搜索资源列表
wineryulmslvbo
- 构造一组被噪声污染的方波或三角波数据，试选取适当的FIR滤波器结构和参数，分别应用LMS,DFT/LMS和DCT/LMS算法来实现自适应滤波器，对改组数据进行滤波，并分析仿真结果。-Construction Group was one of the Noise Pollution square or triangular wave data, Examination choose appropriate FIR filter structure and parameters, applicat
1-4
- 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
AdaptiveFilterCancelingNoises.
- 自适应噪声抵消matlab,基于自适应滤波器的噪声抵消系统设计,AdaptiveFilterCancelingNoises
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
matlab_based_adaptive_system_emulation
- 基于matlab的自适应仿真，其算法都是LMS算法，有系统辨识，噪声对消，自适应滤波器，陷波器，图像的DCT变换-adaptive emulation based on LMS,include system recognise,noise canceler,adaptive filter,dct transform
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
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
voice-reduction
- 高噪声环境下基于自适应滤波语音降噪技术的研究.zip-voice reduction technology research based on adaptive filtering under high noise environment
win_endcut
- 基于短时窗能量的自适应语言端点检测程序。具有一定的抗噪声能力。输入WAV文件名，输出端点检测结果，包括数据和画图显示。-Adaptive voice activitie detection program，resistant to noice .Input with the name of wave file,output with the VAD result ,including data and figure display.
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