搜索资源列表
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
Matlab
- 选择三个不同频段的信号对其进行频谱分析，根据信号的频谱特征设计三个不同的数字滤波器，将三路信号合成一路信号，分析合成信号的时域和频域特点，然后将合成信号分别通过设计好的三个数字滤波器，分离出原来的三路信号，分析得到的三路信号的时域波形和频谱，与原始信号进行比较，说明频分复用的特点。-Choice of three different signal-band spectral analysis carried out, according to the characteristics of the
The-research-of-anti-niose-speech
- 论文首先介绍了传统的语音特征参数MFCC，它是基于人耳听觉 特性设计的一种特征参数，在静音环境下能得到较高的识别率，但在 信噪比较低时识别率急剧下降，不利于实用化。本文通过对MFCC算 法的分析和研究，发现其中的FFT和DCT在整个时频空间使用固定的 。分析窗，这不符合语音信号特性，而小波变换具有多分辨率特性，更 符合人耳的听觉特性。因此，本文将小波变换和MFCC算法相结合， 提出了三种新的语音识别特-Speech recognition has wide use in
voice-recognition_matlab-code
- 读入语音文件，并对其做时域、频域的分析，提取相关特征参数。进行线性预测分析，得到LPC谱等线性预测参数，并做了基于预测误差的基音周期估计。-read .wav files，analysing them in time domain，frequency domain and extract some feature parameters related，then do linear prediction analysis ，and get LPC linear prediction paramet
fft
- labview 的傅里叶变换源程序 对输入信号做傅里叶变换后，将输入信号从时域变换的频域中，从而在频域中对输入信号的各种特征进行分析，比如做滤波处理，调制信号等。-the Fourier Transformation Code Based On Labview
feature
- 可以提取肌电信号的特征，进行手部动作解码(The feature of sEMG can be extracted to decode hand motions)
audio_tezheng
- 语音信号的时域、频域与倒谱域分析。 1.分析一帧清音和浊音的自相关函数和倒谱系数 2.用Matlab画出该段语音的时域波形、短时能量、短时平均幅度、短时过零率、短时过电平率 3.选择一帧无声、清音和浊音的语音，用Matlab画出它们的对数幅度谱(Time domain, frequency domain and cepstrum domain analysis of speech signals. 1. Analyze the autocorrelation function and c
滚动轴承在线监测系统设计
- 从时域参数、频域、以及时频域对特征信号进行故障分析，能准确得出轴承的故障类型。