搜索资源列表
voice464
- 基于dtw算法的语音识别 1 ENFRAME.M和MELBANKM.M取自voicebox工具箱 2 vad.m实现端点检测 3 mfcc.m计算mfcc参数 4 dtw.m实现DTW算法[训练] dtw2.m实现DTW高效算法 5 testdtw.m测试程序-based speech recognition algorithm and a ENFRAME.M MELBANKM.M from v oicebox Toolbox 2 vad.m ach
SPECTRUM_LMS
- 1、文件夹中包含了经典功率谱估计和自适应均衡算法两个实验的所有程序。 2、R.m、LMS.m、LMSmain.m为自适应均衡算法的程序： R.m用来计算输入信号的自相关矩阵及其特征值； LMS.m为时域LMS算法，用统计的方法仿真得出不同信道参数和不同步长下的学习曲线； LMSmain.m为实验主程序，按照实验要求中的具体数据得到实验结果和曲线。 3、functionx.m、fzhouqitu.m、spectrum.m、bt.m、bart_lett.m、welch.m、SPE
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
0-9(Speech-Recogenition)用matlab仿真0到9十个数字的语音识别
- 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
testdtw(zhu)
- function dist = dtw(t,r) n = size(t,1) m = size(r,1) 帧匹配距离矩阵 d = zeros(n,m) for i = 1:n for j = 1:m d(i,j) = sum((t(i,:)-r(j,:)).^2) end 累积距离矩阵 D = ones(n,m) * realmax D(1,1) = d(1,1) 动态规划 for i = 2:n
VQ.rar
- 在MATLAB环境下实现基于矢量量化的说话人识别系统。在实时录音的情况下，利用该说话人识别系统，对不同的人的1s～7s的语音进行辨识。实现与文本无关的自动说话人确认的实时识别。 使用说明： 1 训练 打开Matlab 使Current Directory为VQ所在的文件夹(比如：E:\vq) 在Command windows中输入 train( 1s\ ,7) 这是将1s中的wav文件进行特征提取并产生VQ码本， 在workspace中有个ans的文件保存为.m文件，比如7.
SNMF2D
- Reference: M. M鷨up and M. N. Schmidt. Sparse non-negative matrix factor 2-D deconvolution. Technical University of Denmark, 2006.-Reference: M. M鷨up and M. N. Schmidt. Sparse non-negative matrix factor 2-D deconvolution. Technical