资源列表
Cforspeech
- ：用C 语言实现了一个用于控制家电开关的声音模块. 该声音模块采用当前语音识别系统的主流技 术——隐马尔可夫模型（HMM）技术，以及线性预测倒谱计算和矢量量化技术. 命令（单词）的正确识别率 在97 以上. 介绍了声音模块的设计方案，并就实现该声音模块的过程中所遇到的具体问题进行了讨论.-: The C language realization of a switch used to control the voice module appliances. The sound modul
xiaobo
- 一个介绍小波变换在语音里面的倒谱应用，对语音识别学习用帮助-Introduced a wavelet transform in cepstral voice inside applications, on learning to use speech recognition to help
123
- 语音阵列信号采集分析，对说话人发声进行定位-Array signal acquisition and analysis of voice, voice of the speaker position
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
jiyuneirongdeyinpinjiansuoyan
- 本文根据上述的研究，采用基于Mel倒谱系数特征的隐马尔可夫模型对音 乐进行分类。在音乐特征提取方面，以感知特征和Mel倒谱系数组成特征向量 在音乐分类方面，以隐马尔可夫模型作为分类器，对音乐进行聚类和分类。通过 有监督的学习方式进行聚类，分类时将测试样本归入似然值最大的类别，对同一 音频抽取若干样本，对样本识别结果采用投票法，判定该音频的音乐类别，使分 类的准确率得到进一步的提高。根据上述方法进行了仿真实验，并对实验结果进 行了分析。本文将音频数据分为5类，对4种分类器
server
- 语音聊天,就是电脑能自动把接收来的字符用语音读出来-talk
hmm
- speech recognition using hidden markov model making it speaker independent Using Matlab 7.5[2008b]
dspilbc_mic_duplex
- VOIP仿真系统-VOIP Simulation
HMM2
- simple hidden markov model
matlab
- matlab仿真程序小波去噪MATLAB Wavelet-based signal de-noising-MATLAB Wavelet-based signal de-noising
yuyin
- 数字语音处理软件PREAT数字语音处理习题及解答-Digital Voice digital voice-processing software to deal with PREAT exercises and answers