搜索资源列表
planevoice1
- 航空噪声背景下的语音端点检测和语音增强算法，在信噪比很低的强航空噪声背景下，效果特别好-aviation noise background voice endpoint detection and voice enhancement algorithms, and very low signal to noise ratio in the strong aviation background noise, particularly effective
EndPoint
- 一个语音信号端点检测的程序，算法可能需要根据具体的应用调整一些参数。请使用者自己调整，根据不同的噪声环境。
pujian
- 加入短时能零积端点检测技术的幅值谱减法，噪声谱的估计根据端点检测的结果进行加权平均，时时更新，更好的去除噪音，并将去噪后的结果写成wav文件
vad1
- 语音端点检测算法，在matlab里面实现语音端点的准确检测。为读者开发噪声环境下的精确VAD提供思路。-voice endpoint detection algorithm in Matlab voice inside the precise endpoint detection. Readers development under noisy environments to provide accurate VAD ideas.
一种噪声环境下连续语音识别的快速端点检测算法
- 一种噪声环境下连续语音识别的快速端点检测算法，格式ｖｉｐ-a noisy environment for the rapid identification voice endpoint detection algorithm format vip
航空噪声背景下的语音端点检测和语音增强算法
- 航空噪声背景下的语音端点检测和语音增强算法，在信噪比很低的强航空噪声背景下，效果特别好
fenxing
- 为提高语音端点检测(VAD)在较低信噪比(10 dB)下的准确率,提出一种基于短时分形维数的改进算法。结合语音信号的特点,对2种常用的语音信号分形维数计算方法进行了比较和选择,同时采用动态跟随门限值实现语音端点的自适应检测。试验结果表明:对于信噪比6~10 dB的带噪语音,此方法可以实现整段语音的检测,而且具有一定的噪声鲁棒性,系统运行期间能够自适应调整门限值以适应环境噪声的变化,提高了VAD算法的准确率。这个是源码matlab。-In order to improve voice activi
ASKBPSk
- 噪声背景下的语音端点检测和语音增强算法，在信噪比很低的强航空噪声背景下，-aviation noise background voice endpoint detection and voice enhancement algorithms, and very low signal to noise ratio in the strong aviation background noise, particularly effective
vad
- 几篇带噪声语音信号端点检测算法的论文，希望对大家有用-Speech signal with noise several endpoint detection algorithm for papers, in the hope that useful
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
enframe
- 语音端点检测算法，在matlab里面实现语音端点的准确检测。为读者开发噪声环境下的精确VAD提供思路.-voice endpoint detection algorithm in Matlab voice inside the precise endpoint detection. Readers development under noisy environments to provide accurate VAD ideas.
endpoint_detection
- 噪声环境下的端点检测在语音信号分析和识别中占有重要地位。文中将分形理论中的分形记盒维数应用到端点检测算法中，采用了基于分形记盒维数与短时能零比相结合的端点检测算法，以分形记盒维数为主要判决条件，并在判决门限的设定上采用了自适应机制。-Noise environment endpoint detection in speech signal analysis and identification play an important role. Wen will be fractal theory
dtw0
- dtw0文件是运用DTW算法实现噪声环境下语音识别的。其中vad.m是端点检测程序；lpc.m是计算LPC参数的程序；lpc21lpcc.m是计算LPCC参数的程序；mfcc.m是计算MFCC参数的程序；dtw.m是实现经典DTW算法的程序；dtw2.m是实现高效DTW算法的程序，testdtw.m是最终测试程序，其中可以通过改变其中的特征参数名选择不同的特征参数。-dtw0 file DTW algorithm is to use speech recognition in noisy env
hmm
- hmm文件时运用HMM算法实现噪声环境下语音识别的。其中vad.m是端点检测程序；mfcc.m是计算MFCC参数的程序；pdf.m函数是计算给定观察向量对该高斯概率密度函数的输出概率；mixture.m是计算观察向量对于某个HMM状态的输出概率，也就是观察向量对该状态的若干高斯混合元的输出概率的线性组合；getparam.m函数是计算前向概率、后向概率、标定系数等参数；viterbi.m是实现Viterbi算法；baum.m是实现Baum-Welch算法；inithmm.m是初始化参数；trai
VariableNoisySpeechEnhancementAlgorithmPerformance
- 语音增强是影响语音识别系统性能的重要成分。为了比较语音增强算法的性能，采用Matlab软件进行了数值仿真，对不同噪声环境下的语音用3种不同的方法进行降噪，采用信噪比、端点检测等方法来降噪效果，并对几种增强算法的性能进行了比较分析。结果表明，在变噪声环境下短时谱MMSE法最佳，谱减法和维纳滤波法各有优点。-Speech enhancement of voice recognition is an important component of system performance. In order
planevoice1
- 2航空噪声背景下的语音端点检测和语音增强算法-aviation noise background speech endpoint detection and speech enhancement algorithm
lee
- 语音采集加噪声程序 语音端点检测 已经调试很好用 -The voice acquisition plus the speech endpoint detection of the noise program debugging has been very good,
zaoshenghuajing-xiayuyin-jiance
- 语音的端点检测 噪声可以自己加 使用阈值进行检测 能量的阈值跟据经验来进行决定-Speech endpoint detection noise can add to the threshold detection energy threshold according to experience to the decision
用短时平均能量和短时平均过零率双门限检测VAD
- 用短时平均能量和过零率的特征参数对语音信号进行端点检测， 以消除静默帧和噪声帧的干扰
ABSE
- 熵值越大则每个符号包含的平均信息量越大。有研究发现，在有噪声的语音信号中，语音信号的熵和噪声信号的熵存在着较大的差异，对噪声信号来说在整个频带内分布相对平坦，熵值小，语音信号集中在某些特定频段内，熵值大。因此利用这个差异可以区分噪音段和语音段。(The greater the entropy is, the greater the average information of each symbol is. It is found that, in noisy speech signals, t