对原始声信号预处理的方法进行了分析，包括：滤波、端点检测及分帧等；选取线性预测倒谱系数（LPCC）作为声信号的特征参数，利用Durbin算法进行线性预钡-倒谱分析，可以有效提取并能准确表征声信号所携带全部信息的特征参数LPCC；利...
基于278个网页-相关网页
通过建立HMM,提取切削声信号的线性预测倒谱系数(Linear Prediction Cepstrum Coefficient,LPCC)作为其特征参数,进行了刀具磨损状态的识别实验,实现了刀具磨损程度的分级识别.
基于24个网页-相关网页
2.4 辐射模型 21 2.3 语音信号的数字化和预处理 21-24 2.4 语音信号线性预测倒谱系数(Linear Prediction Cepstral Coding，LPCC)特征参数的提取 24-26 2.5 语音信号MFCC特征参数的提取 26-28 第三章 说话人..
基于6个网页-相关网页
...的误差d嚣】为， d甩］＝．Ⅱ刀卜舅【甩】＝．x【，l卜∑口埘以一七】 线性预测倒谱系数（LinerPredictive CepstrumCoefficient，LPCC）是基于语 音信号为自回归信号的假设，利用线性预测分析方法获得倒谱系数的方法【12】。
基于6个网页-相关网页
感知线性预测倒谱系数 PLPCC
线性预测美尔倒谱系数 LPMFCC
线性预测编码倒谱系数 Linear Prediction Cepstrum Coefficient ; LPCC ; linear predict code cepstral coefficients
·2,447,543篇论文数据，部分数据来源于NoteExpress
系统提取的音频信号特征为线性预测美尔倒谱系数（LPCMCC），采用动态时间规整（DTW）的识别算法。
The audio signal feature, in this scheme, is the LPC Mel Cepstrum Coefficient (LPCMCC) and recognition algorithm is Dynamic Time Warping (DTW).
本文应用全极点模型，提取语音信号的线性预测系数，并推导出其倒谱系数，获得线性预测倒谱差分，用以描述说话人声道的动态变化。
In this paper, we use full pole model to obtain speech signal LPC, then deduce it's LPCC, and we use the LPCC difference to describe speaker's track dynamic movement.
通过应用全极点模型，提取语音信号的线性预测系数，并推导出其倒谱系数，获得线性预测倒谱差分，用以描述说话人声道的动态变化。
By using full pole model, we obtained speech signal LPC, then deduced it's LPCC, and we used the LPCC difference to describe speaker's track dynamic movement.
应用推荐