搜索资源列表
traditionalsp
- 语音信号的频域处理,语音虽然是一个时变、非平稳的随机过程。但在短时间内可近似看作是平稳的。因此如果能从带噪语音的短时谱中估计出“纯净”语音的短时谱，即可达到语音增强的目的。由于噪声也是随机过程，因此这种估计只能建立在统计模型基础上。利用人耳感知对语音频谱分量的相位不敏感的特性，这类语音增强算法主要针对短时谱的幅度估计。 -voice signals in the frequency domain processing, voice is a time-varying, nonstationa
FastICA
- FastICA算法，用于信号的独立分量分析，在ICA的基础上加快了收敛速度，有更高的效率！并且增加了图象界面，使用方便！-FastICA algorithm, the signal for an independent component analysis, at the ICA on the basis of accelerating the convergence rate, a more efficient! And to increase the image user interface
LMSzhishiying
- LMS自适应算法，是最小二乘法的基础程序，适于编程前期
LMSmatlab
- 这 里主要对LMS算法及一些改进的LMS算法（NLMS算法、变步长LMS算法、变换域LMS算法）之间的不同点进行了比较，在传统的LMS算法的基础上发 展了LMS算法的应用。另一方面又从RLS算法的分析中对其与LMS算法的不同特性进行了比较。
speech_processing(sola)
- 参考\"基于SOLA的Pitch Scaling算法 范钰华(上海交通大学)\",使用MATLAB实现SOLA算法,可以在变调不变速的基础下改变声调,程序比较易懂.适合初学者参考的,另外,VOICE_GUI是界面,介绍一些简单的语音处理,请大家多多指教.
qingzhuoyin
- 这是本人毕业设计的内容，关于清浊音判别的程序以及小论文，是在原有算法的基础上，自己创新，改进算法后的，希望对大家有用-This is the contents of my graduation project, on audio Qingzhuo determine the procedures and small papers in the original algorithm, based on their innovation, after the improved algorithm,
DTWspeech
- 本 文 首先 介绍了语音识别的研究和发展状况，然后循着语音识别系统的 处理过程，介绍了语音识别的各个步骤，并对每个步骤可用的几种方法在实 验基础上进行了分析对比。研究了语音信号的预处理和特征参数提取，包括 语音信号的数字化、分帧加窗、预加重滤波、端点检测及时域特征向量和变 换域特征向量.其中端点检测采用双门限法.通过实验比对特征参数的选取， 采用12阶线性预测倒谱系数作为识别参数。详细分析了特定人孤立词识别算 法，选定动态时间弯折为识别算法，并重点介绍其设计实现。 在
gmx
- 过门限率 这是过零率的基础上 加上门限限制得到的算法-vad
MFCC
- 为了实现高速语音特征参数的提取，在分析了美尔频率倒谱特征参数提取算法的基础上，提出了算法的硬件 设计方案，介绍了各模块的设计原理。该方案增加了语音激活检测功能，可对语音信号中的噪音帧进行检测，提高了特征参 数的可靠性。-In order to achieve high-speed voice characteristic parameter extraction, in the analysis of Mel frequency cepstral feature extraction a
ss-improve
- 谱减法消除噪音的c代码，是在本站下载的源代码ss.tar.gz的基础上使用改进算法改进的，原程序只能消除最开始很小段的语音噪声。改进后的程序经测试，能够很好地消除语音噪声。在此感谢ss.tar.gz源程序的提供者。-C-code for spectrum-sub to cancel voice noise, can cancel noise very well.
DTW_LBG
- MFCC的基础算法。 有很详细的代码。 注意阅读，提取自己需要的。测试过，可以用，欢迎新手学习。-MFCC based algorithm. A very detailed code. Note reading, extracting their own needs. Tested, can welcome newcomers to learn.
Spedaker_Adapting_in_Speech_recognizing
- ：自适应技术在近年来得到越来越多的重视，其中应用广泛的包括,-.、,//0，该技术利用少量特定 人数据就可以调整码本，快速地提升识别性能，它要求原始的码本有很好的说话人无关性。本文介绍了结合 ,//0 自适应的说话人自适应训练（1234536 -74289:3 649<9<=，以下简称1- ）算法，这种方法将每个说话人码本 视为说话人无关码本经过线性变换的结果，在此基础上训练的说话人无关码本更有效剔除了说话人相关信 息，因此在说话人自适应中时能根据特定数据调整更好地逼
GSM-voice-cipher
- 一种基于GSM的低码率语音信息隐秘传输方法。 本文描述了一种可将一路低码率2．4kb／s混合激励线性预测(MELP)编码语音信息，隐藏在另一路13kb／s的GSM编码语音中，通过公共信道隐秘传输的方法。文中给出了一种新的数据嵌入方法，该方法以一个单位增广矩阵为基础，可在(2L+1)比特可修改信息中嵌入2L比特数据信息，而最多只需修改￡比特宿主信息，有较高的数据嵌入率，算法计算复杂度较低，较易于硬件实现，且对宿主信息的影响也较少。-GSM-based low bit rate voice co
voice
- 在分析语音特征提取方法基础上提出一种改进组合算法,并采用HMM 声学模型和Viterbi 算法进行模式训练和识别.-Speech feature extraction method in the analysis based on the combination of an improved algorithm, and using HMM acoustic model and the Viterbi algorithm for model training and recognition.
Untitled10
- 基于自相关函数的基音检测算法，再此基础上进行中心削波预处理，估算出基音周期。-Autocorrelation function based pitch detection algorithm based on the center and then the pre-clipping, to estimate the pitch period.
LMS
- 在一种变步长算法基础上, 从语音信号相关性的角度出发, 提出了一种新的去相关变步长LMS 算法( DCL—NLMS) 。该算 法结构简单, 收敛速度快, 稳态失调小, 计算量与NLMS 算法相当。仿真结果表明, 该算法在处理强相关性信号时, 不仅收敛速度明 显快于其余算法, 而且稳态失调特性也有很大优势-Based on the variable step NLMS arithmetic, this paper proposes a new uncorrelated variable s
wra
- 在上一次实验的基础上，进一步理解加窗思想在语音语音信号处理的作用和语音信号时域处理的基本方法，掌握基于短时自相关函数的基音周期估计的算法，理解窗长与基因周期之间的关系。完成语音基因计算。-an implementation of the pitch estimation algorithm based on short-time autocorrelation function
Laplace
- 传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音存在概率，对最小均方误差估计子进行修正。实验结果表明，该算法
Distortion-sound-modeling
- 硕士论文。主要包括：1、失真音效简介 2、系统建模理论基础 3、Amplify音效算法的建模 4、Blues音效算法的建模 5、数字音效处理系统的实现-Master thesis. Mainly includes: 1, distortion sound introduction 2, system modeling theory based on 3, Amplify sound algorithm modeling 4, Blues sound algorithm modeling 5, d
yuyinshibie
- 基于MATLAB的语音识别。内容比较全，比较适合初学者进行学习，主要包含了一些基础的mfcc等的算法，可以直接的调用-MATLAB based speech recognition. The contents of the whole comparison, more suitable for beginners to learn, including some of the basic MFCC algorithm, you can directly call