AI大道理 - 博客园

AI大语音（四）——MFCC特征提取

摘要：点击上方“AI大道理”，选择“置顶”公众号 —————— 1 特征提取流程在语音识别和话者识别方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scaleFrequency Cepstral Coefficients，简称MFCC）。 MFCC提取过程包括预处理、快速傅里叶变换、Mei滤波器组、对阅读全文

posted @ 2020-08-12 22:47 AI大道理阅读(2291) 评论(0) 推荐(0)

AI大语音（三）—傅里叶变换家族

摘要： 1 特征提取流程在语音识别和话者识别方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scaleFrequency Cepstral Coefficients，简称MFCC）。 MFCC提取过程包括预处理、快速傅里叶变换、Mei滤波器组、对数运算、离散余弦变换、动态特征提取等步骤。 2 傅里叶家族阅读全文

posted @ 2020-08-12 17:15 AI大道理阅读(1476) 评论(1) 推荐(0)

AI大语音（二）——语音预处理

摘要： 1 预滤波 CODEC（所谓Codec，就是编码-解码器“Coder-Decoder”的缩写。说得通俗一点，对于音频就是A/D和D/A转换。）前端带宽为300-3400Hz（语音能量主要集中在250~4500Hz）。的抗混叠滤波器。工程测量中采样频率不可能无限高也不需要无限高，因为一般只关心一定频阅读全文

posted @ 2020-08-11 21:44 AI大道理阅读(1882) 评论(1) 推荐(1)

AI大语音（一）——语音识别基础

摘要： 1 语音识别基础 1.1 声音特性声音是由物体振动产生的声波。是通过介质传播并能被人或动物听觉器官所感知的波动现象。最初发出振动的物体叫声源。声音以波的形式振动传播。声音是声波通过任何介质传播形成的运动。频率：是每秒经过一给定点的声波数量，它的测量单位为赫兹，1千赫或1000赫表示每秒经过一给定阅读全文

posted @ 2020-08-09 21:44 AI大道理阅读(1881) 评论(1) 推荐(0)

第二章：声学模型之EM算法

摘要： https://blog.csdn.net/gaofeipaopaotang/article/details/82016405 1.极大似然估计原理：假设在一个罐子中放着许多白球和黑球，并假定已经知道两种球的数目之比为1:3但是不知道那种颜色的球多。如果用放回抽样方法从罐中取5个球，观察结果为：黑阅读全文

posted @ 2020-07-29 10:29 AI大道理阅读(873) 评论(0) 推荐(0)

量子力学2

摘要：你一定知道磁铁吧，你也知道金。当你把你手上的金戒指连续26或27次对折后，最小的那块就是黄金的最小单位了：金原子。宇宙中所有物质都是由原子构成。原子又是由什么构成的呢？现在，你就要进入“量子世界”，它是由基本物质和光组成。现在，我们将你无限的缩小，我们去看看两个磁铁之间会有什么火花。两个阅读全文

posted @ 2020-01-03 16:51 AI大道理阅读(730) 评论(0) 推荐(0)

量子力学1

摘要： https://blog.csdn.net/lushuo9156/article/details/62422241 什么是量子呢？一个光子，一个电子都是量子。那么为什么跟力学放在一起呢？我想是因为量子之间有神奇的作用力吧，一种到现在，物理学家都无法解释的一种“力”。先说几个神奇的试验。第一个叫阅读全文

posted @ 2020-01-03 16:26 AI大道理阅读(445) 评论(0) 推荐(0)

C#学习系列（一）——C＃和C++的区别

摘要： C＃和C++的区别在于：C＃代码首先会被编译为CLR（公共语言运行库），然后由.NET框架解析；它是在虚拟机上执行，会自动进行内存管理，不支持使用指针。C++将会直接被编译为机器代码，允许使用指针，需要手动组织管理内存。 C#和C ++的区别 1、编译区别 C＃代码首先会被编译为CLR（公共语言运行阅读全文

posted @ 2019-11-28 10:24 AI大道理阅读(10396) 评论(0) 推荐(0)

图像处理——（源）边缘检测canny算子（canny）函数编程实现

摘要： https://blog.csdn.net/weixin_40647819/article/details/91411424 阅读全文

posted @ 2019-07-21 22:45 AI大道理阅读(848) 评论(0) 推荐(0)

图像处理——（源）边缘检测soble算子（Soble）函数编程实现

摘要： Sobel 算子是一个离散微分算子 (discrete differentiation operator)。它结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。图像边缘,相素值会发生显著的变化了。表示这一改变的一个方法是使用导数。梯度值的大变预示着图像中内容的显著变化。用更加形象的阅读全文

posted @ 2019-07-21 15:51 AI大道理阅读(790) 评论(0) 推荐(0)