ابرتگ "انعکاس"
بدست آوردن ضرایب پیشگویی خطی (LPC) مبتنی بر روش اتوکورولیشن بررسی فیلتر مجرای گفتار بررسی ضرایب جفت طیف خطی یا ضرایب LSF بدست آوردن ضرایب انعکاسی با استفاده از الگوریتم زیر از ضرایب پیشگویی خطی بدست آوردن ضرایب نسبت سطوح مقطع LAR بدست آوردن تخمین طیف گفتار براساس آنالیز پیشگویی خطی بدست آوردن حدود فرکانس پیچ از طریق یافتن پیک شاخص در منحنی اتوکورولیشن سنتز واکه های گفتاری به کمک فرکانس پیچ تخم ...
به دست آوردن روابط میان سه پارامتر ضرایب اتوکورولیشن (r)، انعکاسی (k) و پارامترهای مدل (a) ،محاسبه پارامتر a و k با استفاده از دور لوینسون دوربین، به دست آوردن پارامترهای مدل به روش های مختلف، به دست آوردن ضرایب انعکاسی به روش های مختلف، به دست آوردن ضرایب اتوکورولیشن به روش های مختلف، بدست آوردن مدل تمام قطب درجه با استفاده از روش دور لوینسون، مقایسه تخمین های حاصل
حذف پژواک از سیگنال گفتار به کمک فیلتر تطبیقی حداقل میانگین مربعات نرمالیزه شده Normalized Least Mean Squares Adaptive Filter-NLMS، نحوه استفاده از فیلتر تطبیقی جهت حذف پژواک، فيلتر Adaptive، الگوريتم هماهنگ سازي LMS، نتایج شبیه سازی ((کدهای متلب، تمامی زیربرنامه های مورد نیاز برای ارزیابی و داده ها))
استفاده از فیلتر مانده ضرایب پیش گویی خطی Residual Linear prediction جهت حذف پژواک از سیگنال گفتار (( کدهای متلب، تمامی زیربرنامه های مورد نیاز برای ارزیابی و داده ها))
شبیه سازی و مقایسه استخراج بردارهای ویژگی ضرایب تخمین خطی LPC، ضرایب انعکاسی Reflection Coeff، ضرایب نسبت سطوح مقطعLAR ، ضرایب کپسترال LPCC، ضرایب MFCC و ضرایب مشتقات اول و دوم آن به کمک جعبه ابزار HTK و به کمک دستورهای متلب
کانال تلگرام ابرپروجکت رفتن به بالای صفحه
Close فراخوان عرضه مستندات، گزارش‌ها، کدها و پژوهش‌های شما در ابرپروجکت
برای توضیحات بیشتر به اینجا مراجعه نمایید.
Close مجوزهای قانونی و رسمی ابرپروجکت
برای مشاهده مجوزهای ابرپروجکت روی آنها کلیک نمایید.