资源下载 > 语音处理
-
语音增强结果评价框架
语音增强结果评价框架，其中包括四种语音质量评价方法：信噪比SNR，分段信噪比segSNR，对数谱失真LSD，PESQ。还包括生成设定信噪比语音文件的m文件。也适用于其他领域的语音质量评价。 -
frequency-domain blind source separation (BSS)
In frequency-domain blind source separation (BSS) for speech with independent component analysis (ICA)， a practical parametric Pearson distribution system is used to model the distribution of frequency-domain source signals. -
语音信号的端点检测
语音信号的端点检测matlab程序，利用短时平均能量和短时平均过零率判断语音端点的起始。还有语音信号信噪比的计算程序。 -
-
语音合成，采用时域的基音同步叠加算法
此算法是针对语音合成，采用时域的基音同步叠加算法，对波形进行韵律特征提取，修改，以及合成（包括短时能量分析，短时过零率分析等等算法）！算法是用matlab编写的 -
KSVD算法通过训练的方法来构造稀疏过完备字典
采用KSVD算法通过训练的方法来构造稀疏过完备字典，在使用时一定要确保已装有ompbox9。可用于语音，图像信号处理等的稀疏字典构造 -
-
Usage of the PESQ objective measure
ESQ measure:-------------Usage of the PESQ objective measure is as follows: [pesq_mos]=pesqESQ measure-------------Usage of the PESQ objective measure is as follows: [pesq_mos]=pesq(cleanfile.wav，enhanced.wav) where cleanfile.wav contains the clean -
-
-
-
-
独立分量分析 Independent Component Analysis
独立分量分析(Independent Component Analysis，简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法，其目的是从由传感器收集到的混合信号中分离相互独立的源信号，使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用，目前已成为盲信号处理，人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状，详细地论述了ICA的原理及实现过程，系统地介绍了目前几种主要ICA算法以及它们之间的内在联系， -
-
写在wavread更换和wavwrite访问MPEG音频MP3文件
mp3read和mp3write是直接写在wavread更换和wavwrite访问MPEG音频MP3文件。其特点包括： -旨在重复wavread完整语法和wavwrite -还支持上的动态下采样和渠道mpg123的合并-文件优化的很长的MP3 -只需要解码的部分-使用popen函数进行编码，以避免大量临时文件（可用时-看到我popenw墨西哥） -试图消除写保护回路的时间序列文件/通过阅读“热身”样本-包括辅助二进制软件包在Linux，Windows，Mac的PPC的，苹果，英特尔，和Mac英特尔- 64 -
-
-
DTMF(双音多频)
DTMF(双音多频)是用两个特定的单音频组合信号来代表字信号的一种编码技术。两个单音的频率不同，代表的数字或实现的功能也不同。可采用8种频率代表电话机上的16个按键，10个数字键0~9和6个功能键*、#、A、B、C、D。具体的频率组合见参考书。要求：(1) 根据键盘输入的符号，利用matlab产生对应的DTMF信号；(2) 分别利用FFT算法和Goertzel算法计算该DTMF信号的频谱并画出频谱图；(3) 根据频谱图确定DTMF信号所代表的符号是否和输入的符号一致。 -
-
