搜索资源列表
SPECTRUM_LMS
- 1、文件夹中包含了经典功率谱估计和自适应均衡算法两个实验的所有程序。 2、R.m、LMS.m、LMSmain.m为自适应均衡算法的程序： R.m用来计算输入信号的自相关矩阵及其特征值； LMS.m为时域LMS算法，用统计的方法仿真得出不同信道参数和不同步长下的学习曲线； LMSmain.m为实验主程序，按照实验要求中的具体数据得到实验结果和曲线。 3、functionx.m、fzhouqitu.m、spectrum.m、bt.m、bart_lett.m、welch.m、SPE
matlab_bp
- 关于bp算法来逼近一个函数，还有一些关于一些简单的matlab实验程序，包括切比雪的滤波
030523
- 基音频率#89: <=>?@ABCDEA:CF?>EG@EA H(I& 是语音信号一个非常重要的特征参数\"而传统的基 频检测算法#89: <BE:E :9=ACFJ=>9:<D KL2(M％\"’N大 都运用了自相关或互相关计算等计算复杂度很高的 方法\"而且分帧计算所得到的结果实际上是各帧内 基频的平均值\"这使得大多数算法不能精确地指出 任意时刻的基频\"因此\"如何在保证检测精度的前提 下\"能够找到更为高效和鲁棒的方法仍然
lpc
- 语音实验 根据durbin算法求线性预测系数 matlab7.0环境运行无误 含有语音文件
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。
spectral_speech_enhancement
- 在强噪声环境下，说话人话音受到很强烈的干扰，语音增强是很有必要的。在TDS5410-TDK实验板，实现了谱衰减算法。主要包括有声/无声检测算法、发送/接收缓冲区的调度、语音降噪算法。试验结果表明，其降噪效果明显，试听效果较好。 -In strong noise environment, the speaker voice by the very strong interference, speech enhancement is necessary. TDS5410-TDK experim
a_novel_speake_identification_system_based_on_GMM_
- 文中详细介绍了一种基于GMM 与 SVM的说话人识别系统。包括特征提取，算法实现及实验数据。对语音处理及说话人识别技术的研究者很有帮助。-Introduce a novel speake identification system based on GMM and SVM,with feature extract,algorithm research and experiment data.This doc would be helpful to those who are working on
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
ImprovedDTWAlgorithmInRealtimeSpeaker
- 识别正确率和抗噪性能是语音识别的研究重点，而识别响应速度也是决定系统实用化的关键 文章改进了传统的动态时间弯折算 法结构，将其应用于实时说话人辨识系统中，极大地提高了系统运行速度，随着待识别语音数目的增多，该算法优势更加明显 实验表明， 在不影响系统识别率的情况下，该方法使系统的运行速度平均提高了1.5 倍-Identify the correct rate and the anti-noise performance is the focus of speech recognition
Research_on_DTW-based_speech_recognition_for_voice
- 研究了将语音识别中的 ( 动态时间规整) 算法用于声纹鉴别的技术。通过引入 DTW Dynamic Time Warping, , 由所给的有限个样本建立最大相似于样本点的样本域, 计算被测样本的相似度。该算法提高了语 “样本域”的概念 音鉴别( 区分不同发音者) 的效率。有限人数的实验结果显示该算法辨伪率为 ( 人次) , 识别率 (98.75 400 81~93 80 人次) 。-Will be studied in speech recognition (dynamic
project_matlab
- Levison-Durbin 语音信号处理中的线性预测编码LPC 理论、格型滤波器以及求解现行预 测方程的算法，可以实现对语音信号重要元素的分析、合成甚至识别。 基于现有的实验平台，我们可以利用 Matlab 函数来获得几个固定语音元素（如元音） 的模型系数，LPC 得到的系数组成 IIR 滤波器。利用冲击脉冲 序列作为输入，我们就可以得到原来的语音。这是一种简单的语音合成功能。-Levison-Durbin speech signal processing in li
endpoint_detection_with_noise
- 提出了一种基于时频方差和的语音端点检测算法。实验证明该算法能够在低信噪比的情况下,准确地检测出语音信号-Proposed based on time-frequency variance and Speech Endpoint Detection Algorithm. Experiments show that the algorithm at low SNR cases, accurately detect the speech signal
Unsupervised_Adapting_in_Speech_Recognising_using_
- 介绍了一种基于词网的最大似然线性回归无监督自适应算法，并进行了改进。根据解码得到的词网估计变换参数，词网的潜在误识率远小于识别结果，因此可以使参数估计更为准确。传统的一个很大缺点是计算量极大，较难实用，对此本文提出了两个改进技术：1利用后验概率压缩词网；2利用单词的时间信息限制状态统计量的计算范围。实验测定,误识率比传统相对下降了。-Introduced the term network based maximum likelihood linear regression unsupervise
SRandRec
- 该源码为语音识别实验平台，算法为DTW+梅尔倒谱系数，并且包含录音函数，方便大家在此平台进行语音识别算法研究。-The source test platform for speech recognition, the algorithm for the DTW+ Mel cepstrum, and includes recording function, we facilitate a voice in this platform Recognition Algorithm.
study-on-speech-
- 就目前三种主流的语音识别算法：动态时间规(DTW)、隐马尔科夫模型(HMM)和人工神经网络(ANN)。分析它们的原理、特点及实现过程，对 DTW 的语音识别进行实验，通过对比分析三种算法的特点，结合本文研究的实际情况，选择 DTW 作为研究的重点，提出利用遗传算法对其进行改进。 -The three mainstream speech recognition algorithms: Dynamic Time Regulations (DTW), hidden Markov model (HM
wra
- 在上一次实验的基础上，进一步理解加窗思想在语音语音信号处理的作用和语音信号时域处理的基本方法，掌握基于短时自相关函数的基音周期估计的算法，理解窗长与基因周期之间的关系。完成语音基因计算。-an implementation of the pitch estimation algorithm based on short-time autocorrelation function
p1
- 清华大学信号处理课程实验，内容是Goertzel 算法，FFT算法实验以及对比-Tsinghua signal processing course experiment, the content is Goertzel algorithm, FFT algorithm and comparative experiments
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
yuyinduandianjiance
- 语音端点检测算法，采用双门限判别法，代码包括很多调用函数和实验语音，可以实现。-Speech endpoint detection algorithm, using double threshold discrimination method, the code includes many function calls and experimental phonetics, can achieve.