✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
数字信号处理技术自诞生以来,有了快速的发展,主要是研究用数字或符号序列表示和处理信号,被广泛应用于各个领域。本次课程设计的内容就是基于MATLAB平台,利用预测线性合成法(LPC编码)对语音信号进行处理。可以对语音信号进行变速不变调或变调不变速,以及加密,解密的处理。本次设计使用了GUI界面设计,使程序界面简练,操作简便。并加入了sliver,使得在变速、变调时,能够方便的修改其中所使用的参数,使其产生不同的效果。
📣 部分代码
<span style="color:#333333"><span style="background-color:#fafafa"><code>% 计算一段语音的基音周期</code><code>function PT = findpitch(s)</code><code>[B, A] = butter(5, 700/4000);</code><code>s = filter(B,A,s);</code><code>R = zeros(143,1);</code><code>for k=1:143</code><code> R(k) = s(144:223)'*s(144-k:223-k);</code><code>end</code><code>[R1,T1] = max(R(80:143));</code><code>T1 = T1 + 79;</code><code>R1 = R1/(norm(s(144-T1:223-T1))+1);</code><code>[R2,T2] = max(R(40:79));</code><code>T2 = T2 + 39;</code><code>R2 = R2/(norm(s(144-T2:223-T2))+1);</code><code>[R3,T3] = max(R(20:39));</code><code>T3 = T3 + 19;</code><code>R3 = R3/(norm(s(144-T3:223-T3))+1);</code><code>Top = T1;</code><code>Rop = R1;</code><code>if R2 >= 0.85*Rop</code><code> Rop = R2;</code><code> Top = T2;</code><code>end</code><code>if R3 > 0.85*Rop</code><code> Rop = R3;</code><code> Top = T3;</code><code>end</code><code>PT = Top;</code><code>return</code></span></span>
⛳️ 运行结果
🔗 参考文献
[1]杨佳旭.数字信号处理在惯性导航和语音信号处理中的应用研究[D].北京邮电大学[2024-03-22].
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类