本文详细梳理了数字视音频中的语音部分，涵盖了语音技术引言、语音分析、语音模型以及说话人识别等核心概念。重点讨论了短时平稳假设、时域特征、频域特征、MFCC、DTW、VQ和HMM等关键技术，并简要提及视频帧类型的压缩原理。
儿子的复习笔记
http://blog.csdn.net/dango_miracle/article/details/79076562
98帖子
http://www.cc98.org/topic/4320324/1#1
语音部分知识点
– 语音技术引言（语音链，语音产生数字模型，重要假设【短时平稳？】）
语音链
发声 - 传递 - 感知
语音产生数字模型
我真不知道先人是怎么弄出那么复杂的表达式的orz
然后就每一个阶段都会有一个式子然后最后得到最终结果
U之前是产生，激励模型
之后是声道模型，分为声管模型和共振峰模型
短时平稳假设
语音信号特性是随时间而变化的，本质上是一个非平稳过程。但不同的语音是由人的口腔肌肉运动构成声道的某种形状而产生的响应，而这种肌肉运动频率相对于语音频率来说是缓慢的，因而在一个短时间范围内，其特性基本保持不变，即相对稳定，可以视作一个准稳态过程。基于这样的考虑，对语音信号进行分段考虑，每一段称为一帧（frame）.一般假设为10-30ms的短时间隔。
最低0.47元/天 解锁文章
4737
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
