搜索资源列表
hmm_matlab
- 基于HMM的语音识别matlab软件，可防止数据溢出等错误-This speech recognition software based on HMM algorithm.It can prevent many errors such as data overflow effectively.
sounddata
- 基于DSP和MATLAB的语音数据采集和处理系统-MATLAB DSP-based voice and data acquisition and processing system
g729
- G729编码和解码的Matlab源程序 调用方法： 1.需要编码时，在 Matlab命令行下输入\"G729code(speech)\"(请务必保证 speech是已经存在在 Matlab工作区的一个行向量，其中是语音数据)，然后你会在你的文件夹下看到一个\"coding.bit\"的文件。 2.需要解码时，把\"coding.bit\"的文件复制到\"G729 decoder\"的目录下，在Matlab命令行下输入\"G729decodermain\"，然后你会在文件夹下看到\"
RLSandLMSAlogrithm
- 一个完整的基于LMS和RLS改进算法的语音增强MATLAB程序，包括了输入输出序列和读取数据，自适应增强算法的程序
matlabtosolve
- 基于MATLAB实现的说话人识别程序，分别用bp、pnn、som、rbf、lvq等算法，对语音文件进行训练和测试，效果不错。~..~ 下面说明一下bprengong程序： 数据分别用来训练和测试两部分。 具体程序分为两部分，第一部分为：计算识别模型 变量v是mfcc处理以后的矢量。因为数据可能长短不一，所以放在同一进行截取。p的每一行代表一个语音数据（共15个）。变量Pr为每一行的最大最小值。变量T为目标值。输出神经元个数为15。 在训练阶段，如果用于训练的输入训练样本的类
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
speaker_recognition
- 国际上最新的说话人识别算法的源程序，内置语音训练数据-The latest international speaker recognition algorithm source code, built-in voice training data
speaker
- 数字的语音识别matlab程序 训练及识别数据太大,少量上传一点,大家可以用COOLEDIT等软件仿照自己制作.(*.wav文件采样率8000,单声道,采样精度16位,16bit Motorola PCM,*.lab文件存的是语音的起止点和语音内容). -Digit speech recognition matlab program too much training and recognition data, a small amount of upload that you can us
read_wav
- 读进来WAV格式的语音数据，并绘制其波形，再播放WAV音频。-Reading into WAV format voice data, and mapping of its waveform, and WAV audio player.
jcwtlib-0.01.tar
- 独立成分分析（Independent Component Analysis, ICA）是近年来发展起来的一种有效的盲分离技术，最早是由法国学者Herault和Jutten于1986年提出。ICA方法的提出最初是用来解决“鸡尾酒会”问题，其过程可以归纳为，在源信号与传输通道参数均未知的情况下，仅根据源信号的统计特性，出现测信号恢复出源信号。ICA分析的关键在于根据一定的优化准则建立描述输出信号独立程度的优化判据，即目标函数，并设计相应的优化算法，寻求最优的分离矩阵，使得输出信号中各分量尽可能相互独
案例1 BP神经网络的数据分类-语音特征信号分类
- 案例1 BP神经网络的数据分类-语音特征信号分类(Case 1 BP neural network data classification speech feature signal classification)
案例1 BP神经网络的数据分类-语音特征信号分类
- 简单的bp神经网络，是一个语音信号的简单建模和处理，结构深度是3层(simple MATLAB code example for BP network)
数据处理文件
- 用于matlab处理数据，进行数据转换，请审核(MATLAB graphics, data processing)
案例1 BP神经网络的数据分类-语音特征信号分类
- 使用BP神经网络的数据分类-语音特征信号分类(Data classification using BP neural networks -- speech feature signal classification)
matlab-hmm-master
- 主要应用HMM模型训练语音数据，实现说话人识别的功能(The HMM model is used to train voice data to realize speaker recognition.)
带阻数字滤波器
- 读入bluesky3.wav文件（内容为男生“蓝天，白云”），在语音数据中混入50Hz的交流声，设计一个用凯泽窗的带组数字滤波器，通带截止评率45Hz,带组截止频率49和51，阻带最小衰减A2=50dB,采样频率为8000Hz(Read the bluesky3.wav file (the content is for boys "blue sky, white clouds"), mix 50Hz hum into the voice data, design a band
dtw
- 可以用来实现dtw。在孤立词语音识别中，最为简单有效的方法是采用DTW（Dynamic Time Warping，动态时间归整）算法，该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法，用于孤立词识别。HMM算法在训练阶段需要提供大量的语音数据，通过反复计算才能得到模型参数，而DTW算法的训练中几乎不需要额外的计算。所以在孤立词语音识别中，DTW算法仍然得到广泛的应用。(Can be used to implement DTW)
各种语音识别算法的MATLAB代码
- 基于HMM的语音识别算法和毕设例程，包括数据。(HMM-based speech recognition algorithm and complete routine, including data.)
《MATLAB 神经网络43个案例分析》源代码&数据
- 《MATLAB 神经网络43个案例分析》全书源代码和数据，注释详细，神经网络学习很有帮助。内含《MATLAB 神经网络43个案例分析》目录:第1章BP神经网络的数据分类语音特征信号分类;第2章 BP神经网络的非线性系统建模-非线性函数拟合等。(Analysis of 43 Cases of Neural Network in MATLAB source code data, detailed comments. Included in the catalogue of 43 Cases Anal
3-基于高斯混合模型的语音识别
- 基于高斯混合模型的语音识别，有完整的数据集和matlab代码(Speech recognition based on Gaussian mixture model, complete data set and matlab code)