精华内容
下载资源
问答
  • 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
  • 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
  • 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...
  • 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...

    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。

    展开全文
  • 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,当窗函数为矩形窗时,有 也...

          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,当窗函数为矩形窗时,有

          

          也可以从另外一个角度来解释。令:

          

          平均能量还可以表示为:

          

          上式可以理解为:首先语音信号各个样点值平方,然后通过一个冲激相应为h(n)的滤波器,输出为由短时能量构成的时间序列:

          

          冲激响应的选择或者说窗函数的选择直接影响着短时能量的计算。通常N的选择与语音的基音周期相联系,一般要求窗长为几个基音周期的数量级。由于语音基音频率范围为50~500Hz,因此折中选择帧长为10~20ms

          短时平均能量的主要用途如下:

          1.可以作为区分清音和浊音的特征参数。实验结果表明浊音的能量明显高于清音。通过设置一个能量门限值,可以大致判定浊音变为清音或者清音变为浊音的时刻,同时可以大致划分浊音区间和清音区间。

          2.在信噪比比较高的情况下,短时能量还可以作为区分有声和无声的依据。

          3.可以作为辅助的特征参数用于语音识别中。

           

    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
  • 因为语音信号的能量随时间而变化,清音和浊音之间的能量区别相当显著。因此对短时能量和短时平均幅度进行分析,能够描写叙述语音的这样的特征变换情况。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...
  • 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...
  • 利用matlab对语音信号短时时域处理,计算信号短时能量和短时平均幅度
  • Python语音基础操作--3.2短时时域分析

    千次阅读 2020-04-27 17:30:02
    常用的时域参数有短时能量,短时过零率,短时自相关系数和短时平均幅度差函数等。 短时能量与短时平均幅度 设第nnn帧语音信号xn(m)x_n(m)xn​(m)的短时能量用EnE_nEn​表示: En=∑m=1Nxn2(m)E_n=\sum\limits_{m=1...
  • 语音信号的短时语音能量

    千次阅读 2016-07-19 22:07:11
    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,...
  • 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。...
  • 版权声明:本文为博主原创文章,未经博主允许不得转载。...3.3 短时平均能量 ...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...
  • 又见面了……!继续回顾上次的内容,上次主要是说语音的预处理,预处理包括预加重,加窗分帧。其实还是不难的,主要考虑... 短时时域分析包括短时能量,短时过零率,短时自相关函数,短时平均幅度差函数等。下面一个
  • Short time analysis

    2013-05-30 01:06:26
    语音信号处理,含短时平均过零率、短时平均能量和短时平均幅度等的求解
  • 《MATLAB在语音信号分析与合成中应用》 2语音信号的时域,频域特性和短时分析技术2 ...2.3.1短时能量和短时平均幅度3 2.3.2短时平均过零率4 2.3.3短时自相关函数4 2.3.4短时平均幅度差函数4 2.4语音信...
  • 语音的时域分析一般有四个重要参数:短时能量、短时过零率、 短时自相关函数 、短时平均幅度差函数 语音的频域分析常用方法:带通滤波器组法、傅里叶变换法、线性预测法等 一、浊音 以/u/为例 时域波形 短时平均...
  • 实用语音识别基础

    2014-07-12 09:50:38
    3.3 短时平均能量和短时平均幅度 3.3.1 短时平均能量 3.3.2 短时平均幅度 3.4 短时过零分析 3.4. 1 短时平均过零率 3.4.2 短时上升过零间隔 3.5 短时自相关函数和平均幅度差函数 3.5.1 短时自相关函数 3.5.2...
  • 数据压缩作业1-1

    2021-03-10 17:49:28
    短时平均幅度较大,短时过零率较低,且具有周期性 (2)清音 时域: 频域: 特点: 短时平均幅度较低,短时过零率较高 (3)爆破音 时域: 频域: 特点: 短时过零率较高 ...
  • 该方法是在传统两参数(短时能量和过零率)算法基础上增加了自相关函数和短时平均幅度作为判决参数,并通过对短时能量、平均幅度、短时过零率曲线等参数的分析和计算,来达到减少清/浊音信号的误判率的目的。经实验证明,...
  • 第三章 语音信号的短时时域分析 3.1 概述13.2 语音信号的预处理23.3 短时平均能量 33.4 短时平均幅度函数 43.5 短时平均过零率 5 3.6 短时自相关分析 6 3.7基于能量和过零率的语音端点检测7 3.8基音周期估值 83.1 ...
  • 根据所分析的参数类型语音信号分析可以分成时域分析和变换域频域倒谱域分析其中时域分析方法是最简单最直观的方法它直接对语音信号的时域波形...时能量和平均幅度短时平均过零率短时自相关函数和短时平均幅度差函数等...
  • 程序实现了一种利用语音信号的短时平均幅度差特征并结合短时平均幅度的语音检测算法。该算法在通信系统中,用以对接收到的电台信号进行分析,判断其中是否有语音信号。
  • matlab开发-AMDF

    2019-08-23 06:58:09
    matlab开发-AMDF。本练习计算语音帧的短时平均幅度差函数(AMDF)。
  • 语音信号;周期;基音检测;短时自相关函数;短时平均幅度差函数;倒谱分析
  • 时域信号的短时平均幅度较低,短时过零率较高,类似于高斯白噪声。 频域信号能量较多出现在高频区。 浊音b: 时域信号的短时平均幅度较大,短时过零率较低,且具有周期性。 频域信号的能量主要集中在3khz以下。 ...
  • 音频信号的时域分析

    千次阅读 2020-03-30 23:25:09
    对信号分析最自然直接的方法是以时间为自变量进行分析,音频信号典型的时域特征包括短时能量、短时平均过零率、短时自相关系数和短时平均幅度差等。在这一节中主要对这些时域的特征及它们的具体应用加以介绍。

空空如也

空空如也

1 2 3 4 5
收藏数 82
精华内容 32
关键字:

短时平均幅度