diantongqingjie的博客

matlab 访问网络驱动器

Faster R-CNN深度学习进行目标检测% https://ww2.mathworks.cn/help/deeplearning/ug/object-detection-using-faster-r-cnn-deep-learning.html%此示例说明如何训练 Faster R-CNN（区域卷积神经网络）目标检测器 %-------------下载预训练的检测器doTrainingAndEval = true; %要训练检测器则改为trueif ~doTrainingAndEval &a

本模型使用起始强度检测函数，获取更加明显的音乐输入节拍特征曲线。引入了节拍谱求音乐速度。实验数据集本文实验数据为国际音乐信息检索评测比赛(MIREX)的节拍跟踪的测试数据库，共计20个曲风节奏各不相同的音乐片段，每个片段为30s,同时每个音乐片段都有人工标记节拍点用来做对比。其数据下载地址为https://www.music-ir.org/mirex/wiki/2019:Audio_Beat_Tracking。算法评价标准评估节拍追踪算法性能方面，最基本的为比较计算预测节拍与人工标注节拍的相似度，虽

figure-文件-导出设置1.大小-放大坐标至充满图窗2渲染-自定义渲染器应用于图窗，导出PDF这样图片就会完整显示在PDF上。MATLAB 版本2019a

节拍谱的取得方式为按照论文《THE BEAT SPECTRUM:A NEW APPROACH TO RHYTHM ANALYSIS》获得，但是在分类中，有点阴差阳错的计算出不同的结果。按照得到的节拍谱后，使用阈值对节拍谱判定得到两类分类。...

基于自相关法的端点检测原理个人理解，不管对错噪声信号和含噪语音的自相关函数存在极大的差异。根据噪声的情况，设置两个阈值T1和T2，当相关函数最大值大于T2时，便判定是语音；当相关函数最大值大于或小于T1时，则判定为语音信号的端点黑色根据静音时长。蓝色根据幅度来计算。%自相关端点检测clear all; clc; close all;filedir=[]; ...

斜率判别声音说话跟语音的幅度情况说话纯音乐-classic差不太多读取语音数据得到幅度图斜率从0往两边依次求出相邻区间的斜率根据得到的区间频数和区间中点值来算出两两斜率对比说话跟纯音乐曲线幅频曲线说话斜率变化比较小推测（错了根据概率分布直方图，依次求出右半部份两两相间的斜率。再求斜率的均值。1.读取数据为：普通话等级考试共11个测得结果语音占比为 7...

端点检测能量与过零数的端点检测算法步骤语音信号x(n)进行分帧处理计算每一帧的短时能量，得到语音的短时帧能量计算每一帧语音的过零数，得到短时帧过零数考擦语音的平均能量设置一个较高的门限T1，用以确定语音的开始，然后根据背景噪声的平均能量确定一个稍低的门限T2，用以确定第一级语音结束点。第二级判决同样根据背景噪声平均过零，设置一个门限T3，判断语音前段清音和后端尾音。a. 语音信号分...

参考：https://blog.youkuaiyun.com/qq_39516859/article/details/80166842语音分帧与加窗语音具有时变特性，但在短时间范围内，其特性基本保持不变即相对稳定。所以具有短时平稳性语音信号分成一段一段来分析，每一段称为一‘帧’，帧长一般取为10~30ms。前一帧和后一帧的交叠部分称为帧移。帧移与帧长的比值一般取为0~1/2.窗函数分帧用可移动...

语音信号的统计特性幅度分布的概率密度归一化：均值为0，方差为1.可实现归一化的matlab函数 zscore: z-score 标准化(正太标准化)是基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x’。（matlab的归一化函数为mapminmax，此处以A=[100 200 300 400 500...