搜索资源列表
dtmf
- 基于最小均方误差的语音增强技术的研究与应用-To enhance the research and application of technology based on the minimum mean square error voice
CHAOGAOSI
- 研究表明超高斯分布更加贴近语音信号的实际分布，然而语音信号很难用单一的概率密度 函数准确描述，针对这一情况，提出了一种用超高斯混合模型对语音信号幅度谱建模的新方法，并推导了 基于此模型的幅度谱最小均方误差估的估计式。仿真结果表明：与传统的短时谱估计算法相比，该算法不 仅能够进一步提高增强语音的信噪比，而且可以有效减小增强语音的失真度，提高增强语音的主观感知 质量。 -Recent research indicates that the speech spectral ampli
Laplace
- 传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音存在概率，对最小均方误差估计子进行修正。实验结果表明，该算法
MMSE
- 一种基于最小均方误差的噪声估计算法，实现语音增强，算法可以直接使用，已调试通过。-Based on the minimum mean square error of noise estimation algorithm, speech enhancement algorithm can be used directly, have been debug through.
OMLSA
- 这是目前传统单通道语音增强中效果最好的算法，作者Iseal Cohen大神,采用基于最小均方误差MMSE准则，代码里，噪声估计由最初的MCRA更新为效果更好的IMCRA。(This is the most effective algorithm for traditional single channel speech enhancement. The author, Iseal Cohen great God, uses the minimum mean square error MMSE c