搜索资源列表
speakeridentification
- 用vq算法进行说话人识别，能达到良好的效果
SpeakerRecognitionBasedOnDSP
- 武汉大学的研究生论文,关于用DSP5402实现说话人识别的论文.算法采用DTW并进行了改进
SpeakerIdentificationPaper
- 说话人识别方法及其系统的应用开发研究.毕业设计论文,详细.本文对说话人识别方法应用作了较深入系统的研究。采用的方法分别是矢量量化(VQ)识别方法、隐马尔可夫模型(HMM)识别方法、高斯混合模型(GMM)识别方法。
speakerrecognitionusingVQ
- 用matlab编写的基于VQ的说话人识别算法（工具箱）
ResearchonSpeakerRecognitionBasedonMVQM
- 一篇介绍关于 基于MVQM的说话人识别的研究 的ＣＡＪ文档
SpeakerrecognitionsystembasedonICAandVQ
- 一篇介绍 基于独立分量分析和矢量量化的说话人识别 的ＣＡＪ文档
1
- 摘要：提出了一种新的说话人识别中特征参数的提取方法*在分别使用傅立叶分析和小波分析得到两组特征 参数之后，进一步利用+,-./0准则进行参数选取，构造了一种新的混合特征参数*在不增加训练和识别时计算 量的同时，结合了傅立叶分析和小波分析两者的优点，具有更好的分类能力*实验结果显示，这种新的混合参数 有效地提高了说话人的识别率，能更好地表征说话人的特征*
1
- 摘要：一般的说话人识别系统包括特征提取和识别模型两部分，其中特征参数的选择对系统 的识别性能有关键性的影响，现就特征提取展开研究，介绍了各种常用的语音特征参数及目前 主流的两种参数的提取过程，并论述了小波分析应用于语音特征参数提取中的优势
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
speakerdemo
- 说话人识别demo。matlab代码，自己看吧。
newpnn
- 基于小波神经网络PNN 的说话人识别程序，希望对大家有所帮助
123456
- 通过分析语音特征参数的特点和说话人识别的基本方法，利用 DSP的硬件平台，以线性预测倒谱系数为 特征参数提取算法以及 隐马尔可夫模型为建模算 法，实现 电子语音锁 的系统设 计。实验 结果表 明系统在 内部模 型 数小于 1O时识别精度高 ，达到 安全保 密的要求。
MFCC
- 说话人识别中mfcc参数的处理的主程序，包括参数提取、训练及识别。
MFCC_D
- 说话人识别中，采用MFCC_D时的主程序，同样包括提取，训练，识别三步。
vq
- 基于matlab平台，使用VQ算法的说话人识别
0626HMMspeakerrecognition
- 介绍了隐马尔可夫模型及其主要解决的 ３ 个基本问题， 以及在说话人识别系统中实现的基本过程， 并对 ２５６ 和 ５１２ 码本、文本相关与文本无关进行比对， 得出文本相关的识别率更高的结论并分析了其原因。
VQ
- 说话人识别程序,VQ识别方法,特征参数是MF
labview_mfcc
- 用labview实现的基于mfcc的说话人识别，测试的结果不是太理想，但体现的思想应该对labview的学习有所帮助
VQ
- 一个比较简单粗略的基于VQ矢量化模型的说话人识别程序
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，