资源列表
HMM-Introdunction
- 关于HMM入门、HMM在语音识别中应用的一些经典资料和Matlab实现代码，包含中文资料-Getting Started on the HMM, HMM in speech recognition applications to achieve some of the classic data and Matlab code that contains the Chinese data
Spectrogram
- matlab中语谱图实现代码，语谱图表示语音信号随时间而变化的谱特性-matlab implementation code in the spectrogram, spectrogram that change over time speech signal spectral characteristics of
CVadMfccDtw
- 本系统是用c语音编写的基于dtw算法的语音识别系统-The system is written in c voice dtw algorithm based speech recognition system
Car_Demo
- 语音识别和串口通讯 首先是对凌阳语音小车的改进 将语音进行训练，识别后，然后通过UART传送出去，通过无线模块进行无线的语音遥控命令-case COMMAND_GO_ID: *P_UART_Data=0x01 GoAhead() Ready=0
Dereverberation
- 通常语音信号在增强时会出现混响现象，演讲者为了消除背景混响，不得不频繁地偏转头部的方向，这样会造成脉冲响应的不断改变。我们结合盲解卷法和频谱消去法来提高逆滤波器的滤波效果。我们利用输入语音信号间的相关系数矩阵计算出稳定、精确的室内脉冲响应的逆滤波器，而这些输入信号无需测量室内的脉冲响应就能被观测到。逆滤波能够消除早期的反射，这些反射包含混响中的绝大部分能量。之后，用频谱消去法来抑制逆滤波后的信号的尾部混响。本方法在实际适应性方面的表现通过具体的实验进行了验证，结果表明盲解卷法和频谱消去法的结合相
OLA
- 编写一Matlab函数，用30ms三角窗和15ms帧移计算语音信号的STFT。并用OLA法重建原始信号。设计一种基于OLA的综合方法，以通过重复每帧对语音信号以因子2进行时域扩展。-Write a Matlab function, STFT and 30ms triangular window and 15ms frame-shift calculation of the speech signal. And the OLA method to reconstruct the original
TrainCHMM
- 连续HMMmatlab 程序 包括训练识别部分-continuous HMM recognition
FM
- matlab实现的fm语音信号调制,读取wav格式的音频文件，采样及其编码，并进行信号的混合，为分离做准备-matlab fm module
wav_handle
- c语言写的wav音频文件简单处理函数源码，包括wav_io处理，提取lpc系数、plar系数，可用于语音识别和合成中。可直接调用。-wav audio files simple c language handler source, including wav_io processing, extraction lpc coefficient plar coefficient, can be used for speech recognition and synthesis. Can be cal
cis-matlab
- cis算法是人工耳蜗声音处理的核心算法，用于将语音信号进行频带分解以及合成。-cis algorithm is the core of the cochlear sound processing algorithms for voice signal band decomposition and synthetic.
XFdemo
- 本文件是 android 的源代码。主要是讯飞语音的一个实现demo. 讯飞语音，一套API，可实行语音读写、语音听写等等功能-This document is a android source code. Mainly iFLYTEK voice an implementation of the demo. IFLYTEK voice, a set of APIs, viable voice to read and write, Dictation
Noise_down
- 基于RLS 的麦克风阵列自适应语音降噪 算法及matlab 实现-The method abstracting the desired signal from strong background noise through RLS.