摘要：语音识别 三维语谱图 时频幅三维图 图1 图2 图3 数据处理过程 使用基于线性相关系数的基音周期提取算法计算出准确的基音周期; 在分析点取整周期对应的样点数据为一帧; 为提高频率分辨率，将一帧单周期数据重复拼接到多于1024个点(8K采样); 进行1024点加窗FFT，取模得到单帧的频谱; 以帧号 阅读全文

摘要：基音周期提取2－基于线性相关系数的Matlab实现 基音周期提取结果 图1 基音提取结果 算法说明 线性相关系数 也称“皮尔逊积矩相关系数”（Pearson product moment correlation coefficient） 通常用γ或ρ表示，是用来度量两个变量之间的相互关系（线性相关） 阅读全文

摘要：Matlab 基音周期提取1－原理说明 先看语音“0”的整体波形： 图1 再选其中的两个局部： 图2 图3 以上三幅图为语音“0”以8KHz采样的波形。可以看出，汉语语音具有非常明显的 准周期特性 。相邻的两个周期的波形基本一致，随时间推移，波形规律性的 逐渐 改变。 基音周期提取的常用方法参数有： 阅读全文

摘要：语谱图：先将语音信号作傅里叶变换，然后以时间为横轴，频率为纵轴，用颜色表示幅值即为语谱图。图中表示信号的频率、幅度随时间的变化，故也称“时频图”。 语谱图中低频部分曲线趋势非常清楚地显示了声调。 Matlab中specgram()函数可以直接绘出时频图。 阅读全文