語音增強演算法
⑴ 助聽器360智慧言語導航系統是什麼
360º智慧言語導航系統（OSN）OpenSoundNavigator持續不間斷360度高速掃描環境聲音快速減少來自特定方向的大噪音，同時保留語音快速衰減剩餘的擴散噪音，即使是詞句之間360º智慧言語導航系統（OSN）是一種新的集成語音增強演算法，全面收集環境中360º聲源，綜合分析並平衡環境中各種聲音，時刻關注周邊環境的變化，聚焦主要言語聲，通過選擇性的聆聽與交流，讓佩戴者在聚會等復雜環境中言語清晰度更高，交流更輕松。360º智慧言語導航系統（OSN）採用新的方向性技術，360°收集聲源，定位更准確，空間立體感更強。OSN系統把環境中的每個聲源作為一個獨立的點，單獨收集單獨處理，每個聲源的聲音都能清晰聆聽，並且每個聲源之間不會相互干擾，既能保證每個聲源都能聽到，又不會影響主要聲源的清晰度。
⑵ 陣列麥克風有幾個聲道，有什麼區別
麥克風陣列是什麼？
麥克風陣列（Microphone Array），從字面上，指的是麥克風的排列。也就是說由一定數目的聲學感測器（一般是麥克風）組成，用來對聲場的空間特性進行采樣並處理的系統。
早在20世紀70、80年代，麥克風陣列已經被應用於語音信號處理的研究中，進入90年代以來，基於麥克風陣列的語音信號處理演算法逐漸成為一個新的研究熱點。而到了「聲控時代」，這項技術的重要性顯得尤為突出。
麥克風陣列能幹什麼？
1.語音增強（Speech Enhancement）
語音增強是指當語音信號被各種各樣的雜訊(包括語音)干擾甚至淹沒後，從含雜訊的語音信號中提取出純凈語音的過程。所以DingDong在嘈雜環境下，也能准確識別語音指令。
通過麥克風陣列波束形成做語音提取和分離
利用麥克風陣列做信號的提取和分離主要有以下幾種方式：
(1)基於波束形成的方法，即通過向不同方向的聲源分別形成拾音波束，並且抑制其他方向的聲音，來進行語音提取或分離；
(2)基於傳統的盲源信號分離（Blind Source Separation）的方法進行，主要包括主成分分析（Principal Component Analysis，PCA）和基於獨立成分分析（Independent Component Analysis，ICA）的方法。
TGMZ天歌魅尊
⑶ 在機器學習更加智能的過程中，深度學習發揮著怎樣的作用
深度學習使機器更加聰明，帶給我們更加智能的服務。
比如說，通過視覺獲取和處理圖像、通過聲音講出語言是人類最自然的與外界溝通的方式，但傳統的計算機服務卻無法從本質上讀懂我們這些內容，當我們進行圖像搜索或者向計算機發送某項指令時，我們需要預先在大腦中做一遍處理，將我們原本要表達的意思轉化成計算機能夠讀懂的文本信息，然後手動輸入到計算機並獲得結果。
但在機器學習的幫助下，我們隨意把一張圖片丟給電腦就能返回結果，我們直接用語言就可以來命令計算機來為我們提供各種服務。
如果想了解深度學習課程的，可以了解一下U就業和中科院的合作項目，課程由中科院自動化所人工智慧專家傾力研發，將從實際的科研工程項目中，截取6個典型任務，帶領學員體驗系統架構設計、關鍵演算法選取、核心模塊開發、識別效果測試等實際項目建設的全流程，並重點掌握核心AI模塊的開發環節，還是比較適合學習的。
⑷ 什麼是BBE高音質
BBE全稱是BBE Sonic Maximizer，BBE高清晰度語音技術是BBE Sound特許使用的核心音頻增強技術，BBE技術是美國BBESound公司於1985年推出的用於大幅度改善聲音質量的一種音效增強處理技術，運用世界首屈一指的調節音頻的高科技，完美地解決了普通彩電聲音頻率發生相位位移和各種失真，難於再現原聲的問題。採用BBE音效增強技術，能補償錄放音過程中的聲音損失和遲延，使音樂節目中的高音更加清晰、自然、亮麗且更富有細節表現力，使低音強勁、清晰並富有節奏感，其音效可與HI-FI音響相媲美。
http://ke..com/view/471890.htm
⑸ 畢業設計課題是語音增強演算法模擬，但苦於短時間內無法掌握matlab軟體的使用，所以想求助各位前輩
很好
通常
坑道我
日子非常幽默,
表達的,信息
服務就是這么多
⑹ 跪求高手幫忙 給我一些語音增強演算法的matlab程序，比如基於維納濾波和小波閥值變換的演算法程序
%在雜訊環境下語音信號的增強
%語音信號為讀入的聲音文件
%雜訊為正態隨機雜訊
sound=wavread('c12345.wav');
count1=length(sound);
noise=0.05*randn(1,count1);
for i=1:count1
signal(i)=sound(i);
end
for i=1:count1
y(i)=signal(i)+noise(i);
end
%在小波基'db3'下進行一維離散小波變換
[coefs1,coefs2]=dwt(y,'db3'); %[低頻 高頻]
count2=length(coefs1);
count3=length(coefs2);
energy1=sum((abs(coefs1)).^2);
energy2=sum((abs(coefs2)).^2);
energy3=energy1+energy2;
for i=1:count2
recoefs1(i)=coefs1(i)/energy3;
end
for i=1:count3
recoefs2(i)=coefs2(i)/energy3;
end
%低頻系數進行語音信號清濁音的判別
zhen=160;
count4=fix(count2/zhen);
for i=1:count4
n=160*(i-1)+1:160+160*(i-1);
s=sound(n);
w=hamming(160);
sw=s.*w;
a=aryule(sw,10);
sw=filter(a,1,sw);
sw=sw/sum(sw);
r=xcorr(sw,'biased');
corr=max(r);
%為清音（unvoice）時，輸出為1；為濁音（voice）時，輸出為0
if corr>=0.8
output1(i)=0;
elseif corr<=0.1
output1(i)=1;
end
end
for i=1:count4
n=160*(i-1)+1:160+160*(i-1);
if output1(i)==1
switch abs(recoefs1(i))
case abs(recoefs1(i))<=0.002
recoefs1(i)=0;
case abs(recoefs1(i))>0.002 & abs(recoefs1(i))<=0.003
recoefs1(i)=sgn(recoefs1(i))*(0.003*abs(recoefs1(i))-0.000003)/0.002;
otherwise recoefs1(i)=recoefs1(i);
end
elseif output1(i)==0
recoefs1(i)=recoefs1(i);
end
end
%對高頻系數進行語音信號清濁音的判別
count5=fix(count3/zhen);
for i=1:count5
n=160*(i-1)+1:160+160*(i-1);
s=sound(n);
w=hamming(160);
sw=s.*w;
a=aryule(sw,10);
sw=filter(a,1,sw);
sw=sw/sum(sw);
r=xcorr(sw,'biased');
corr=max(r);
%為清音（unvoice）時，輸出為1；為濁音（voice）時，輸出為0
if corr>=0.8
output2(i)=0;
elseif corr<=0.1
output2(i)=1;
end
end
for i=1:count5
n=160*(i-1)+1:160+160*(i-1);
if output2(i)==1
switch abs(recoefs2(i))
case abs(recoefs2(i))<=0.002
recoefs2(i)=0;
case abs(recoefs2(i))>0.002 & abs(recoefs2(i))<=0.003
recoefs2(i)=sgn(recoefs2(i))*(0.003*abs(recoefs2(i))-0.000003)/0.002;
otherwise recoefs2(i)=recoefs2(i);
end
elseif output2(i)==0
recoefs2(i)=recoefs2(i);
end
end
%在小波基'db3'下進行一維離散小波反變換
output3=idwt(recoefs1, recoefs2,'db3');
%對輸出信號抽樣點值進行歸一化處理
maxdata=max(output3);
output4=output3/maxdata;
%讀出帶噪語音信號，存為'101.wav'
wavwrite(y,5500,16,'c101');
%讀出處理後語音信號，存為'102.wav'
wavwrite(output4,5500,16,'c102');
⑺ 怎麼用MATLAB里的GUIDE實現聲音信號的採集和處理
如果是想將聲音信號錄制到matlab裡面，則可以使用以下的函數。
R = audiorecorder( 44100, 16 ,2 ) ；
%創建一個保存音頻信息的對象，它包含采樣率，時間和錄制的音頻信息等等。44100表示采樣為44100Hz（可改為8000, 11025, 22050等，此數值越大，錄入的聲音質量越好，相應需要的存儲空間越大），16為用16bits存儲，2為兩通道即立體聲（也可以改為1即單聲道）。
record(R);
%開始錄制，此時對著麥克風說話即可。
pause(R);
%暫停錄制。
play(R)
%播放錄制的聲音。
resume(R);
%繼續錄制.
stop(R);
%停止錄制
myspeech = getaudiodata(R);
%得到以n*2列數字矩陣存儲的剛錄制的音頻信號。
%對這個矩陣你就可以用各種濾波器進行處理，或者把它和別的音頻混音等等。你也可以畫出它的波形（如果時間較長畫波形可能會花點時間）。
plot(myspeech)
%畫出波形
%如果你想保存可以使用
wavwrite(myspeech,44100,16,'myspeech')；
%myspeech表示要存入的波形矩陣，44100表采樣率，16 為以16bits存儲，'myspeech'為存儲的文件名。
%matlab有極其豐富的音頻處理濾波功，此處介紹最基本的錄入、播放和保存操作
⑻ 幾種語音增強技術降噪效果的比較和MATLAB模擬
如果不同方法之間性能差別比較大，通常可以直觀地觀察出哪個更好，不少時候這也是進行處理希望達到的效果。如果是灰度圖，使用均值只說明亮度的差別，難以用於比較增強效果（雖然通過灰度變換的確可以增強圖像，但是效果通常可以直接觀察出來）。
從數據的角度，使用灰度直方圖有一定幫助（參見《數字圖像處理》「直方圖均化」部分）。另外還得看增強演算法的目的，如果是為了降噪，那麼使用各種演算法各自對不同的雜訊類型進行處理，然後比較所得結果，更能說明演算法的針對性及性能特點。
關於專門的描述，建議參考岡薩雷斯的《數字圖像處理》，綠色十六開，對於灰度變換，輪廓圖區，濾波等增強技術常見的技術都有詳盡的描述和比較。
⑼ 什麼是360º智慧言語導航系統（OSN）
360º智慧言語導航系統（OSN）
Open Sound Navigator
持續不間斷360度高速掃描環境聲音
快速減少來自特定方向的大噪音，同時保留語音
快速衰減剩餘的擴散噪音，即使是詞句之間
360º智慧言語導航系統（OSN）是一種新的集成語音增強演算法，全面收集環境中360º聲源，綜合分析並平衡環境中各種聲音，時刻關注周邊環境的變化，聚焦主要言語聲，通過選擇性的聆聽與交流，讓佩戴者在聚會等復雜環境中言語清晰度更高，交流更輕松。
360º智慧言語導航系統（OSN）採用新的方向性技術，360°收集聲源，定位更准確，空間立體感更強。
OSN系統把環境中的每個聲源作為一個獨立的點，單獨收集單獨處理，每個聲源的聲音都能清晰聆聽，並且每個聲源之間不會相互干擾，既能保證每個聲源都能聽到，又不會影響主要聲源的清晰度。