数据为包括160个采样值的20ms语音,每一个采样值都拥有13位精度。数据首先通过预加重滤波器来提高信号的高频分量,以获得更好的传输效率。滤波器一般还消除信号上的任何偏移以简化进一步的计算。 正如前面所提到的,语音产生模型可看成是空气通过一组不同大小的圆柱体。短期分析级采用自动相关来计算与模型所用的8个圆柱体有关的8个反射系数,同时采用一种称为S
GSM_SYSTEM
- 调研了GSM网络对语音质量的影响情况，并分析了G网的各个参数对音质的影响程度。-Investigation of the GSM network for voice quality, and to analyze the various parameters G network influence on the sound quality.
lpc0001
- lpc参数分析。对给定语音信号进行lpc参数估计。从而得到反馈系数。-lpc parameters of analysis. Given speech signal lpc estimation. To get feedback coefficient.
The-research-of-anti-niose-speech
- 论文首先介绍了传统的语音特征参数MFCC，它是基于人耳听觉 特性设计的一种特征参数，在静音环境下能得到较高的识别率，但在 信噪比较低时识别率急剧下降，不利于实用化。本文通过对MFCC算 法的分析和研究，发现其中的FFT和DCT在整个时频空间使用固定的 。分析窗，这不符合语音信号特性，而小波变换具有多分辨率特性，更 符合人耳的听觉特性。因此，本文将小波变换和MFCC算法相结合， 提出了三种新的语音识别特-Speech recognition has wide use in
voice-recognition_matlab-code
- 读入语音文件，并对其做时域、频域的分析，提取相关特征参数。进行线性预测分析，得到LPC谱等线性预测参数，并做了基于预测误差的基音周期估计。-read .wav files，analysing them in time domain，frequency domain and extract some feature parameters related，then do linear prediction analysis ，and get LPC linear prediction paramet
yuyinxinhaochuli
- 本实验要求掌握时域特征分析原理，并利用已学知识，编写程序求解语音信号的短时过零率、短时能量、短时自相关特征，分析实验结果，并能掌握借助时域分析方法所求得的参数分析语音信号的基音周期及共振峰。基于MATLAB的语音信号时域特征分析-In this study, the analysis required to master the principles of time-domain characteristics, and use the learned knowledge to write pr