摘要：
后验概率最大，即为判别结果 HTK Hvite解码器 Sphinx解码器 TODE解码器，生硬，修改繁琐。 WFST 扩充，简单高效。 有限状态机模型被用于大词汇量连续中文语音识别系统中。 其操作思路是将传统语音识别系统中的数学模型，分别转换成有限状态机模型，再将转换后的模型进行有效地整合及优化，得 阅读全文
摘要：
path.sh主要设定路径等 ../../local/create_yesno_wav_scp.pl ${waves_dir} waves.test > ${test_base_name}_wav.scp ../../local/create_yesno_wav_scp.pl ${waves_dir 阅读全文
摘要：
针对传统经典的线性混音，路数多时音量变小的缺点；自创了一个新的混音算法，解决该问题，声音不会忽大忽小，而且该方法还能一定程度抑制噪声，突出人声，能实时计算量小，专利已经受理。 对于混音方法，网上和文献上流传许多方法。 1.平均权重 2.随幅值变化的权重3.利用衰减因子缓慢规整4.绝对值处理5.A+B 阅读全文
摘要：
Maybe you were asking if there is some kind of design tool allowing to convert an IIR filter into an FIR filter automatically. There is no such a prog 阅读全文
摘要：
音质优化，回声消除试听：https://pan.baidu.com/s/1nvObNvz 时域： LMS滤波器 参数更新公式： 权重更新收到输入信号的能量影响较大，输入信号能量越大，步长取值应该较小，保证不容易发散。 步长太大，容易发散。 步长太小，稳定，但是收敛速度慢，相互矛盾。 缺点： 1.逐个 阅读全文
摘要：
在实际当中，回授音有很多种。我们最常听到的“啸叫”也是一种。但我们要寻找的是那种可以控制音量，时间，音高，甚至音色的回授。“啸叫”是不可控制的。从不可控制的啸叫到可控制的回授，这是一个漫长的历程。 常见生活中的例子：拿着话筒K歌或者讲话时，离音箱太近会产生刺耳的声音，这就是啸叫。 产生原因 简单来说 阅读全文
摘要：
1.哈希表 数据储存在一片连续区域：单个节点保存键名(用于校验)和键值(目标数据)。 2.键名通过哈希函数变成索引，索引指定该数据储存位置。 3.常见的哈希函数方法有： 对于数值：线性变换，选取若干位，取余法。 对于字符串，可以转换成数值，映射。 4.键名通过函数映射成索引，经常会发生冲突，常见的处 阅读全文
该文被密码保护。 阅读全文
摘要：
维度分析：假设输入的训练数据为m个，维度为d，记作X(m,d);显然w为w(m,1); wT*x+b 核函数计算:k(x,y)->上公式改写成 wT*@(x)+b 假设支持的向量跟训练数据保持一致，没有筛选掉一个，则支撑的数据就是归一化后的X,记作：Xst; 测试数据为T(n,d); 则核函数计算后 阅读全文
摘要：
假设有一堆数据点,它是由两个线性模型产生的。公式如下： 模型参数为a,b,n：a为线性权值或斜率，b为常数偏置量，n为误差或者噪声。 一方面，假如我们被告知这两个模型的参数，则我们可以计算出损失。 对于第i个数据点，第k个模型会预测它的结果 则，与真实结果的差或者损失记为： 目标是最小化这个误差。 阅读全文
摘要：
正向传播： W下脚标定义根据用户自己的习惯 反向传播算法 1.误差由本层传到上层相关联的结点，权重分配 2.上层某个结点的总误差 2.误差最小化与权重变量有关，最小梯度法。 权重因子更新 偏导数求解，链式求导法则： 误差由本层逐层向上层推进，归纳公式： 阅读全文
摘要：
http://www.cnblogs.com/c-cloud/p/3224788.html 字符串匹配，长串长度为m,子串长度为n 则，暴力破解的复杂度为o(m*n) 如果用kmp匹配，则复杂度为o(m+n) 例如： 当上面的长串遍历到C时，与子串未匹配上失败，如果从头再来则上面子串是从B开始，子串 阅读全文
摘要：
该结果的STFT显示效果，参数不同，显示的结果也不同。 此处只演示线性关系的效果。 clc;clear;fs = 16000;t = 0:2*fs;phase = 2*pi*(0.05*t+1000)/fs.*t;x = sin(phase);spectrogram(x,256,250,256,fs 阅读全文