注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 语音信号的倒谱分析过程PPT

  2. 语音信号的倒谱分析是语音信号处理的关键技术之一，特别是在特征提取中有特别的作用。

  3. 所属分类：专业指导

    • 发布日期：2009-07-09
    • 文件大小：1048576
    • 提供者：Jedi2000

  1. 基于倒谱的语音特性提取算法设计及其实现

  2. 在语音信号处理中，常用的语音特性是基于Mel频率的倒谱系数（MFCC）以及一些语音信号的固有特征，如共振峰和基音频率等。倒谱可以较好地将语音信号中的激励信号和声道响应分离，并只需要用十几个倒谱系数就能较好地描述语言信号的声道响应，在语音信号处理中占有很重要的位置。本论文设计了基于倒谱的语音特性参数提取算法，并在Matlab中予以实现。

  3. 所属分类：其它

    • 发布日期：2010-04-15
    • 文件大小：832512
    • 提供者：jy00272082

  1. 基于倒谱基音混合参数话者识别程序

  2. 基于VC++的说话人识别程序,提取的特征参数是MEL倒谱系数，使用的方法是矢量量化

  3. 所属分类：C++

    • 发布日期：2008-03-20
    • 文件大小：905216
    • 提供者：xing20044725

  1. 短语音噪声环境下说话人识别特征提取

  2. 为了使说话人识别系统在语音较短和存在噪声的环境下也具有较高的识别率, 基于矢量量化识别算法, 对提取的特征参数进行研究。把小波变换与美尔频率倒谱系数(MFCC )的提取相结合, 并将改进后的特征与谱质心 特征进行了组合, 建立了一种美尔频率小波变换系数+ 谱质心(MFWTC+ SC) 的新的组合特征参数。经实验表明, 该 组合特征可以有效地提高说话人识别系统的性能。

  3. 所属分类：C++

    • 发布日期：2011-03-10
    • 文件大小：189440
    • 提供者：hailong891074

  1. 语音识别的MFCC算法研究

  2. 详细介绍了一种在语音识别中取得一定良好效果的Mel 倒谱提取的改进算法。在语音识别系统中, MFCC 参 数是经常使用的特征参数之一。MFCC 参数主要描述了表征声道特性的谱包络特征, 而忽略了基音频率对它的影响。然 而基音频率会影响MFCC 参数对声道特性的准确描述, 进一步影响语音识别系统的性能。提出了一种MFCC 的改进参 数, 该参数并不直接对语音短时幅度谱进行提取, 而是首先对幅度谱进行平滑, 在谱包络的基础上计算MFCC 参数, 从而降 低基音频率对其的影响。

  3. 所属分类：其它

    • 发布日期：2011-04-12
    • 文件大小：126976
    • 提供者：peiweifeng

  1. 特定人孤立词语音识别系统的特征提取方法研究

  2. ：随着语音识别技术的不断发展，特定人孤立词语音识别技术己基本成熟并逐渐开始应用于社会众多 领域。而系统所追求的成本低、速度快和识别率高等目标，使主因素特征参数的选取成为其重点和难点。在实验 的基础上对特征提取方法进行了深入的研究，提出了对传统Mel 倒谱参数的改进方法，有效提高了系统的识别性 能。

  3. 所属分类：其它

    • 发布日期：2011-04-12
    • 文件大小：95232
    • 提供者：peiweifeng

  1. 基于ARM的刀具磨损声谱监测系统设计

  2. 本文着重分析了利用倒谱分析包含信息丰富以及所提取特征LPCC抗噪能力强的特点，确定以LPCC作为切削声信号的特征参数，进行切削声信号监测刀具磨损状态的研究

  3. 所属分类：专业指导

    • 发布日期：2011-09-25
    • 文件大小：513024
    • 提供者：zhangjg870324

  1. 语音时域特征在浊音基音检测中的应用

  2. 语音信号；周期；基音检测；短时自相关函数；短时平均幅度差函数；倒谱分析

  3. 所属分类：专业指导

    • 发布日期：2012-07-17
    • 文件大小：573440
    • 提供者：chenhm8888

  1. 基于倒谱特征的语音端点检测

  2. 基于倒谱特征的语音端点检测，来对语音信号进行识别的算法

  3. 所属分类：电信

    • 发布日期：2012-09-02
    • 文件大小：32768
    • 提供者：huao1990

  1. mfcc特征提取 语音识别特征提取

  2. MFCC：Mel频率倒谱系数的缩写。Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征，MFCC已经广泛地应用在语音识别领域。由于Mel频率与Hz频率之间非线性的对应关系，使得MFCC随着频率的提高，其计算精度随之下降。

  3. 所属分类：其它

    • 发布日期：2012-12-01
    • 文件大小：1024
    • 提供者：honeyrr

  1. 基于倒谱特征的端点检测

  2. 基于倒谱特性的带噪语音端点检测，用倒谱距离代替短时能量为判决门限，改进了HNN语音检测来适应噪声变化

  3. 所属分类：嵌入式

    • 发布日期：2013-03-03
    • 文件大小：688128
    • 提供者：lss276

  1. 基于倒谱特征的带噪语音端点检测

  2. 基于倒谱特征的带噪语音端点检测，根据倒谱特征的优越性对语音有效部分进行提取和标注。

  3. 所属分类：其它

    • 发布日期：2015-11-24
    • 文件大小：38912
    • 提供者：qq_24371779

  1. 高压水射流靶物反射声信号的特征提取方法

  2. 为了提高利用高压水射流靶物反射声信号识别靶物材质的效率,针对地雷探测过程常见的地雷、石块、砖块和木块4种靶物,采用不同的特征提取方法来识别靶物材质。在分析Mel频率倒谱系数及小波包变换倒谱系数基本原理的基础上,结合靶物反射声信号的特点,提出了一种基于Mel频率倒谱和小波包变换倒谱特征融合的特征提取方法:利用小波包变换将原始靶物反射声信号划分为若干子频段,选取其中一个子频段作为低频和高频的划分层;低频部分提取Mel频率倒谱系数作为特征值,高频部分则提取小波包变换倒谱系数作为特征值,将2组特征值线性

  3. 所属分类：其它

    • 发布日期：2020-05-14
    • 文件大小：649216
    • 提供者：weixin_38647039

  1. 基于线性预测残差倒谱的基音周期检测.pdf

  2. 提出一种基于线性预测残差倒谱的基音周期检测算法．该算法对语音信号的线性预测残差信号做倒谱变 换，将其作为基音检测特征．并综合残差倒谱峰、短时能量和短时过零率三种特征，构造一个清浊音判决函数，简化 清浊音判决过程，提高判决精度．在基音周期检测过程中，根据基音连续原则，提出峰值重定位方法，有效降低基音 倍频和半频的错误率．对比实验表明，本文算法的性能不仅较之传统的倒谱方法有明显改善，同时也优于目前效果 较好的YIN算法和多尺度小波算法．

  3. 所属分类：编解码

    • 发布日期：2020-03-30
    • 文件大小：451584
    • 提供者：qiliqiang000001

  1. 基于倒谱距离的采煤机煤岩截割振动信号识别

  2. 在基于煤岩截割振动信号分析的煤岩界面识别过程中,针对常规时频域分析方法对噪声敏感、振动信号能量变化适应性差等问题,提出一种基于倒谱距离的采煤机煤岩截割振动信号识别方法。通过分析振动传感器采集的采煤机不同负载状况下的截割振动信号,得出结论:与采煤机割岩状态相比,割煤状态下得到的振动信号与空载状态下的标准信号的倒谱距离更大;割岩状态下振动信号的倒谱距离呈明显的周期性,且周期为滚筒旋转1周的时间,而割煤状态下的振动信号无此特征。工业试验结果表明,该方法在煤岩硬度差大于10 MPa时,识别准确率达75%

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：238592
    • 提供者：weixin_38677585

  1. 梅尔倒谱系数MFCC的matlab代码

  2. 该函数用于语音信号特征提取，详细用法以及参数设置都有说明，仅供学习参考。函数作者为 Kamil Wojcicki ，使用时必须保持作者备注的信息。

  3. 所属分类：C/C++

    • 发布日期：2020-07-20
    • 文件大小：297984
    • 提供者：qq_36999901

  1. 通信与网络中的基于MAP算法和高阶倒谱归整的电话语音识别方法

  2. 基于MAP算法和高阶倒谱归整的电话语音识别方法 [日期：2005-12-27] 来源：电子技术应用  作者：徐 洁 杨鼎才 [字体：大 中 小] 　    摘要：介绍一种融合最大后验概率算法和改进的高阶倒谱归整的抗噪声语音识别方法。将最大后验概率算法用于特征空间来估计电话通道特性（通道差的估计），用分段高阶倒谱归整进行后续补偿，可以同时减少电话语音中卷积噪声和加性噪声的影响。实验结果验证了该方法的有效性，与传统的倒谱均值减相比，训练库中识别率从46.3%提高到87.5%。

  3. 所属分类：其它

    • 发布日期：2020-12-13
    • 文件大小：81920
    • 提供者：weixin_38730331

  1. 梅尔频率倒谱系数（mfcc）及Python实现

  2. 语音识别系统的第一步是进行特征提取，mfcc是描述短时功率谱包络的一种特征，在语音识别系统中被广泛应用。 一、mel滤波器 每一段语音信号被分为多帧，每帧信号都对应一个频谱（通过FFT变换实现），频谱表示频率与信号能量之间的关系。mel滤波器是指多个带通滤波器，在mel频率中带通滤波器的通带是等宽的，但在赫兹（Hertz）频谱内mel滤波器在低频处较密集切通带较窄，高频处较稀疏且通带较宽，旨在通过在较低频率处更具辨别性并且在较高频率处较少辨别性来模拟非线性人类耳朵对声音的感知。 赫兹频率和梅尔频

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：94208
    • 提供者：weixin_38641561

  1. 语音信号的动态时频倒谱特征

  2. 汉语方言辨识中常用的转移差分倒谱(SDC)特征往往存在较多的冗余信息.对此,提出动态时频倒谱(DT-FC)特征.首先对倒谱矩阵进行离散余弦变换(DCT),然后对变换后的矩阵元素进行重组.基于新特征,在高斯混合模型系统下对闽、粤、吴3种方言进行辨识.实验结果表明,DTFC特征的性能明显优于SDC特征,其平均辨识率可达98.89%,较SDC特征提高了3.1%.

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：449536
    • 提供者：weixin_38712416

  1. 基于语音的性别识别：使用梅尔频率倒谱系数（MFCC）和高斯混合模型（GMM）的基于语音的性别识别-源码

  2. 基于语音的性别识别 基于语音的性别识别，使用： 免费的ST美国英语语料库数据集（SLR45） 梅尔频率倒谱系数（MFCC） 高斯混合模型（GMM） 数据集 可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。 每个说话者大约有350种话语。 理论 语音特征提取 此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出： 进行信号（窗口摘要）的傅立叶变换。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：18874368
    • 提供者：weixin_42120997
« 12 3 4 5 »