搜索资源列表
short-term-analysis-
- 完成对一段语音信号的短时分析，语音信号要包括清音、浊音和无声段，求其短时平均能量、短时平均过零率、短时自相关函数和短时功率谱；-Complete short-term analysis of a voice signal, the specific requirements: a voice signal to include the voiceless, voiced, and silent segments 2, find its short-term average energy, sh
chugao1
- 0基于语音信号特征：短时能量，短时过零率子带谱熵的语音信号的端点检测-0 endpoint detection based on speech signal characteristics: short-term energy, short-term zero-rate sub-band spectral entropy of speech signals
yuyin
- 语音的预处理，加汉明窗，短时平均能量和过零率-Pretreatment of speech, Hamming window, the average short-term energy and zero rate
Voice Discern For STM32F
- 于市售 STM32 开发板上实现特定人语音识别处理项目。识别流程是：预滤波、ADC、分帧、端点检测、预加重、加窗、特征提取、特征匹配。端点检测(VAD)采用短时幅度和短时过零率相结合。检测出有效语音后，根据人耳听觉感知特性,计算每帧语音的 Mel 频率倒谱系数(MFCC)。然后采用动态时间弯折(DTW)算法与特征模板相匹配,最终输出识别结果。先用Matlab对上述算法进行仿真，经数次试验求得算法内所需各系数的最优值。而后将算法移植到 STM32 开发板上，移植过程中根据 STM32 上存储空间相
STM32-Speech-Recognition-Master
- 于市售 STM32 开发板上实现特定人语音识别处理项目。识别流程是：预滤波、ADC、分帧、端点检测、预加重、加窗、特征提取、特征匹配。端点检测(VAD)采用短时幅度和短时过零率相结合。检测出有效语音后，根据人耳听觉感知特性,计算每帧语音的 Mel 频率倒谱系数(MFCC)。然后采用动态时间弯折(DTW)算法与特征模板相匹配,最终输出识别结果。先用Matlab对上述算法进行仿真，经数次试验求得算法内所需各系数的最优值。而后将算法移植到 STM32 开发板上，移植过程中根据 STM32 上存储空间相
project_V3（注释）
- 可以对所给正弦信号进行采样，并判断过零点且输出频率和正弦信号一样的方波信号。用ePWM模块来确定采样频率，来一次中断采样一次，确保采样率。并对所采样的数据进行有效值计算(The given sinusoidal signal can be sampled and the zero-crossing point can be determined and the square wave signal with the same frequency as the sinusoidal signal