![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语音信号处理
文章平均质量分 69
*秋昊
这个作者很懒,什么都没留下…
展开
-
语音信号处理 总复习 第二讲 *秋昊
第二讲:1. 语音特征:音色,音调,响度,(音长)。2. 完整的语音信号生成的数学模型:激励模型(一般分为浊音激励和清音激励),声道模型(一般分为声管模型和共振峰模型),共振峰模型又分为三种:级联,并联,混合型),辐射模型。3. 浊音激励模拟成是一个以基音周期为周期的斜三角脉冲串。可以把清音模拟成随机白噪声。4. 完整的语音信号的数学模型的传输函数 H(z) = A*U(z)V(z)R(z).一阶高通形式的 R(z)=R0(1-z^(-1))5. 语谱图:把和时序相关的傅里叶分析的显示图原创 2021-07-01 20:50:09 · 1168 阅读 · 0 评论 -
语言信号处理 总复习 第六讲 *秋昊
第六讲:1. 语音增强本质:就是语音降噪,从含噪语音中提取尽可能纯净的原始语音。2. 语音增强应用领域:①日常生活中,在噪声干扰下进行语音通信②军事通信中,指挥员的作战命令和战斗员的战情汇报③窃听技术中需要语音增强④语音识别技术需要语音增强3. 噪声的分类:①按性质分为:脉冲噪声和连续噪声;周期性噪声和非周期噪声②按统计特性分为:平稳噪声和非平稳噪声③按噪声和信号相关的性质分:加性噪声和乘性噪声4. 语音增强相关特征法:带噪语音信号开放后延迟一个周期,求自相关系数,通过相关峰分析确定波形周期原创 2021-07-01 20:07:33 · 175 阅读 · 0 评论 -
语言信号处理 总复习 第五讲 *秋昊
第五讲:1. 端点检测:一段语音信号中准确地找出语音信号的起始点和结束点。目的:把有效的语音信号与无用的噪声信号分离。分类:①基于阈值的方法:根据语音信号和噪声信号的不同特征,提取每一段语音信号的特征并与设定的阈值进行比较②基于模式识别的方法,需要估计语音信号和噪声信号的模型参数来进行比较。本质:根据语音和噪声的相同参数所表现出的不同特征来进行区分。2. 端点检测:短时过零率来检测清音,短时能量来检测浊音。3. 端点检测双门限法步骤:①计算短时能量(高门限)和过零率(低门限)②选取一个较高的门限原创 2021-07-01 19:30:08 · 594 阅读 · 0 评论 -
语言信号处理 总复习 第四讲 *秋昊
第四讲1. 求取倒谱特征参数的方法:①线性预测分析②同态分析2.同态信号处理基本原理:将非线性问题转化为线性问题。按被处理的信号来分类,有乘积同态处理和卷积同态处理。3.同态信号处理:也称为同态滤波,它实现了将卷积关系变换为求和关系的分离处理,即解卷。4.MEL倒谱分析着眼于人耳的听觉特性。5. 复倒谱和倒谱的特点和关系:复倒谱要进行复对数运算,倒谱只进行实对数运算;在倒谱情况下一个序列经过正逆两个特征系统变换后,不能还原自身,计算中将序列的相位信息丢失; 卷积的倒谱等于倒谱的和;已知复原创 2021-07-01 19:30:39 · 1430 阅读 · 0 评论 -
语言信号处理 总复习 第三讲 *秋昊
第三讲:1. 分帧是用可移动的有限长度窗口进行加权的方法来实现的,就是用一定的窗函数w(n)来乘s(n),从而形成加窗语音信号。2. 窗函数的选择:①加窗函数时,应使窗函数频谱的主瓣宽度应尽量窄,以获得高的频率分辨能力;②旁瓣衰减应尽量大,以减少频谱泄漏(拖尾)﹔但二者矛盾需考虑折中,③各种窗的差别主要在集中于主瓣的能量和分散在所有旁瓣的能量之比。④对语音信号的短时分析来说,窗口的形状是至关重要的。选用不同的窗口将使时域分析参数的短时平均能量的平均结果不同。3.汉明窗是最好的:原创 2021-06-30 14:15:42 · 2188 阅读 · 0 评论 -
imut 语音信号处理实验报告 *秋昊
首先说一下,百度文档上也是可以搜索到我们学校学长学姐写的实验报告。本人也参考借鉴了一下,在此列出:语音信号实验报告 - 百度文库 (baidu.com)原创 2021-06-10 23:39:17 · 2502 阅读 · 3 评论