搜索资源列表
jcwtlib-0.01.tar
- 独立成分分析（Independent Component Analysis, ICA）是近年来发展起来的一种有效的盲分离技术，最早是由法国学者Herault和Jutten于1986年提出。ICA方法的提出最初是用来解决“鸡尾酒会”问题，其过程可以归纳为，在源信号与传输通道参数均未知的情况下，仅根据源信号的统计特性，出现测信号恢复出源信号。ICA分析的关键在于根据一定的优化准则建立描述输出信号独立程度的优化判据，即目标函数，并设计相应的优
TTS_Demos
- 音响设备接口（SDI）是专为听觉显示，或AUI（音频用户界面），这已被证明是很好的补充GUI（图形用户界面）学术。目前，SDI实现两个Sound对象：语音和听觉符号为例。言语是在3D世界中的定位语音合成相结合的ViaVoice TTS和，A3D一起。在学术上，这种定位可以帮助用户挑选出所需要的信息，两个同时“显示”的声音。这是所谓的“鸡尾酒会效应”。此外，它可以提高存储器中，添加的位置系数对每一个声音。听觉符号为例，从字面上看，可以显示
ICAtoolbox3_8
- Source separation problems in digital signal processing are those which are used to separate useful signal a mix of signals of interest, other signals and noise. The typical example of a source separation problem is the
ICA
- 本程序音频共有四个，借助鸡尾酒会问题思想，用ica算法实现四个音频的分离(The audio program for a total of four, with the help of the cocktail party problem, realizing the separation of four audio using ICA algorithm)
3个语音源的鸡尾酒语音分离
- 鸡尾酒语音分离，很好的演示示例，对新手很有帮助， 也可跑在免费的Octave上。((The audio program for a total of 3, with the help of the cocktail party problem, realizing the separation of four audio using ICA algorithm))