精华内容
下载资源
问答
  • 短时平均幅度差函数,short-time average magnitude difference function,音标,读音,翻译,英文例句,英语...
    2021-04-24 17:30:41

    补充资料:瞬时、短时、长时记忆

    根据识记与保持的时间的长短可以把记忆分为瞬时、短时和长时记忆。瞬时记忆就是在感知事物后极短时间内(如一秒钟左右)的记忆;短时记忆就是经过识记过程,在较短时间内(如几秒至几十秒)的记忆;长时记忆则是在较长时间内(如以日、月、年计的时间)的记忆。上述 3种记忆除了在获得与保持的时间长短上有区别以外,在其他一些方面也有所不同,如在记忆广度、记忆内容的形象性、信息提取的难易程度以及生理机制方面等等。

    过去心理学中研究记忆以长时记忆的问题为主。从20世纪50年代后期至60年代初期开始,关于瞬时记忆和短时记忆的研究就逐渐增多起来。对于上述 3种记忆的划分,心理学家们是持有不同的见解的。例如:有的人认为上述3种记忆是3个不同系统;有的人认为它们是同一记忆过程的3个不同的阶段;有的人在区分记忆的不同系统时则没有提到瞬时记忆,这实际上是把瞬时记忆包括到短时记忆之内了;还有的人主张只有一种记忆,他们认为短时记忆不过是一种低水平的学习而已。但是,把记忆分为多个不同系统的理论正在引起人们日益增长的兴趣。

    瞬时记忆 在实验中把材料用极短的时间在受试者面前闪现一次后所产生的记忆。它是由感官直接传入的,因此一般具有比较鲜明的感觉形象性,也可称为感觉记忆。它的保持时间极短,一般认为约在一秒钟左右。它的重现是很容易的。瞬时记忆有一定的广度,如果材料各项间没有特殊的联系,则各种不同性质材料(如数字、字母、无意义音节等)的瞬时记忆广度大约都是 7个项目(或单元)左右。瞬时记忆的生理机制可能是神经细胞群在刺激后的继续活动。它是由一种短时的电化学反映所引起的,但会随着时间的推移而自动消退,它的活动痕迹的神经组织范围也是比较狭小的。

    短时记忆 它的保持时间虽比瞬时记忆为长,但也是很短的。一般认为,它的保持时间是以秒计算的,最长也不过是一分钟左右。例如在电话簿上查到一个不熟悉的电话号码后,我们就能根据短时记忆拨出这个号码,但是在拨完号码后,甚至在拨号过程中便会把它忘掉。要使材料保持在短时记忆中,复述是必要的;否则很快(如不到半分钟)就会被遗忘。短时记忆的重现也是比较容易的。短时记忆的数量或广度也很有限,和瞬时记忆一样,它的广度一般也只是 7个左右的无联系的项目(如数字、字母或词等)。它的生理机制也基本上和瞬时记忆相同,不过持续的时间略长而已。

    长时记忆 指在识记一项材料后经过一长段时间能够把它背诵出来的能力。长时记忆能够保持的时间是较长的──从几分钟、 几小时、几月、 几年,直到终身。长时记忆的数量极大,可以说并无限度。事实上它可以包括一个人的全部知识。有人估计它的数量可达1015(即一千万亿)个单元之多。由于它的数量极大,有时就不免使回忆发生一定的困难。

    长时记忆的主要条件是复习。长时记忆(特别是语文材料的记忆)的特点之一是记住了信息的意义,而不只是机械地记住了一些彼此孤立的单元,如词等等。长时记忆的识记是一个组织、建造的过程,所以它所存储的全部知识也是一个有秩序、有组织的统一体。这就使人们有可能比较迅速地通过多种渠道从浩如烟海的长时记忆中提取有关的知识。长时记忆依赖于以前获得的知识,在识记时把当前识记的材料和过去的知识联系得越多,则以后回忆起来就越容易。

    长时记忆的生理机制和前两种记忆不同,它不是神经细胞活动的痕迹,而可能是神经组织结构的痕迹,是一种神经组织结构上的永久性的变化。这种变化是神经细胞中所产生的特殊的生物化学变化,首先是所谓核酸分子的改组。其中脱氧核糖核酸 (DNA)被认为是种系发生性的遗传的记忆载体;而核糖核酸 (RNA)则被认为是个体发生性的个体记忆基础。所以,长时记忆遗忘的生理机制并不是痕迹的消失,而主要是前摄抑制(前行活动对后继活动所形成的联系的抑制)和倒摄抑制(后继活动对前行活动所形成的联系的抑制)所引起的干扰。长时记忆结构痕迹的范围是很大的。

    上述 3种记忆之间有密切的关系。短时记忆是由瞬时记忆转化而来的,而长时记忆则又是由短时记忆转化而来的。不过,这些转化都有一定的条件:瞬时记忆的材料必须经过适当的复习才能转化为短时记忆,短时记忆转化为长时记忆就更离不开复习了。其他有利于短时记忆转化为长时记忆的条件是:材料数量少,材料新异,复习积极和材料对个体的意义重大等等。

    参考书目

    曹日昌主编:《普通心理学》,人民教育出版社,北京,1980。

    〔苏〕А.В.佩特罗夫斯基主编, 朱智贤等译:《普通心理学》,人民教育出版社,北京,1981。

    Roberta Klatzky,Humɑn Memory,Freeman,1975.

    说明:补充资料仅用于学习参考,请勿用于其它任何用途。

    更多相关内容
  • 在 AMDF 基音检测模式中,使用无声帧检测器(当帧对数能量低于固定阈值)。 该代码还使用了一个程序来确定对于给定的分析帧,AMDF 最小值的位置是否代表基音周期加倍甚至基音周期三倍的情况,并为这种情况提供了...
  • 计算短时平均幅度差函数中相邻谷值间的距离来进行基音周期估计
  • 与自相关函数的对比 ...所以采用了与自相关函数具有类似作用的参量,就是短时平均幅度差函数(AMDF)。 计算方法 平均幅度差函数的事实基础:如果信号是完全的周期信号(设周期为Np),那么相距为周期的整数倍...
    • 与自相关函数的对比

    自相关函数的计算方法是求乘积,由于乘法运算所需要的时间较长,将会造成函数运算量很大的结果,而利用快速傅里叶变换(FFT)等简化的计算方法也无法避免乘法运算。为了规避乘法运算,我们可以采用差值的方法。所以采用了与自相关函数具有类似作用的参量,就是短时平均幅度差函数(AMDF)。

    • 计算方法

    平均幅度差函数的事实基础:如果信号是完全的周期信号(设周期为Np),那么相距为周期的整数倍的样点上的幅值是相等的,即差值为0。用公式表示如下:

    对于实际的语音信号,d(n)可能不为0(实际的语音信号不会有精准的周期性),但它的值很小。这些极小值将出现在整数倍周期的位置上,即每一个对应的峰值的位置上。故定义短时平均幅度差函数:

    对于周期性的语音信号x(n),它的短时平均幅度差函数Fn(k)也呈周期性。

    • 与自相关函数的关系

    自相关函数的计算方法:

    K为最大的延迟点数。

    故比较两个公式,可以看出Rn(k)与Fn(k)之间存在的数学关系为:

    可以证明平均幅度差函数和自相关函数有密切的关系。但与自相关函数Rn(k)相反的是,在Rn(k)的谷点时,对应Fn(k)是峰值。

    • 示例

    展开全文
  • 语音分析(matlab,短时能量函数短时过零率,短时平均幅度)(2007-01-19 10:40:55)上次贴出的matlab数值分析没想到那么多人搜索,下面贴出语音分析的部分,调试都可以通过,WO.wav是用录音软件录的。谢谢指教。加...

    a4c26d1e5885305701be709a3d33442f.png

    语音分析(matlab,短时能量函数,短时过零率,短时平均幅度)

    (2007-01-19 10:40:55)

    上次贴出的matlab数值分析没想到那么多人搜索,下面贴出语音分析的部分,调试都可以通过,WO.wav是用录音软件录的。谢谢指教。

    加矩形窗的短时能量函数:

    a=wavread('F:\WO.wav');

    subplot(6,1,1),plot(a);

    N=32;

    for i=2:6

    h=linspace(1,1, (i-1)*N);

    %形成一个矩形窗,长度为N

    En=conv(h,a.*a);

    %求卷积得其短时能量函数En

    subplot(6,1,i),plot(En);

    if(i==2) legend('N=32');

    elseif(i==3) legend('N=64');

    elseif(i==4) legend('N=128');

    elseif(i==5) legend('N=256');

    elseif(i==6) legend('N=512');

    end

    end

    加hamming窗的短时能量函数:

    把h=linspace(1,1, (i-1)*N);

    改为h1=hamming((i-1)*N);

    加矩形窗的短时平均幅度:

    a=wavread('F:\WO.wav');

    subplot(6,1,1),plot(a);

    N=32;

    for i=2:6

    h=linspace(1,1,(i-1)*N);

    %形成一个矩形窗,长度为N

    En=conv(h,abs(a));

    %求卷积得其短时能量函数En

    subplot(6,1,i),plot(En);

    if(i==2) legend('N=32');

    elseif(i==3) legend('N=64');

    elseif(i==4) legend('N=128');

    elseif(i==5) legend('N=256');

    elseif(i==6) legend('N=512');

    end

    end

    短时过零率:

    a=wavread('F:\WO.wav');

    n=length(a);

    N=320;

    subplot(3,1,1),plot(a);

    h=linspace(1,1,N);%形成一个矩形窗,长度为N

    En=conv(h,a.*a);%求卷积得其短时能量函数En

    subplot(3,1,2),plot(En);

    for i=1:n-1

    if a(i)>=0

    b(i)= 1;

    else

    b(i) = -1;

    end

    if a(i+1)>=0

    b(i+1)=1;

    else

    b(i+1)=-1;

    end

    w(i)=abs(b(i+1)-b(i));

    end%求出每相邻两点符号的差值的绝对值

    k=1;

    j=0;

    while (k+N-1)

    Zm(k)=0;

    for i=0:N-1;

    Zm(k)=Zm(k)+w(k+i);

    end

    j=j+1;

    k=k+160; %每次移动半个窗

    end

    for w=1:j

    Q(w)=Zm(160*(w-1)+1)/640;%短时平均过零率

    end

    subplot(3,1,3),plot(Q);

    分享:

    a4c26d1e5885305701be709a3d33442f.png喜欢

    0

    a4c26d1e5885305701be709a3d33442f.png赠金笔

    加载中,请稍候......

    评论加载中,请稍候...

    发评论

    登录名: 密码: 找回密码 注册记住登录状态

    昵   称:

    评论并转载此博文

    a4c26d1e5885305701be709a3d33442f.png

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

    后一篇 >期末,回家

    展开全文
  • 短时平均幅度函数

    千次阅读 2017-08-21 20:30:19
    为了克服这个缺点,可以定义一个短时平均幅度函数来衡量语音幅度的变化: 上式可以理解为w(n)对|x(n)|的线性滤波运算,实现框图如下。与短时能量比较,短时平均幅度相当于用绝对值之后代替了平方和,简化了运算。 ...

          短时能量的一个主要问题是对信号电平值过于敏感。由于需要计算信号样值的平方和,在定点实现时很容易产生溢出。为了克服这个缺点,可以定义一个短时平均幅度函数来衡量语音幅度的变化:

          

          上式可以理解为w(n)对|x(n)|的线性滤波运算,实现框图如下。与短时能量比较,短时平均幅度相当于用绝对值之后代替了平方和,简化了运算。

        

    展开全文
  • 提取语音特征(短时能量,平均幅度、平均过零率)的matlab代码
  • 主要涉及到语音信号的短时幅值、短时过零率和短时...使用矩形窗和汉明窗两种窗函数进行计算分析和比较,同时计算平均短时幅值和平均短时过零率。使用循环进行读取,避免手动一个一个语音读取(记得把文件路径修改一下)
  • 利用窗函数实现短时能量分析和短时平均幅度分析,适合初学者
  • 短时能量和短时平均幅度的计算 使用Audition软件,自己录制一段语音,再将采样率转换为44100Hz,然后用matlab计算并画出其短时能量曲线或短时平均幅度曲线。(画其中一个曲线即可)。
  • 短时能量以及短时平均幅度分析代码,供初学者学习,可以直接编译,tchart需要安装到5.0版本才可以使用
  • 短时时域分析

    千次阅读 2019-08-15 12:28:28
    短时时域分析 语音信号的时域分析就是分析和提取语音信号的时域参数。进行语音分析,最先接触到并且也是最直观的是它的时域波形。语音信号本身就是时域信号,因而时域分析是最早使用,也是应用最广泛的一种分析...
  • Part3 语音信号的短时时域分析一、帧和加窗的概念二、短时平均能量三、短时平均幅度函数四、短时平均过零率五、短时自相关分析六、基于能量和过零率的语音端点检测七、基音周期估值八、总结 一、帧和加窗的概念 1....
  • 短时平均过零率.ppt

    2021-04-18 14:13:40
    短时平均过零率第二级判决: 以短时平均过零率为标准,从C点往左和从D点往右搜索,找到短时平均过零率低于某个门限T3的两点E和F,这便是语音段的起止点。门限T3是由背景噪声的平均过零率所确定的。 注意:门限T2,T3...
  • 上回介绍了如何用短时自相关函数分析语音信号里的基音。回顾下短时自相关函数的核心公式: 由上式可以看出,短时自相关函数主要涉及乘法运算,随着每帧的总帧...短时平均幅度差函数AMDF (Average Magnitude Diffe...
  • 在传统的ACF方法基础上,利用短时平均幅度差函数(Average Magnitude Difference Function,AMDF)的平方对ACF函数进行加权,由此加强短时自相关函数在基音周期倍数处的峰值特性。对提取出的基频曲线做平滑处理。...
  • 基于MATLAB的语音的短时平均能量分析

    千次阅读 热门讨论 2019-03-10 14:32:38
    编程实现一句话语音的短时能量曲线,并比较窗长、窗口形状(以矩形窗和哈明窗为例)对短时平均能量的影响。 常见问题 1.未定义与 ‘double’ 类型的输入参数相对应的函数 ‘enframe’ 解决办法:下载MATLAB voice...
  • 数字语音信号处理学习笔记——语音信号的短时时域分析(3)
  • 语音信号基音周期估值的方法很多,最基本的方法有:基于短时自相关法的基音周期估值和基于短时平均幅度差函数的基音周期估值。 基于短时自相关法的基音周期估值:  如果x(n)是一个周期为P的信号,则其自...
  • 短时平均能量

    万次阅读 2017-08-21 20:27:30
    因此,对短时能量和短时平均幅度进行分析,可以描述语音的这种特征变化情况。 定义n时刻某语音信号的短时平均能量为: 式中,N为窗长,可见短时能量为一帧样点值的加权平方和。特殊地,当窗函数为矩形窗,有 也...
  • 为了使混合激励线性预测语音编码器(MELP)的应用更接近实际,提出了一种基于短时幅度与短时平均幅度差函数的子带声音强度提取方法。该方法根据MELP声码器解码语音的(MOS)评分得出最佳的线性组合系数,进而求出5...
  • ·窗函数选用 hamming 窗 原因:由于语音信号的非平稳特性,使用加窗可以对语音信号分帧当成平稳信号 来分析和处理。 ①由于直接对信号(加矩形窗)会产生频谱泄露,为了改善频谱泄露的情况,选 用 hamming 窗或者 ...
  • 人在发音,根据声带是否振动可以将语音信号分为清音和浊音两种。浊音携带大量的能量,因此又被称为有声语音,其在时域上有明显的周期性。而清音类似于白噪声,没有明显的周期性。发浊音,气流通过声门使声带产生...
  • 语音信号处理、语音特征提取

    千次阅读 2021-08-08 14:52:57
    语音信号是一种短时平稳信号, 即时变的,十分复杂,携带很多有用 的信息,这些信息包括语义、个人特 征等,其特征参数的准确性和唯一性 将直接影响语音识别率的高低,并且 这也是语音识别的基础。 语音信号特征参数...
  • 短时时域处理(一)

    2021-07-23 10:42:30
    短时能量 根据公式自己敲的短时能量代码: clc; clear; [x,fs]=audioread('C3_2_y.wav'); inc=100; win=hamming(200);...短时平均幅度: ...%短时平均幅度计算函数 function para=STMn(x,win,inc) X=en
  •  人在发浊音,气流通过声门使声带产生张弛振荡式振动,产生一股准周期脉冲气流,这一气流激励声道就产生浊音,又称有声语音,它携带着语音中的大部分能量。这种声带振动的频率称为基频,相应的周期就称为基音周期
  • 可认为浊音具有较低的平均过零数,而清音具有较高的平均过零数,故对一短时语音段计算其短时平均能量及短时平均过零数,就可以区分其中的清音段和浊音段,从而可判别句中清、浊音转变时刻,声母韵母的分界以及...
  •   设语音波形时域信号为x(n)x(n)x(n) 、加窗函数w(n)w(n)w(n) 分帧处理后得到的第i帧语音信号为yi(n)yi(n){{y}_{i}}(n),则yi(n)yi(n){{y}_{i}}(n) 满足: yi(n)=w(n)∗x((i−1)∗inc+n),1≤n≤L,1≤i≤...
  • 由于语音信号的能量随时间而变化,清音和浊音之间的能量差别相当显著,因此对短时能量和短时平均幅度进行分析,可以描述语音的这种特征变换情况。定义n时刻某语音信号的短时平均能量E为:   式中,N为窗长,可见...
  • 语音信号短时时域分析

    千次阅读 2020-03-30 18:42:16
    短时平均过零率 短时自相关分析 说明 语音信号的分帧处理,实际上就是对各帧进行某种变换或运算。 T[ ]:表示这种变换或运算 x(n):输入语音信号 w(n):窗序列 h(n):是与w(n)有关的滤波器 则各帧经处理后的输出...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 8,397
精华内容 3,358
关键字:

短时平均幅度差函数

友情链接: xood.zip