基音频率#89: <=>?@ABCDEA:CF?>EG@EA H(I& 是语音信号一个非常重要的特征参数\"而传统的基 频检测算法#89: <BE:E :9=ACFJ=>9:<D KL2(M％\"’N大 都运用了自相关或互相关计算等计算复杂度很高的 方法\"而且分帧计算所得到的结果实际上是各帧内 基频的平均值\"这使得大多数算法不能精确地指出 任意时刻的基频\"因此\"如何在保证检测精度的前提 下\"能够找到更为高效和鲁棒的方法仍然

噪声鲁棒性说话人识别语音高频加权MFCC提取各方面介绍,Noise robustness of speaker recognition, voice high-frequency weighted to introduce various aspects of MFCC extraction

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

频谱减算法实现分离语音噪声，该程序具有一定的鲁棒性，读取语音数据时，采用了队列缓存的方法等-Spectrum subtraction algorithm to achieve separation of voice noise , the program has a certain robustness , reading the voice data , the cache queue .

自适应滤波法实现对双通道语音信号分离，程序中的两个语音文件，采样率必须相同，但长度可以不同，程序具有一定的鲁棒性-Adaptive filtering method to achieve separation of the dual-channel voice signal , voice files in the program , the sampling rate must be the same , but the length can be different , the progra