-
-
-
基于MATLAB和Python实现MFCC特征参数提取
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 ...
-
MFCC特征提取C++源程序
编译通过，MFCC的C++实现
MFCC的特征选取，最后提取了13维左右最后结果保存在文件中 编译通过，MFCC的C++实现
MFCC的特征选取，最后提取了13维左右最后结果保存在文件中
-
利用python提取wav文件的mfcc方法
如下所示：
import scipy.io.wavfile as wav
from python_speech_features import mfcc
fs, audio = wav.read(abc.wav)
feature_mfcc = mfcc(audio, samplerate=fs)
... ：python_speech_features 不存在， 通过 pip install python_speech_features 进行安装
以上这篇利用python提取wav文件的mfcc方法就是小
-
-
mfcc特征提取，c++代码实现
通过波形文件数据，进行MFCC特征提取，做相关滤波、加窗、fft变换等，得到13维mfcc特征，若在13维基础上继续做一阶二阶差分可得到24维mfcc特征
-
基于语音的说话者识别：使用语音MFCC和GMM识别说话者
基于语音的说话人识别
说话人识别/识别使用：
免费的ST美国英语语料库数据集（SLR45）
梅尔频率倒谱系数（MFCC）
高斯混合模型（GMM）
数据集
可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的 ... 女性和5位男性）的讲话。 每个说话者大约有350种话语。
理论
语音特征提取
此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出：
进行信号（窗口摘要）的傅立叶变换。
使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度 ...
-
-
基于语音的性别识别：使用梅尔频率倒谱系数（MFCC）和高斯混合模型（GMM）的基于语音的性别识别
... 语音的性别识别
基于语音的性别识别，使用：
免费的ST美国英语语料库数据集（SLR45）
梅尔频率倒谱系数（MFCC）
高斯混合模型（GMM）
数据集
可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的 ... 女性和5位男性）的讲话。 每个说话者大约有350种话语。
理论
语音特征提取
此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出：
进行信号（窗口摘要）的傅立叶变换。
使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上 ...
-
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
