搜索资源列表
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
F2_6764
- 端点检测是指用数字处理技术来找出语音信号中的各种段落（如音素、音节、词素、词等）的始点和终点的位置。语音段起止端点检测是语音分析、语音合成和语音识别中的一个必要环节。传统的端点检测方法是从wav文件中获取语音采样，将其分帧并计算短时能量和过零率参数，然后进行端点检测。这种工作方式被称为离线处理方法 ，无法实现语音信号的实时处理，对于语音信号分析具有一定的局限性。本文通过开发ActiveX控件，在MATLAB环境下将其嵌入到figure窗口中，以GUI程序的方式使用，实现语音信号端点检测的实时处
SimulinkFSK
- 题目要求： 1.录制一段自己的语音信号，并对录制的信号进行采样； 2.画出采样后的语音信号的时域波形和频谱图； 3.给定滤波器的性能指标，采用窗函数法和双线性变换法设计滤波器， 并划出滤波器的频域响应； 4.用该滤波器对采集的信号进行滤波，画出滤波后信号的时域波形和频谱， 并对滤波前后的信号进行对比，分析信号的变化； 5.回放语音信号； 6.设计一个信号处理系统界面。-Subject to: 1. Recorded his voice for so
BasedonMATLABspeechsignalspectrumanalysisandfilter
- 录制一段个人自己的语音信号，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；给定滤波器的性能指标，采用窗函数法和双线性变换设计滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比，分析信号的变化；回放语音信号-The individual' s own record a voice signal, and the recorded signal is sampled draw sampled
yuyingfenxi
- 录制一段自己的语音信号，时间为10s左右，并对录制的信号进行采样；画出采样后语音信号的时域波形和频谱图；采用窗函数法或双线性变换设计滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对采集的语音信号进行滤波，画出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比，分析信号的变化；回放语音信号.-Record a voice signal their time was 10s or so, and the recorded signal is sampled draw sampled s
time_extend
- 语音延长、变速处理程序，实现语音信号时域延长； 主要步骤是先对原始语音信号进行加窗，再对加窗后的语音信号进行时域扩展； 以上处理之后语音信号可能会带进新的噪声，所以再对处理后的语音信号，使用FIR滤波器进行去噪处理。-Voice extending process, extending the time-domain voice signal The first major step is added to the original speech signal window, a
The-FIR-filter-design
- （附带有文档，文档中有方案，有程序有结果，设计完后对一段语音进行处理）给定滤波器的规一化性能指标（参考指标,实际中依据每个同学所叠加噪声情况而定）通带截止频率wp=0.25*pi。 采用窗函数法设计低通、高通、带通型FIR滤波器，对叠加噪声前后的语音信号进行滤波处理，绘出滤波器的频域响应，绘出滤波后信号的时域波形和频谱，并对滤波前后的信号进行对比，分析信号的变化；在相同的性能指标下比较各方法的滤波效果，并从理论上进行分析-(With the document, document, program
short-term-spectrum-of-signal
- 经过语音信号短时谱分析，掌握短时傅里叶变换的定义，熟悉窗口形状、窗长对短时傅里叶变换的影响。 -After short-term spectrum of speech signal analysis, to grasp the definition of the short time Fourier transform, the familiar shape of the window, the window length on the short time Fourier transfor
wavenergy
- 画出时间波形，画出短时能量图，给出海宁窗，给出帧长和帧移-Time waveform draw, draw short-term energy diagram given Hanning window given frame size and frame shift
YUYIN.RAR
- 实验前自己用Cool Edit 音频编辑软件录制声音，并把它保存为.txt文件。 编程时间不同矩形窗长N=320,160,70的短时修正自相关 -Before the experiment they used Cool Edit audio editing software to record sound and save it as a. Txt file. Programming time for different length N = short rectangular
qingzhuoyin
- 此代码是在MATLAB下进行清浊音短时频谱分析，用到汉明窗。-This code is carried Voicing short time spectral analysis in MATLAB, use the Hamming window.
matlab
- 1. 给一段原始的语音信号（可以是自己录制的一段语音），加上一频率为3.8kHz的高频余弦噪声和频率为3.6kHz的高频正弦噪声（幅度自己可以选择），用窗函数设计一滤波器（要求最小阻带衰减为50dB）对加噪后的语音信号进行滤波，画出滤波器的频率响应曲线，画出滤波前后的时域图和频谱图。 需要用到的函数： fir1 用窗函数设计FIR滤波器的函数 2. 用GUI设计一界面（如图1所示）完成如下功能： 1） 输入一语音信号，画出语音信号的时域图和频谱图； 2） 对语音信号加噪处理，
JLDATA
- 摘 要：本论文主要研究了语音识别的基本原理,对语音识别系统的构成进行分析处理,其中包括预处理、特征参数提取、建立模块库、识别匹配几大部分。预处理又包括语音采样、预加重、加窗（汉明窗）、端点检测；特征提取的参数是梅尔频率倒谱系数MFCC。 该语音系统采用的是动态时间伸缩算法(DTW)，研究对象是特定人的语音识别，并在MATLAB平台上实现。为了进行后续研究，首先使用电脑中的录音系统录制了阿拉伯数字0—9的语音文件，并转化成 “.wav”格式的文件。-Abstract: This thesis
plv_measure
- this function computes phase synchronization using Phase locking value method over an analysis window of fixed length inputs to this function - phase, sampling frequency output this function - synchronization measure based on PLV processing perform
chenxu
- （1）录制一段语音信号，完成对信号的采样，画出信号的时域波形和频谱图，确定信号的频谱范围； （2）给信号叠加噪声（噪声类型分为如下几种：a白噪声；b单频噪色（正弦干扰）；c多频噪声（多正弦干扰）；d其它干扰。），画出受噪声干扰的信号时域波形和频谱图； （3）采用窗函数法设计FIR低通滤波器，画出滤波器的频响特性图； （4）用所设计的滤波器对受噪声影响的信号进行滤波，画出滤波后语音信号的时域波形图和频谱图； （5）对滤波前后的信号进行对比，分析信号的变化；回放语音信号，并与原始语音信号对比
short enery
- 在窗长为80和160个样点的情况下，分别采用矩形窗和哈明窗编程计算该段语音信号的短时平均能量，绘出短时平均能量曲线，并进行观察和比较(the window length is 80 and 160 sample points, short time average energy respectively using rectangular window and Hamming window programming calculation of the speech signal, short-t
vad
- 可对一段信号进行分帧加窗，利用过零率和短时能量检测语音端点(It can divide the frame into a window and use the zero crossing rate and short time energy to detect speech endpoints.)