搜索资源列表
mypdfgauss
- 一个关于高斯模型的概率分布图的生成的小程序，欢迎下载-a Gaussian model of the probability distribution graph generation of small procedures, welcomed Download
Rayleighdistribution
- 使用瑞利分布产生高斯白噪声序列的C语言代码，以及执行文件-Rayleigh distribution using Gaussian white noise sequence generated C-language code, as well as the implementation of the document
20090226
- 从盲声源信号的独立性出发!提出了一种新的盲声源混合信号分离方法:该方法基于信号联合概率的 分布统计!利用信号联合概率的方向导数熵最小获得最佳的旋转角度!最终实现盲信号分离:与快速独立分 量分析方法及神经网络方法相比!该方法不需要迭代计算:采用新的盲声源信号分离方法对轴承试验台的混 合声音信号进行识别!将电机和滚动轴承的声音分离出来!进而可以准确识别机械的故障-Blind sound source from the independence of the starting signal
mywigner
- Wigner Ville distribution
centrallimittheorem
- 使用中心极限定理分布产生高斯白噪声序列的c代码以及执行文件-Using the central limit theorem the distribution of Gaussian white noise sequences generated c code, and executable files
DSP4
- 计算离散系统的频率响应分析和零、极点分布，与大家分享-Calculate the frequency response of discrete-time systems analysis and zero, pole distribution, to share with you
mywigner
- 本源程序代码为weigner分布 可以应用于语音信号处理中 -The source code for weigner distribution of speech signal processing can be applied to
SpeechProbabilityDistribution
- Speech Probability Distribution.
speech2
- 为了提高语音分离算法的收敛速度以及分离性能，提出把拉普拉斯正态混合分布概率密度函数作为语音信号概率密度函数的估计，得到一个更加适合语音信号分离的激活函数，基于此函数提出一种快速语音分离算法.-In order to improve speech separation algorithm convergence speed and separation performance, raise the normal mixture distribution Laplace probability de
speech-emotion-recognition-system
- gmm模型下的语音情感识别系统，GMM只是一个数学模型，只是对数据形态的拟和，但是和你所看到的数据分布存在出入也是正常的，因为用EM估计GMM的那些参数时，一般假设我们所得到的数据是不完备的（也就是说假设我们看到的数据分布不是真正的分布，它在运算时把那部分丢失或者叫隐藏的数据“补”上了）-gmm model speech emotion recognition system, GMM is a mathematical model, but fitting the data form, but
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
MeanShift
- MeanShift is a non-parametric method in order to estimate the PDF of a distribution.
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
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