搜索资源列表
Natural gradient ML or nonlinear decorrelation alg
- 极小边际熵等价于叉四阶累积量的平方和最小。通过迭代使四阶累积矩阵对角化，实现交叉四阶累积量的平方和的极小化。他是语音识别的重要预处理算法-minimum entropy equivalent to the marginal four bands fork cumulative amount of square and smallest. Through iterative four bands so that the cumulative matrix diagonalization, four
speech_analysis
- 这时一个语音特征提取的程序源码，除了包含矩阵运算和矢量运算外，还包含了很多语音特征的提取算法，包括：共振峰(formant)提取、基音(pitch)提取、端点(endpoint)检测、线性预测系数(LPCC)、MFCC、LSF、PLCC、EPOCH等。这是我见到的最全的语音分析源码，推荐！-Then a voice feature extraction procedures source, in addition to containing matrix and vector operation
ica_C
- 在linux平台下,纯c写的盲信号分离的代码.它采用基于卷积混合的盲信号分离算法,不但可以分离人工合成的混合信号,而且对于真实环境中的卷积混合的语音信号也能够分离.在本程序中,包含了两个测试文件,makefile后便可以直接使用. 另外值得一提的是,压缩包里包含有一些语音处理方面的常用函数.例如fft变换,读取\\写入wav文件,以及一些常用的一维向量和二维矩阵变换的函数.这些可以直接应用在其他应用程序里去.-in linux platform, net write c Blind Si
blockX2
- 对离散语音信号进行分桢,得到一个二维的矩阵-of discrete audio signal-Lo, received a two-dimensional matrix
bss-sond
- 提出了一种新的自适应盲源分离算法。在无噪音实时两源两传感器的情况下, 一旦观 测信号被白化, 只需要辨识一个特定的旋转矩阵就可以完成盲源分离, 并给出了能表征该旋转矩阵的角的自适应估计器。仿真结果表明, 当满足源峭度和不为零的条件时, 这种方法是一种稳定的和有效的分离算法。-proposes a new adaptive algorithm for blind source separation. In the absence of real-time two noise sources t
convmat
- 一种把原始数据转换为矩阵形式，并且把数据分成训练与测试，按频率转换的一个小程序。-a kind of conversion of the original data matrix form, and data into training and testing, Frequency conversion by a small procedure.
melbankm
- matlab编写，求mel滤波器矩阵的系数-Matlab prepared for mel filter coefficient matrix
SPECTRUM_LMS
- 1、文件夹中包含了经典功率谱估计和自适应均衡算法两个实验的所有程序。 2、R.m、LMS.m、LMSmain.m为自适应均衡算法的程序： R.m用来计算输入信号的自相关矩阵及其特征值； LMS.m为时域LMS算法，用统计的方法仿真得出不同信道参数和不同步长下的学习曲线； LMSmain.m为实验主程序，按照实验要求中的具体数据得到实验结果和曲线。 3、functionx.m、fzhouqitu.m、spectrum.m、bt.m、bart_lett.m、welch.m、SPE
blockFrames
- 对采样过后的语音信号进行分帧处理，并将分帧后的信号存储为一个矩阵-right after sampling the voice signal processing sub-frame and sub-frame of a signal to the storage matrix
20080426
- 信息融合方面得例题，对已知要求的目标，利用动态矩阵控制（DMC）使其达到期望值。所有程序均已通过调试。希望对大家有所帮助
f2007421165913
- 运用独立分量分析的特征矩阵的联合近似对角化（JADE法） 希望有用
markov
- 马尔科夫模型的应用，可以根据自己的需要，进行状态转移矩阵的更改！
c++andhmm model.rar
- 可以直接在vc下运行的HMM源代码，无任何错误，运行后即可得到HMM模型的三个重要组成部分，状态转移矩阵等信息。
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
testdtw(zhu)
- function dist = dtw(t,r) n = size(t,1) m = size(r,1) 帧匹配距离矩阵 d = zeros(n,m) for i = 1:n for j = 1:m d(i,j) = sum((t(i,:)-r(j,:)).^2) end 累积距离矩阵 D = ones(n,m) * realmax D(1,1) = d(1,1) 动态规划 for i = 2:n
LMS
- LMS算法实现自适应滤波 clear close all clc N=10000 设置仿真长度 信号产生参数设定 a1=-0.195 a1=-1.5955 a2=0.95 R0=[1,a1,a2 a1,1+a2,0 a2,a1,1] p=[1,0,0] r=inv(R0)*p 计算理论自相关函数 R=[r(1),r(2) r(2),r(1)] 生成理论自相关矩阵 p1=[r(2),r(3)] 生成互相关 h=inv(R)
ogrady2007_phd
- 国外欠定语音盲分离的博士论文，作者为Paul D. O’Grady，LOST算法的作者。该博士论文包括语音信号分离，非负矩阵分解等内容。-Sparse Separation of Under-Determined Speech Mixtures，A dissertation submitted for the degree of Doctor of Philosophy
emd
- 分析矩阵的相关性，即给出两个矩阵，计算两个矩阵之间的距离，并画出矩阵的相关分析图。-this matlab code can compute the two matrix length, and can give analysy ficture
KSVDchaotic
- 语音压缩感知，观测矩阵采用混沌序列，稀疏字典采用KSVD训练得到。-compressed sensing with chaotic sequence and K-SVD
chaotic_sequence
- CS用于语音信号处理，观测矩阵采用混沌序列-compressed sensing with chaotic sequence