搜索资源列表
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
20065922453018121
- 一篇关于语音端点检测、前端处理和特征抽取的研究的毕设 -on a voice endpoint detection, front-end processing and feature extraction of a study based BI
application_of_special_person_on_ASR_for_the_contr
- 常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题，采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成，
ReseacrhOfAPPlieationOfEmbeddedSPeeehRecognitionon
- 本文首先介绍了目前语音识别的发展现状和主要手段，分析了语音识别中所采用的主要特征参数和比较前沿的研究方向，另外着重讲解了语音识别中最常用隐马尔可夫H(MM)模型，及应用广泛的矢量量化方法(VQ)。接着介绍了嵌入式平台，从软、硬件方面着重介绍了与语音识别相关部分的设计包括硬件及相关驱动程序设计，最后介绍了系统实现方法与测试结果。 -This paper describes the current status of the development of speech recognition a
lunwen
- 本文简要介绍了语音信号采集与分析的发展史以及语音信号的特征、采集与分析方法，并通过PC机录制自己的一段声音，运用Matlab进行仿真分析，最后加入噪声进行滤波处理，比较滤波前后的变化。-This paper introduces the voice signal acquisition and analysis of the history and characteristics of speech signals, sampling and analysis methods, and thro
voice
- 采用增减特征分量的方法研究了MFCC 各维倒谱分量对说话人识别和语音识别的贡献-Changes in characteristics of components using the method of the MFCC cepstrum of each dimensional component of the speaker recognition and speech recognition of the contribution
7
- 语音信号及其特征，语音处理的基本技术，语音编码识别和合成-Speech signal and its characteristics, the basic technology of voice processing, speech coding, recognition and synthesis
MFCC-feature
- 通过matlab实现语音信号提取MFCC特征-To extract MFCC characteristics matlab voice signal
PCA
- 针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的
1
- 声控儿童玩具的设计与制作 机器自动语音识别的研究工作起始于上世纪50 年代，1952 年Bell 实验室的Davis，Biddulph 等人建立了第一个可以识别孤立英文数字的语音识别系统。六十年代对语音信号的研究主要是特征分析与特征提取，人们发现人耳对声音中不同的频率有不同的分辨率和反应强度，从而提出临界频带理论(Critical Band Theory)。当时由于计算机技术的限制，只能用专用硬件进行谱分析再由计算机识别。- now no singe
cs-speech-enhancement
- 文利用带噪语音经特征基函数矩阵转换后所具有的稀疏特性，用最大似然估计方法对转换后得到的稀疏 分量进行非线性压缩去噪，然后再经过反变换和重构恢复出原始语音信号的估计。特征基函数矩阵反映了语音数据本 身的统计特性，因此具有很好的合理性和可取性。仿真结果表明利用稀疏编码方法能极大程度地抑制背景噪卢，与小波消噪法相比优势明显。-a speech enhancement algorithm based Compressed Sensing.
mfcc
- 在语音辨识（Speech Recognition）和语者辨识（Speaker Recognition）方面，最常用到的语音特征就是「梅尔倒频谱系数」（Mel-scale Frequency Cepstral Coefficients，简称MFCC），此参数考虑到人耳对不同频率的感受程度，因此特别适合用在语音辨识。
voice-compression-algorithm
- ADPCM算法目前已成为很受用的语音压缩算法之一。给出PCM概念。讨论DPCM,DM,ADM与ADPCM的 压缩算法原理以及算法实现流程框图。通过实验,指出每个算法的特征。实验结果进一步证实ADPCM算法既能够有效的 压缩语音,又能还原出高质量的语音。-ADPCM algorithm has become popular with one voice compression algorithm. PCM given concept. Discussion DPCM, DM, ADM an
2.4Pkb-sPMELP
- 提出了一种新的工作于极低码率下的混合激励线性预测(MELP)声码器.该声码器结合了线性预测编码(LPC)和多带激励编码算法的优点,对算法和量化方案重新进行了设计和改造,其主要特征包括改进的基音检测算法、混合的周期脉冲和随机噪声激励、有效的线性谱频率(LSF)参数量化以及激励谱形状表示.非正式主观测试表明,由采用本算法的一个2.4 kb/s编码器所重建的语音质量略优于美国联邦标准4.8 kb/s码激励线性预测编码(CELP)所重建的语音质量.-New Mixed Excitation Linear
wv486
- 语音信号的采集与处理，数字信号处理课设，是学习PCA特征提取的很好的学习资料，是国外的成品模型。- Acquisition and Processing of the speech signal, digital signal processing class-based, Is a good learning materials to learn PCA feature extraction, Foreign model is finished.