搜索资源列表
GMM-EM
- 用matlab实现高斯混合模型的前期处理和分类训练！
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
GAUSS
- Gray先生的大作，描述高斯混合矢量量化方法进行说话人识别的方法-Daisaku Mr. Gray describes the Gaussian mixture vector quantization approach to speaker recognition method
GMM
- :高斯混合模型(GMM)是一种经典的说话人识别算法，本文在实现其算法的同时，主要模拟了不同噪声环境情况下高斯混合模型 (GMM)的杭嗓声性能，得到了一些有益结论。 -Gaussian mixture model (GMM) is a classic speaker recognition algorithms, this algorithm at the same time in fulfilling its main simulated environmental conditions
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