为了提高语音信号端点检测的准确率，提出了一种基于双门限-频带方差的检测方法。
该方法将语音信号短时能量、短时过零率和频带方差结合起来，作为检测语音信号起始位置和终止位置的参数。
仿真实验表明，该方法比传统方法更有效、更优越，能够比较准确地检测语音信号。
该方法将语音信号短时能量、短时过零率和频带方差结合起来，作为检测语音信号起始位置和终止位置的参数。
仿真实验表明，该方法比传统方法更有效、更优越，能够比较准确地检测语音信号。
2024/7/25 18:52:43
1MB
1
这是我的毕业设计“基于神经网络的拼音识别系统”的端点检测部分，使用短时能量和短时平均过零率检来检测端点，希望对大家有用。
端点检测的函数是CWaveDoc::OnEndpointDetect()，大家运行时需要修改读入语音信号的路径。
需要读入的语音信号b1.wav一并附于wav文件。
端点检测的函数是CWaveDoc::OnEndpointDetect()，大家运行时需要修改读入语音信号的路径。
需要读入的语音信号b1.wav一并附于wav文件。
2024/1/30 8:48:49
88KB
1
端点检测对于语音识别有着重要的意义。
本程序采用双门限端点检测算法，双门限端点检测算法的基本思想是：先用短时平均能量进行初次判断，然后再在这个基础上用短时平均过零率进行再次判断。
初次判断得到大致的语音段，再次判断得到比较精确的语音起点和起点。
本程序采用双门限端点检测算法，双门限端点检测算法的基本思想是：先用短时平均能量进行初次判断，然后再在这个基础上用短时平均过零率进行再次判断。
初次判断得到大致的语音段，再次判断得到比较精确的语音起点和起点。
2016/3/21 13:29:22
2KB
1
为提髙复杂噪声环境下语音信号端点检测的准确率，提岀一种基于梅尔频谱倒谱系数（MFCC）距离的多维特征语音信号端点检测算法。
通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自顺应噪声模型，实现复杂噪声中语音信号端点的准确检测。
实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。
通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自顺应噪声模型，实现复杂噪声中语音信号端点的准确检测。
实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。
2019/1/19 6:32:11
1.23MB
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