搜索资源列表
Speech_signal_short_time_analysis
- 语音信号的短时分析，主要包括：分帧、短时能量、短时平均幅度、短时过零率、短时自相关函数、短时幅度差、倒谱、复倒谱、lpc系数、lpc谱估计等 绝对保证质量，是保研后导师布置的一些基础程序
MATLAB
- MATLAB写自相关函数，M序列的MATLAB产生
yuyin
- 语音信号的时域处理，有短时能量，短时平均幅度，短时过零率和短时自相关函数。
Matlab_LMS5
- 自适应谱线增强问题，计算两个输入信号序列的自相关函数，选择合适的步长，以实现输出信号谱线的增强
moxingyanzheng
- 本文对国内外仿真模型的发展进行了述评。陈述了仿真模型验证的定义和有关概念。提出了模型验证的区间假设，介绍了自相关函数检验法。
BTestimate_hz
- 在现代谱估计中，用自相关的无偏估计代替周期图中自相关函数的有偏估计，可能导致出现负的谱估计值，因此采用BT谱估计器的方法
DSP
- 针对SHARC系列DSP的卷积、自相关函数、FFT、FIR源代码
c-coefficent
- 对于清浊音判决的组合系数算法,使用了自相关函数与LPC参数相结合的办法,本代码求出了该算法的判决函数C-coefficent。祥见于俊凤的《基于组合参数的清浊音判决方法》。
lfm_jc
- 近程模式下的单脉冲信号产生，频谱图,模糊函数图,模糊度等高线图，自相关函数图和多普勒敏感度
基音周期提取算法
自相关函数法基音周期提取
基音周期算法
自相关函数法与平均幅度差法相结合的基音周期提取
语音信号的短时分析
- 语音信号的短时分析，主要包括：分帧、短时能量、短时平均幅度、短时过零率、短时自相关函数、短时幅度差、倒谱、复倒谱、lpc系数、lpc谱估计等
tftb
- matlab时频工具箱-Matlab Toolbox
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
SPECTRUM_LMS
- 1、文件夹中包含了经典功率谱估计和自适应均衡算法两个实验的所有程序。 2、R.m、LMS.m、LMSmain.m为自适应均衡算法的程序： R.m用来计算输入信号的自相关矩阵及其特征值； LMS.m为时域LMS算法，用统计的方法仿真得出不同信道参数和不同步长下的学习曲线； LMSmain.m为实验主程序，按照实验要求中的具体数据得到实验结果和曲线。 3、functionx.m、fzhouqitu.m、spectrum.
feature_extraction_in_speech_recognition1993
- 最权威和最全面的语音识别的特征提取的 IEEE的期刊论文1993
feature_extraction_in_speech_recognition1992
- 最权威和最全面的语音识别的特征提取的 IEEE的期刊论文1992-The most authoritative and comprehensive speech recognition feature extraction of the IEEE Journal Papers 1992
MATLAB
- 卷积运算：取x(t)和h(t)的长度为nx,nh。平移量n=nh+nx-1，利用for和if语句实现倒序求和运算。外循环用一个for语句实现平移，通过在求和时取数组元素的顺序实现倒序求和-Convolution operation: take x (t) and h (t) of length nx, nh. Translational volume n = nh+ Nx-1, use for and if statements to
Speech_signal_short_time_analysis
- 语音信号的短时分析，主要包括：分帧、短时能量、短时平均幅度、短时过零率、短时自相关函数、短时幅度差、倒谱、复倒谱、lpc系数、lpc谱估计等 绝对保证质量，是保研后导师布置的一些基础程序-Short-time speech signal analysis, mainly including: sub-fr a me, short-time energy, short-term average, short-time zero-cro