语音情感识别通过特定人语音情感数据库的建立；
语音情感特征提取；
语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。
对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7%。
对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4%。
其中分类器采用混合高斯分布模型。
语音情感特征提取；
语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。
对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7%。
对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4%。
其中分类器采用混合高斯分布模型。
2025/3/14 0:41:01
23KB
1
实验内容：⑴用matlab语言代码实现。
⑵产生粉红色噪声和高斯色噪声：让高斯白噪声通过低通、带通、高通滤波器中的任意一个就可以产生高斯色噪声。
让高斯白噪声通过每倍频程衰减3dB的衰减滤波器的滤波器就可以产生粉红噪声。
⑶对粉红色噪声和高斯色噪声进行相关分析和谱分析。
计算粉红色噪声、高斯色噪声的均值、均方值、方差、相关函数、概率密度、频谱及功率谱密度、相关函数。
⑷所有结果均用图示法来表示，能读出具体值。
⑵产生粉红色噪声和高斯色噪声：让高斯白噪声通过低通、带通、高通滤波器中的任意一个就可以产生高斯色噪声。
让高斯白噪声通过每倍频程衰减3dB的衰减滤波器的滤波器就可以产生粉红噪声。
⑶对粉红色噪声和高斯色噪声进行相关分析和谱分析。
计算粉红色噪声、高斯色噪声的均值、均方值、方差、相关函数、概率密度、频谱及功率谱密度、相关函数。
⑷所有结果均用图示法来表示，能读出具体值。
2025/3/13 18:11:22
163KB
1
作业1：（一）信号（1）用计算机产生两个白噪声信号u1(t)和u2(t)，u1(t)服从均匀分布，u2(t)服从高斯分布。
（2）用计算机产生一个随机信号x(t)=a(t)+u(t)，其中a(t)为确定性的正弦信号，u(t)为高斯分布的白噪声，u(t)的幅度大于a(t)（二）要求1． 分别计算并画出波形和自相关函数2． 对信号的自相关函数进行讨论与分析3． 用MATLAB工具
（2）用计算机产生一个随机信号x(t)=a(t)+u(t)，其中a(t)为确定性的正弦信号，u(t)为高斯分布的白噪声，u(t)的幅度大于a(t)（二）要求1． 分别计算并画出波形和自相关函数2． 对信号的自相关函数进行讨论与分析3． 用MATLAB工具
2025/2/28 17:45:40
403KB
1
移动高斯热源动画+应力变形过程动画，配套命令流已传，用的高斯热源函数为2e7*exp(-3*(({Y}-0.025)^2+({X}-0.01*{TIME})^2)/0.005^2)
2025/2/23 18:21:31
952KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB