需要金幣： 2000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：10676 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:語(yǔ)音端點(diǎn)檢測(cè)是語(yǔ)音識(shí)別中非常有效的一個(gè)手段。音頻信號(hào)處理里面的端點(diǎn)檢測(cè)技術(shù)，是指從含有語(yǔ)音的一段連續(xù)的信號(hào)中確定出音頻信號(hào)的起始點(diǎn)及終點(diǎn)，對(duì)起始點(diǎn)至終點(diǎn)中所有的音頻信號(hào)進(jìn)行處理。是對(duì)不同的語(yǔ)音信號(hào)處理(如語(yǔ)音識(shí)別、講話人識(shí)別等)的重中之重且非常重要的第一步。實(shí)際運(yùn)用中，通常要求先采集系統(tǒng)的輸入音頻信號(hào)進(jìn)行篩選，才能獲得真正且有效并且使我們需要的音頻數(shù)據(jù)，減少數(shù)據(jù)處理的占用的資源和運(yùn)算量的周期，并減少程序運(yùn)行時(shí)間。 論文是基于2017年較為前沿的稀疏分解算法對(duì)音頻(語(yǔ)音)信號(hào)進(jìn)行預(yù)(也就是JAVA中的構(gòu)造函數(shù))處理，也就是每段語(yǔ)音必須進(jìn)行的操作，而后實(shí)現(xiàn)較好的語(yǔ)音檢測(cè)性能。主要通過(guò)matlab仿真編程軟件實(shí)現(xiàn)了基于稀疏分解的語(yǔ)音端點(diǎn)檢測(cè)系統(tǒng)的實(shí)現(xiàn)，并較好完成了帶噪語(yǔ)音的良好端點(diǎn)檢測(cè)。仿真結(jié)果表明，對(duì)于帶噪語(yǔ)音，經(jīng)過(guò)稀疏分解重構(gòu)可以有效抑制噪聲，進(jìn)而通過(guò)短時(shí)能量檢測(cè)算法準(zhǔn)確地定位語(yǔ)音起始點(diǎn)與結(jié)束點(diǎn)，從而實(shí)現(xiàn)良好的檢測(cè)效果。
關(guān)鍵詞：語(yǔ)音處理：稀疏分解：端點(diǎn)檢測(cè)
目錄 摘要 Abstract 1 緒論-1 1.1 研究背景和意義-1 1.2 國(guó)內(nèi)外研究現(xiàn)狀-1 1.3 主要工作內(nèi)容-3 2 語(yǔ)音信號(hào)的時(shí)頻域處理與分析-4 2.1 語(yǔ)音的時(shí)域特征-4 2.2 語(yǔ)音的頻域特征-5 2.3 語(yǔ)音信號(hào)處理-5 2.3.1 預(yù)加重-6 2.3.2 加窗分幀-6 3 基于稀疏分解的端點(diǎn)檢測(cè)-7 3.1 稀疏分解基本原理-7 3.2 語(yǔ)音信號(hào)的稀疏分解與重構(gòu)-7 3.2.1 基于KSVD的語(yǔ)音稀疏分解-8 3.2.2 基于OMP算法的稀疏重構(gòu)-9 3。3 基于短時(shí)能量的端點(diǎn)檢測(cè)-9 4 稀疏分解算法-11 4.1 matlab GUI程序開(kāi)發(fā)簡(jiǎn)介-11 4.2 稀疏分解算法仿真及分析-11 4.3 稀疏分解語(yǔ)音檢測(cè)程序流程-13 4.4 仿真分析-14 結(jié)論-17 參考文獻(xiàn)-18 致謝-19 |
