注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 语音识别的MFCC算法研究

  2. 详细介绍了一种在语音识别中取得一定良好效果的Mel 倒谱提取的改进算法。在语音识别系统中, MFCC 参 数是经常使用的特征参数之一。MFCC 参数主要描述了表征声道特性的谱包络特征, 而忽略了基音频率对它的影响。然 而基音频率会影响MFCC 参数对声道特性的准确描述, 进一步影响语音识别系统的性能。提出了一种MFCC 的改进参 数, 该参数并不直接对语音短时幅度谱进行提取, 而是首先对幅度谱进行平滑, 在谱包络的基础上计算MFCC 参数, 从而降 低基音频率对其的影响。

  3. 所属分类：其它

    • 发布日期：2011-04-12
    • 文件大小：126976
    • 提供者：peiweifeng

  1. 支持向量机对语音的识别

  2. 自动语音情感识别器（SER）是目前具有广泛的应用人机交互（HCI）领域的研究课题。语音特征，如Mel频率倒谱系数（MFCC ）和梅尔能谱动态系数（本中心） ，都是从言语交流中提取的。支持向量机（SVM）作为分类器对柏林情绪数据库中的不同情绪状态进行分类，如愤怒，快乐，悲伤，中性，恐惧。 LIBSVM是用于情绪的分类。性别无关的情况下给出了93.75％的分辨率，男性语音94.73％ 和女性语音的100 ％ 。

  3. 所属分类：其它

    • 发布日期：2012-05-09
    • 文件大小：137216
    • 提供者：liuna11322

  1. 语音信号梅尔倒谱系数（MFCC）计算，matlab代码

  2. 本代码实现读入语音信号，提取该信号的梅尔倒谱系数，为后面的声音模板匹配打基础

  3. 所属分类：其它

    • 发布日期：2016-04-18
    • 文件大小：1024
    • 提供者：lebronze

  1. mfcc提取声音特征

  2. MFCC(Mel-frequency cepstral coefficients):梅尔频率倒谱系数。梅尔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。梅尔频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征。主要用于语音数据特征提取和降低运算维度。

  3. 所属分类：互联网

    • 发布日期：2017-10-20
    • 文件大小：4096
    • 提供者：lovesky214

  1. 基于Matlab的声纹锁

  2. 基于Matlab的声纹锁，利用MFCC作为特征，利用VQ矢量量化方法进行数据处理，再结合欧式距离做模式匹配，最终实现文本相关的声纹锁。

  3. 所属分类：其它

    • 发布日期：2018-01-07
    • 文件大小：109568
    • 提供者：u011389706

  1. 语音信号MFCC特征提取

  2. 项目包含全部的代码，实现wav格式的语音信号的MFCC特征提取。

  3. 所属分类：机器学习

    • 发布日期：2018-06-07
    • 文件大小：35840
    • 提供者：w1745198165

  1. 语音信号处理之（四）梅尔频率倒谱系数（MFCC）

  2. 语音信号处理之（四）梅尔频率倒谱系数,语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率倒谱系数语音信号处理之（四）梅尔频率

  3. 所属分类：机器学习

    • 发布日期：2018-08-14
    • 文件大小：2097152
    • 提供者：jiaoyurun

  1. 提取时域特征

  2. 在多数的现代语音识别系统中，人们都会用到时域域特征。梅尔频率倒谱系数（MFCC）,首先计算信号的功率谱，然后用滤波器和离散余弦变换的变换来提取特征。

  3. 所属分类：深度学习

    • 发布日期：2019-05-05
    • 文件大小：635
    • 提供者：suofen9703

  1. 梅尔倒谱系数MFCC的matlab代码

  2. 该函数用于语音信号特征提取，详细用法以及参数设置都有说明，仅供学习参考。函数作者为 Kamil Wojcicki ，使用时必须保持作者备注的信息。

  3. 所属分类：C/C++

    • 发布日期：2020-07-20
    • 文件大小：297984
    • 提供者：qq_36999901

  1. 梅尔频率倒谱系数（mfcc）及Python实现

  2. 主要为大家详细介绍了语音识别之梅尔频率倒谱系数及Python实现，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：98304
    • 提供者：weixin_38735182

  1. 梅尔倒谱系数（MFCC）实现

  2. 主要为大家详细介绍了梅尔倒谱系数(MFCC)实现，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-19
    • 文件大小：58368
    • 提供者：weixin_38564503

  1. 采用LSTM方法进行语音情感分析-代码详解

  2. 目录 摘要： 数据集描述： 模型构建 结果分析 结束 相关链接： 摘要： 语音情感分析就是将音频数据通过MFCC（中文名是梅尔倒谱系数（Mel-scaleFrequency Cepstral Coefficients)）加载为特征向量形式，然后将其输入进入LSTM神经网络进行抽取语音特征。最后采用softmax分类函数实现情感标签的分类任务。其下游任务是人机交互智能化的一个关键部分。 数据集描述： 一共四种中文情感的数据集。共200条，数据质量不是很好，不是很长的语音文本，但是从这种4s短时的

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：184320
    • 提供者：weixin_38618024

  1. 梅尔倒谱系数（MFCC）实现

  2. 本文实例为大家分享了梅尔倒谱系数实现代码，供大家参考，具体内容如下 author: zoutai file: mymfcc.py time: 2018/03/26 descr iption: from matplotlib.colors import BoundaryNorm import librosa import librosa.display import numpy import scipy.io.wavfile from scipy.fftpack import dct imp

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：57344
    • 提供者：weixin_38672739

  1. 基于MATLAB和Python实现MFCC特征参数提取

  2. 1、MFCC概述 在语音识别（Speech Recognition）和话者识别（Speaker Recognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scale FrequencyCepstral Coefficients，简称MFCC）。根据人耳听觉机理的研究发现，人耳对不同频率的声波有不同的听觉敏感度。从200Hz到5000Hz的语音信号对语音的清晰度影响较大。两个响度不等的声音作用于人耳时，则响度较高的频率成分的存在会影响到对响度较低的频率成分的感受，使其变得不易察觉，

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：206848
    • 提供者：weixin_38702110

  1. 梅尔频率倒谱系数（mfcc）及Python实现

  2. 语音识别系统的第一步是进行特征提取，mfcc是描述短时功率谱包络的一种特征，在语音识别系统中被广泛应用。 一、mel滤波器 每一段语音信号被分为多帧，每帧信号都对应一个频谱（通过FFT变换实现），频谱表示频率与信号能量之间的关系。mel滤波器是指多个带通滤波器，在mel频率中带通滤波器的通带是等宽的，但在赫兹（Hertz）频谱内mel滤波器在低频处较密集切通带较窄，高频处较稀疏且通带较宽，旨在通过在较低频率处更具辨别性并且在较高频率处较少辨别性来模拟非线性人类耳朵对声音的感知。 赫兹频率和梅尔频

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：94208
    • 提供者：weixin_38641561

  1. 一种结合SS，MFCC和PMC技术的去噪方法

  2. 为提高语音识别系统在噪声情况下的识别率，提出了一种融合信号级去噪，参数级去噪，模型级去噪的方法。首先用谱减法对带噪的语音信号进行去噪，再利用梅尔倒谱系数（MFCC）对处理后的语音信号进行特征提取，最后经过并行模型结合处理法（PMC）处理得到较高识别率的语音信号。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：835584
    • 提供者：weixin_38692184

  1. mfcc：根据浏览器中的麦克风输入计算MFCC（梅尔频率倒谱系数）。 （TypeScript）-源码

  2. mfcc：根据浏览器中的麦克风输入计算MFCC（梅尔频率倒谱系数）。 （Typescr ipt）

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：167936
    • 提供者：weixin_42117082

  1. 基于语音的性别识别：使用梅尔频率倒谱系数（MFCC）和高斯混合模型（GMM）的基于语音的性别识别-源码

  2. 基于语音的性别识别 基于语音的性别识别，使用： 免费的ST美国英语语料库数据集（SLR45） 梅尔频率倒谱系数（MFCC） 高斯混合模型（GMM） 数据集 可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。 每个说话者大约有350种话语。 理论 语音特征提取 此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出： 进行信号（窗口摘要）的傅立叶变换。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：18874368
    • 提供者：weixin_42120997

  1. 基于单类支持向量机的异常声音检测

  2. 提出基于单类支持向量机的异常声音在线检测算法。该算法针对公共场合正常的环境声音，训练一个单类支持向量机模型，用来判断声音是否属于正常的环境声音，若不是则属于需要进一步识别的异常声音。采用窗长2秒的滑动窗对声音进行分窗，对每一个窗内的声音分帧并提取梅尔倒谱系数，短时能量，频谱质心，短时平均过零率等特征。采用基于帧之间互相关系数的方法对声音自动分段。最后对分段声音的判别结果进行中值滤波。当有连续多个帧被判别为异常时判定有异常声音出现。最后检验了算法在地铁背景条件下六类异常声音的漏检率和每小时误检次数

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：968704
    • 提供者：weixin_38558246

  1. 基于语音静音段特征的手机来源识别方法

  2. 手机来源识别已成为多媒体取证领域重要的热点问题。提出了一种基于语音静音段特征的手机来源识别方法，该方法先通过使用自适应端点检测算法得到语音的静音段；然后将静音段的梅尔频谱系数（MFC）的均值作为分类特征；最后结合 WEKA 平台的CfsSubsetEval评价函数按照最佳优先（BestFirst）搜索进行特征选择，并采用支持向量机（SVM）对手机来源进行识别。实验部分对23款主流型号的手机进行了分类，结果表明所提特征具有较好的分类性能，在TIMIT数据库和自建的CKC-SD数据库上，平均识别准确

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：818176
    • 提供者：weixin_38568031
« 12 »