搜索资源列表
语音的线性预测滤波
- 语音信号的线性预测分析
KarmanFilter
- 卡尔曼滤波器，demo中可以预测点的轨迹-Kalman filter, demo predictable point in the trajectory
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
Kalman
- 基于OpenCV的Kalman滤波算法。利用Kalman滤波算法实现目标跟踪，本例中具体跟踪对象为随机产生的圆的轨迹，预测轨迹中下一点的位置，标记出来并给出相应的运动轨迹。-The Kalman filtering algorithm based on OpenCV. The use of Kalman filter algorithm for target tracking, in this case specifically track the object is randomly gene
GSM_full_rate.RAR
- 长期预测(LTP)与规则脉冲激励(RPE),而全速率编解码器就被称为RPE-LTP线性预测编码器。 输入至RPE-LTP编码器的数据为包括160个采样值的20ms语音,每一个采样值都拥有13位精度。数据首先通过预加重滤波器来提高信号的高频分量,以获得更好的传输效率。滤波器一般还消除信号上的任何偏移以简化进一步的计算。 正如前面所提到的,语音产生模型可看成是空气通过一组不同大小的圆柱体。短期分析级采用自动相关来计算与模型所用的8个圆柱体有关的8个反射系数,同时采用一种称为S
Examples
- 《Matlab辅助现代工程数字信号处理》书籍的源码，8，9，10章为非平稳信号分析与处理；线性预测与自适应滤波；随机信号的高阶谱分析。-The source of 《Matlab secondary modern engineering digital signal processing》,chapter 8,9,10 non-stationary signal analysis and processing linear prediction and adaptive filtering
Pitch-detection
- 线性预测声码器设计中语音信号的基音周期提取，采集语音信号，对语音信号进行处理，区分清音浊音，并通过对采样值进行滤波、分帧、求短时自相关函数，得到浊音的基音周期。-Linear prediction vocoder design of the speech signal pitch extraction of speech signal acquisition, speech signal processing, discriminate unvoiced voiced, and through
kalman
- 卡尔曼滤波通过机械手当前坐标预测下一时刻坐标-The current coordinate predict the next moment by the robot coordinate Kalman Filter
粒子滤波寿命预测（带数据）
- 利用粒子滤波进行锂离子电池的循环寿命预测(Cycle life prediction of Li-ion battery by particle filter)