实验中，采用美尔倒谱系数（MFCC）作为话者语音特征参数。实验表明，基于LSSVM的话者识别比传统的SVM话者识别计算复杂度小，训练时间短，效率更高；同时，识别率也...
基于162个网页-相关网页
该算法中对LPC倒谱系数进一步按符合人耳听觉特性的(MEL)尺度进行非线性变换，求得LPC美尔倒谱系数(LPCCMCC),并以此作为端点检测的特征，该特征既考虑了声道特性，又符合人耳听觉，仿真实验结果表明了它的优越性[文章已被录用]。
基于28个网页-相关网页
在美尔倒谱系数(Mel Frequency Cepstral Coefficient,MFCC)参数的基础上,加入RASTA处理步骤,对语音通信干扰试验中的实测数据进行分析,证明了RASTA处理在...
基于2个网页-相关网页
线性预测美尔倒谱系数 LPMFCC
LP美尔倒谱系数 LP Mel cepstrum
美尔频率倒谱系数 MFCC ; Mel-frequency cepstral coefficients ; Mel frequency cepstrum coeficient
时频美尔频率倒谱系数 TFMFCC
美尔频标倒谱系数 MFCC ; MelFrequencyCepstrumCoefficient
和美尔频率倒谱系数 MelFrequencyCepstrum Cocfficicnt
The system is based on TMS320C6713 DSK. It regards Mel frequency cepstrum coefficient as the characteristic parameter, adopts the Gaussian mixture model.
系统在TMS320C6713 DSK上实现,采用美尔倒谱系数作为特征参数,以高斯混合模型作为识别模型。
参考来源 - 说话人身份识别系统的设计及DSP实现·2,447,543篇论文数据，部分数据来源于NoteExpress
实验中，采用美尔倒谱系数(MFCC)作为话者语音特征参数。
During the experiment, MFCC (Mel Frequency Ceptral Coefficient) is adopted to speaker speech feature parameters.
选用美尔倒谱系数及其差分作为语音识别的特征参数，来描述人耳的听觉频率非线性特性。
Selected for use MFCC and the difference and divided the characteristic parameter as phonetic recognition, to describe the non-linear characteristic of frequency of sense of hearing of ears of people.
系统提取的音频信号特征为线性预测美尔倒谱系数（LPCMCC），采用动态时间规整（DTW）的识别算法。
The audio signal feature, in this scheme, is the LPC Mel Cepstrum Coefficient (LPCMCC) and recognition algorithm is Dynamic Time Warping (DTW).
应用推荐