搜索资源列表
dsp61a
- 语音识别在遥控系统中的应用设计介绍一种适合家电遥控器应用的语音识别算法，该算法使用双模块和两级端点检测方法，能有效地提高识别和稳健性；介绍利用该技术实现的一种新型学习型遥控器，展现了语音识别技术在家电领域的广阔前景-voice recognition in the remote control system of Design for a remote appliance application of speech recognition algorithm, The algorithm use
LPCC-MFCC-VAD
- 本程序包含语音压缩和语音识别领域所需的LPCC，MFCC特征提取算法以及语音端点检测源码。在对语音数据进行特征提取前，可对语音数据进行16K到8K的降采样率处理，包含180阶FIR滤波器的频率压缩程序。-this program includes voice compression and voice recognition requirements in the area of the LPCC Features. MFCC feature extraction algorithm and v
PCXLIB
- 本程序包含语音压缩和语音识别领域所需的LPCC，MFCC特征提取算法以及语音端点检测源码。
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
LPC-based-voice-spectrum-analy
- 基于语音频谱分析的重要性以及众多端点检测的算法以示其重要性,Based on the importance of voice spectrum analysis and the various endpoint detection algorithm to show its importance
EndPointDetectionDlg.rar
- 语音端点检测，VC+matlab混合编程，这个文件是包含语音端点检测的代码,用的是时频参数算法,Speech Endpoint Detection, VC+ Matlab mixed programming, this document is contained in voice activity detection of code, using a time-frequency parameters algorithm
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
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
LPCCandMFCCzang
- 基于LPCC和MFCC的藏语语音端点检测算法-method of lpcc and mfcc for the edge detection of Zang language
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
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
dtw
- 此文件中包含了语音信号处理的dtw算法，同时囊括了语音的端点检测，mfcc参数提取，动态时间规整三部分，可以直接使用。-This document contains a voice signal processing dtw algorithm, at the same time include voice activity detection, mfcc parameter extraction, dynamic time warping three parts can be used dir
endpoint_detection_with_noise
- 提出了一种基于时频方差和的语音端点检测算法。实验证明该算法能够在低信噪比的情况下,准确地检测出语音信号-Proposed based on time-frequency variance and Speech Endpoint Detection Algorithm. Experiments show that the algorithm at low SNR cases, accurately detect the speech signal
yiuyinchuli
- 包含语音端点检测、基本语音处理算法MFCC、LPCC等，具有较高参考价值-Including voice activity detection, basic voice processing algorithms MFCC, LPCC, etc., with high reference value
dtw
- dtw文件是运用DTW算法实现安静环境下语音识别的。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。-dtw file DTW algorithm is to use speech recognition in quiet envir
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
mfccdtw
- 先用端点检测将语音中有用的语音部分提取出来（即将头部和尾部的静音部分除掉），然后用LPC算法提取语音信号的特征参数，进行动态归整(DTW算法)后与模板库里面的标准语音作比较，最后将识别结果进行D/A转化后播放出来。在本部分的设计中，则主要完成语音识别的模式匹配算法部分的软件实现。 -First with the endpoint detection of speech to voice some of the useful extracted from the (soon to mute som
endpoint
- 语音端点检测程序，利用均方能量算法逐帧进行判断-Voice activity detection procedure, and use the energy mean square algorithm
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
11
- 为提高语音端点检测系统在低信噪(0 dB 以下) 下 检测的准确率, 提出了一种基于谱熵的端点检测算法。将每 帧信号分为16 个子带, 选取频谱分布在250～ 3. 5 kHz 并且 能量不超过该帧总能量90 的子带, 计算经过语音增强后的 子带能量以及各子带信噪比, 根据各子带信噪比的不同调整 其在整个谱熵计算过程中的权重, 然后平滑谱熵, 以最终的 谱熵作为端点检测的依据-To improve endpoint detection system in the low