搜索资源列表
kalmanfilte221
- 语音合成与识别，适合非平稳信号,卡尔曼滤波用于语音增强算法，matlab,-speech synthesis and recognition, suitable for non-stationary signals, Kalman filtering algorithms for speech enhancement, Matlab,
sta12_1
- 基于MATLAB的主元分析,可用于信号特征提取及模式识别-the main element analysis, signal can be used for feature extraction and pattern recognition
vq
- 说话人识别是语音识别的一种特殊方式，其目的不是识别语音内容，而是识别说话人是谁，即从语音信号中提取个人特征。采用矢量量化（VQ）可避免困难的语音分段问题和时间归整问题，且作为一种数据压缩手段可大大减少系统所需的数据存储量。本文提出了识别特征选取采用复倒谱特征参数和对应用VQ的说话人识别系统改进的一种方法。当用于训练的数据量较小时，复倒谱特征可以得到比较稳定的识别性能。VQ的改进方法避免了说话人识别系统的训练时间与使用时间相差过长从而导致系统的性能明显下降以及若利用自相关函数带来的大量运算。-Sp
xiaobojinzhan
- 小波变换理论应用进展，小波变换与人工智能的结合，它已被应用于信号语音处理 电子对抗 模式识别 图像处理等 -wavelet transform theories in progress, wavelet transform with a combination of artificial intelligence, It has been used in voice signal processing electronic countermeasures, such as image pro
312B89F0
- 一种有意义的图像水印算法王振武 ，刘九芬 一，黄达人(1．中山大学计算机科学系，广东广州5102752．中国科学院自动化所模式识别国家重点实验室，北京1000803．中山大学科学计算与计算机应用系，广东广州510275)摘 要：提出了一个基于小波变换的有意义图像水印算法。该算法在512×512×8 bits图像上嵌入了一个536bits的有意义字符串，水印检测时不需要原始图像，并借助于模板、登记图像的大小、纠错编码和二维交织技术，水印不但可以对抗一般的信号处理，还可以抵抗缩放、改变长宽比、伴随着
atuocorrelation
- 自相关函数在噪声检测,识别和有用信号的提取中的应用-autocorrelation function of the noise detection, identification and extraction of the useful signal of
ARTnn
- 输入信号五个基于瞬时信息的特征：零中心归一化瞬时幅度功率谱密度的最大值,零中心归一化瞬时幅度绝对值的标准偏差，零中心非弱信号段瞬时相位非线性分量绝对值标准偏差，零中心非弱信号段瞬时相位非线性分量标准偏差，零中心归一化的非弱信号段瞬时频率绝对值的标准偏差，得到识别出的信号类别，本例为2PSK, 4PSK, GMSK, OQPSK, pi/4DQSK中的一个，还可以看Art网络的扩展性。-input signal instantaneous information on five character
DWNN_nn
- 小波神经网络的分类识别，学习率因子，网络动量项因子，网络多分辨级数，网络平移参数 都可自己选。本例输入节点5，输出5。可识别五种信号。-wavelet neural network classification, the learning rate factor, network momentum contribution factor, network multiresolution series. Translation network parameters can be of his ow
ecg.rddata
- ECG特征点检测技术 心音信号的识别算法研究及其仿真 matlab心电数据处理 心电图机源代码-feature points ECG heart sound detection signal recognition algorithm and simulation Matlab ECG data Department Jimmy ECG source code
GrayShow
- 快速ICA算法，用于盲信号处理，提取信号的独立分量，用于图象识别等-fast algorithm for blind signal processing, signal extraction of independent component for image recognition, etc.
useMSAgent-TTSInCSharp
- 在C#中使用微软AGENT之TTS.微软Agent API能够提供卡通角色的显示，另外，它还可以支持语音识别，因此应用软件可以对语音命令作出反应，而卡通角色可以通过合成的语音、录制好的音频信号或文字对命令作出反应-in C# using Microsoft Agent's TTS. Microsoft Agent API to provide cartoon role show that addition, it can support speech recognition, the a
20050818070559398
- 通信信号指纹识别技术研究！！ 指纹识别用的参考-communications signals Fingerprint Identification Technology Research! ! Fingerprint Identification of reference
MainScript
- 语音信号进行瞬时维纳滤波的程序,进行信号的去噪处理以便于识别或后续过程-speech signals instantaneous Wiener filtering procedures, signal denoising for identification or follow-up in the process
xindianfromnoise
- 为什么总是存在了呢?这是用c编的在matlab上实现的信号提取识别源码-Why is always there for them this is the series c achieved in the Matlab Signal Extraction identify source
face123[matlab]
- 在本设计中源于将图像看作随机场的实例,同时从信号处理的观点出发，对图像进行统计描述。通过K-L变换降低人脸特征的维数，提取人脸图像的代数特征，并排序。这样，利用代数特征的比较，可从人脸库中识别一幅人脸。-in the design of the images from the airport as with the examples, from the viewpoint of signal processing, right image descr iptive statistics. Thr
ToolboxBSS
- 盲分离算法，处理声音信号的分离，利用算法分离出语音信号，供语音识别使用-blind separation algorithm, the signal processing sound separation, the use of algorithms to isolate voice signal, for the use of speech recognition
S_Transformation
- S变换的matlab源码，并应用几个信号作为例子来说明怎么使用s变换以及s变换可以用来做些什么事情。s变换是时频分析领域中一个较新的内容，现在在信号处理，地震勘探，语音识别等领域都开始了对它的应用研究，是目前的一个热点。-S transform Matlab source, Applied Signal and several examples to illustrate how the use of Transform's's transformation can be use
ruanjianwuxiandian
- 软件无线电中数字调制信号的自动识别，，，信号自动识别的可一-software radio digital modulation signal, the automatic recognition, and automatic signal recognition of a look
rw_pitch
- 语音信号基音周期的提取,在说话人识别中可作为重要特征参数.也可用于语音合成.希望能对你有所帮助.-voice signal Pitch Extraction, Speaker identification can be as important parameters. can also be used for speech synthesis. The hope is to help you.
11
- 本文介绍了医学信号分析的常用方法，着重介绍了神经网络模式识别，包括他的优点及不足，最后介绍了神经网络的模型选择。-medical signal analysis methods commonly used to highlight the neural network pattern recognition, including his strengths and weaknesses, and the final presentation to the neural network model