搜索资源列表
mpcc
- MFCC,即倒谱系数，也是语音的一个特征之一，能够充分利用人耳的特性 ％ 具体的求法就是预处理，然后加窗，进行傅立叶变换，再求出功率普 ％ 然后得出其自然对数，最后进行dct变换 ％ 代码是用matlab写的，用到的一个语音工具箱，可以从网络上下载。-MFCC, that is, just a few pedigree, as well as a voice of one, to take full advantage of
linjiedai
- 语音的短时谱的临界带特征矢量,从人耳对频率高低的非线性心理感觉角度反映了语音短时谱的特征.-voice spectrum with the critical feature vector, From ear to the level of the nonlinear frequency psychological sense approach reflects the short-term speech spectrum charact
EAR
- 人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术，与其它生物特征识别技术比较具有以下几个特点：（1）与人脸识别方法比较，耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了面部识别图象采集方便的优点，与人脸相比，整个人耳的颜色更加一致、图像尺寸更小，数据处理量也更小。（2）与指纹识别方法比较，耳图象的获取是一种被动方式，即通过非接触方式获取耳图像，不存在通过接触传染疾病的机会，因此，其信息获取方式具有容易被人接受的优
LDA
- 线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人耳识别会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于LDA的人耳识别。文章对几种基于LDA的人耳识别方法做了理论上的比较和实验数据的支持，这些方法包括Fisherears、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法
fisherplot
- 运用fisher方法进行pca降维和Lda特征提取的人耳识别。
mpcc
- MFCC,即倒谱系数，也是语音的一个特征之一，能够充分利用人耳的特性 ％ 具体的求法就是预处理，然后加窗，进行傅立叶变换，再求出功率普 ％ 然后得出其自然对数，最后进行dct变换 ％ 代码是用matlab写的，用到的一个语音工具箱，可以从网络上下载。-MFCC, that is, just a few pedigree, as well as a voice of one, to take full advantage of
linjiedai
- 语音的短时谱的临界带特征矢量,从人耳对频率高低的非线性心理感觉角度反映了语音短时谱的特征.-voice spectrum with the critical feature vector, From ear to the level of the nonlinear frequency psychological sense approach reflects the short-term speech spectrum charact
EAR
- 人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术，与其它生物特征识别技术比较具有以下几个特点：（1）与人脸识别方法比较，耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了面部识别图象采集方便的优点，与人脸相比，整个人耳的颜色更加一致、图像尺寸更小，数据处理量也更小。（2）与指纹识别方法比较，耳图象的获取是一种被动方式，即通过非接触方式获取耳图像，不存在通过接触传染疾病的机会，因此，其信息获取方式具有容易被人接受的优
LDA
- 线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人耳识别会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于LDA的人耳识别。文章对几种基于LDA的人耳识别方法做了理论上的比较和实验数据的支持，这些方法包括Fisherears、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法 -Linear Discriminant Analys
fisherplot
- 运用fisher方法进行pca降维和Lda特征提取的人耳识别。-Use fisher method Lda PCA dimensionality reduction and feature extraction to identify the human ear.
zcpa
- 过零峰值幅度(ZCPA：Zero-cro ingwithPeakAmplitude)特征的语音识别系统，它是基于人耳的听觉模型建立起来的，这是ZCPA的源程序。-Zero-crossing peak amplitudes (ZCPA: Zero-cro ingwithPeakAmplitude) features voice recognition system, which is based on the model of the h
speech
- 本文首先总结了现有典型的语音端点检测算法，分析了其中几种 端点检测算法所选用的特征，给出了仿真结果和一些改进。随后提出 了噪声环境下两种语音端点检测新算法。算法一:从基于人耳的听觉 系统出发，对Mel标度滤波器组进行研究，提出了语音信号的一种新 的自适应时频参数，该参数既考虑了声道响应，又符合人耳听觉特性， 仿真结果表明了它的优越性。算法二:结合抗噪性能好的Mel倒谱距 离和多带能量嫡特征提出了一种改进的孤立词端
PCA
- 人耳识别的主成分分析MATLAB算法M文件-PCA
ICA
- 用ICA进行人耳特征的提取，没有自带人耳库，请加上人耳库以后再进行调试-To the human ear with ICA feature extraction, there is no native human ear library, coupled with the human ear library later debugging
paper1
- 脸部特征定位是人脸分析技术的一个重要组成部分，其目标是在图象或图象序列中的指定区域内搜索人 脸特征(如眼、鼻、嘴、耳等)的位置-This facial feature location based photos of the face of technology is an important part of their goal is to image or image sequence in search of people w
AcousticSignals
- 这是一个听觉建模的权威性的文章，里面有一个基于人耳听觉特征的建模，语音处理的同学可以看看。-This is an authoritative article in auditory modeling, which has a human auditory-based modeling, students can look at the voice processing.
xdx
- 本文介绍的是基于类内最小距离的人耳识别，利用图像处理上的一些基本的预处理和特征提取与类内最小距离比较来达到识别的目的，通过在VC环境下运用C++和OPENCV进行编程，观察实现的效果。-ear recognition Based on the minimum distance
The-research-of-anti-niose-speech
- 论文首先介绍了传统的语音特征参数MFCC，它是基于人耳听觉 特性设计的一种特征参数，在静音环境下能得到较高的识别率，但在 信噪比较低时识别率急剧下降，不利于实用化。本文通过对MFCC算 法的分析和研究，发现其中的FFT和DCT在整个时频空间使用固定的 。分析窗，这不符合语音信号特性，而小波变换具有多分辨率特性，更 符合人耳的听觉特性。因此，本文将小波变换和MFCC算法相结合， 提出了三种新的语音识别特-Speec
fisherplot
- 运用fisher方法进行pca降维和Lda特征提取的人耳识别。-Use fisher method Lda PCA dimensionality reduction and feature extraction to identify the human ear.
gammatoneFast
- gammatone滤波器，模拟人耳的滤波功能，处理由麦克风接收到的声音信号，获得其特征参数。-gammatone filter to simulate the human ear filtering, processing the received voice signal from the microphone to obtain the characteristic parameters.