为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR系统长M=11), 系统输入是取值为±1的随机序列 ，其均值为零；参考信号 ；信道具有脉冲响应： 式中w用来控制信道的幅度失真(w = 2～4，例如，取w = 2.9,3.1,3.3,3.5等),而且信道受到均值为零、方差为 (例如，取 ，相当于信噪比为30dB)的高斯白噪声 的干扰。试比较基于下列五种算法自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况，在同一坐标下画出其学习曲线)： 横向/格

用matlab仿真0到9十个数字的语音识别 1、对语音的WAV文件和LAB文件进行处理，产生十个文件，每个文件对应于一个数字，存贮着该数字的波形文件。（shujuzhengli.m） 2、分别利用上面十个文件训练出十个HMM模板，具体方法是：首先将语音的波形文件分帧，以128个点为一帧，帧移为64，每一帧通过mfcc.m计算出13个系数，随着波形的长度不同，一个语音文件可以计算得到13*N个系数，截取13*15的矩阵（mfcc系数）用作训练数据。一般一个HMM模板用20组mfcc系数

通过一些额外的语音对训练好的说话人模型进行测试统计出其输出评分的均值和方差（u,δ）当真正进行测试时，对输出模型的分数score，用规整之后的score =（score-u）/δ代替。使得结果更加合理。-Speaker model trained by some additional voice test statistics of the mean and variance of its output rated (u, δ) when the real test, the fraction

Tnorm利用大量冒充者模型来得到均值u和方差δ，再用这两个数据带入到score =(score-u)/δ得到规整化之后的分数。这样使得结果更加合理。-Tnorm impostor model to get mean u and variance δ, then these two data into the score ' = (score-u)/δ score after regularization. This makes the results more reasonable.