搜索资源列表
traditionalsp
- 语音信号的频域处理,语音虽然是一个时变、非平稳的随机过程。但在短时间内可近似看作是平稳的。因此如果能从带噪语音的短时谱中估计出“纯净”语音的短时谱，即可达到语音增强的目的。由于噪声也是随机过程，因此这种估计只能建立在统计模型基础上。利用人耳感知对语音频谱分量的相位不敏感的特性，这类语音增强算法主要针对短时谱的幅度估计。 -voice signals in the frequency domain processing, voice is a time-varying, nonstationa
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 characteristics.
humanearbasedonthespectral
- 改进的基于人耳掩蔽效应谱减语音增强算法,是谱减法的改进算法。-To improve the human ear based on the spectral masking by speech enhancement algorithm is to improve the algorithm of spectral subtraction.
mfccc
- MFCC参数很好的反映了人耳的听觉特性,所以在语音识别中我们也用到他,本代码是用matlab仿真了MFCC 参数的提取过程.-MFCC parameters well reflected the auditory characteristics of the human ear, so in speech recognition, we also used him, and this code is used matlab simulation parameters of the MFCC ex
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点检测算法，该算法 不需要估计背景噪声来调整门限闽值，仿
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.
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-Speech recognition has wide use in
code
- 计算听觉场景分析目前用于语音增强的一种比较好的方法，利用人耳的听觉特性-Computational Auditory Scene Analysis
speech-enhancement-
- 语音增强算法，基于人耳听觉掩蔽的维纳滤波-Subspace speech enhancement algorithm based on human auditory masking Wiener filter
speech--enhancment-code
- 基于人耳听觉掩蔽维纳滤波的matlab代码-Based on the human auditory masking Wiener filter matlab code
melbankm
- 梅尔滤波器组，梅尔频率能准确反映人耳的听觉特性，将普通频率转换为梅尔频率-Mel filter group, Mel frequency can accurately reflect the characteristics of human ears, the common frequency conversion for Mel frequency
171724210736171
- MFCC：Mel频率倒谱系数的缩写。Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。(Speech signal feature extraction)
mfcc
- MFCC，Mel频率倒谱系数的缩写。Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征，MFCC已经广泛地应用在语音识别领域。(MFCC, Mel frequency cepstrum coefficient abbreviation. The frequency of Mel is based on the auditory characteristics of human ear. It is
语音分离 MATLAB
- 基于计算听觉场景分析的语音分离算法，计算听觉场景分析试图利用计算机技术通过对人类听觉心理过程及听觉生理过程的模拟，使计算机具备象人耳那样处理声音(分离并解释)的能力，这是一项新兴的边缘研究课题。