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. 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. 音乐流派分类：该项目旨在使用多个模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据-源码

  2. 音乐流派分类 关于该项目 该项目旨在使用多种模型基于音频样本和不同的可视化技术对音乐流派进行分类，以理解数据。 该项目的灵感来自上的代码，该代码实现了K-Nearest Neighbor方法来解决此问题。 这是该项目的起点。 数据集： : 笔记本电脑 从音频样本中提取梅尔频率倒谱系数（MFCC）。 包括K-最近邻方法对流派进行分类（来自 ）。 比较了具有不同K值的模型的准确性。 使用颜色图可视化的梅尔频率倒谱系数，以更好地理解数据并获得关于MFCC的更直观的视角。 比较了不同类型的MF

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：4194304
    • 提供者：weixin_42160645