<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lovekobe1997的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lovekobe1997</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lovekobe1997]]></copyright><item><title><![CDATA[音频扩频的一点知识]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582929</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582929</guid><author>lovekobe1997</author><pubDate>Mon, 29 Aug 2022 13:16:40 +0800</pubDate><description><![CDATA[关于扩频的一点知识]]></description><category></category></item><item><title><![CDATA[公务员用书]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582910</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582910</guid><author>lovekobe1997</author><pubDate>Mon, 29 Aug 2022 13:13:55 +0800</pubDate><description><![CDATA[公务员用书]]></description><category></category></item><item><title><![CDATA[一个音频水印的小例子]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582888</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582888</guid><author>lovekobe1997</author><pubDate>Mon, 29 Aug 2022 13:11:09 +0800</pubDate><description><![CDATA[音频水印]]></description><category></category></item><item><title><![CDATA[关于三大运营商招聘网站]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582874</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/126582874</guid><author>lovekobe1997</author><pubDate>Mon, 29 Aug 2022 13:10:06 +0800</pubDate><description><![CDATA[三大运营商]]></description><category></category></item><item><title><![CDATA[2021-08-03几种混沌序列]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119357127</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119357127</guid><author>lovekobe1997</author><pubDate>Tue, 03 Aug 2021 19:13:41 +0800</pubDate><description><![CDATA[混沌序列

]]></description><category></category></item><item><title><![CDATA[基音周期和共振峰]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119302153</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119302153</guid><author>lovekobe1997</author><pubDate>Sun, 01 Aug 2021 19:09:05 +0800</pubDate><description><![CDATA[基音周期是在声门处气流通过时形成的。发浊音时，具有周期性
共振峰，是基音周期的下一个过程。在声道发生。
气流先通过声门，声门产生基因周期，接下来，经过声道，与声道发生共振，这个共振频率就是共振峰频率，简称共振峰。

...]]></description><category></category></item><item><title><![CDATA[matlab图例legend的位置问题]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119301934</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119301934</guid><author>lovekobe1997</author><pubDate>Sun, 01 Aug 2021 18:48:14 +0800</pubDate><description><![CDATA['Location','southwest'

southwest可以修改。例子如下：


]]></description><category></category></item><item><title><![CDATA[梅尔倒谱分析MFCC]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119205867</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119205867</guid><author>lovekobe1997</author><pubDate>Thu, 29 Jul 2021 13:07:35 +0800</pubDate><description><![CDATA[梅尔倒谱系数
MFCC
梅尔频率倒谱系数的分析是基于人的听觉特性机理，即根据人的听觉实验结果来分析语音的频谱。因为人耳所能听到的声音高低与声音的频率并不成线性正比关系，所以用mel频率尺度更符合人耳的听觉特性。

预加重部分用一个一阶高通滤波器，目的是为了补偿高频分量的损失，提升高频分量。滤波器常设为：

分帧：把每一帧信号当作稳定信号来处理。
加窗：减少频谱泄漏。
FFT:把时域转化为频域，计算谱线能量。
mel滤波：
MEL滤波器滤波：
梅尔频率尺度和实际频率的对应关系


美尔滤波器的传递函数

在梅]]></description><category></category></item><item><title><![CDATA[倒谱推导分析]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119205764</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119205764</guid><author>lovekobe1997</author><pubDate>Thu, 29 Jul 2021 10:40:24 +0800</pubDate><description><![CDATA[根据对语音产生机理的研究可知，语音信号X(n)可看作声门激励信号和声道冲激响应信号的卷积

为了便于处理各卷积信号，系统通常采用同态处理的方法进行解卷积，即将卷积关系变为求和关系，分离参与卷积的各个信号。
一般的同态系统可分解为三个部分。
第一个子系统完成卷积信号转化为加性信号的运算

第二个子系统进行线性处理得到
第三个子系统恢复卷积新号

复倒谱：

倒谱：

clc;clear;
clc;clear;
[x,fs]=audioread('C3_4_y_1.wav');%读取信号
N=1024;%fft]]></description><category></category></item><item><title><![CDATA[**语谱图**]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026376</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026376</guid><author>lovekobe1997</author><pubDate>Fri, 23 Jul 2021 10:48:34 +0800</pubDate><description><![CDATA[语谱图**
clc;clear;

[x,fs]=audioread('C3_3_y.wav');
wlen=256;
win=hamming(wlen);
inc=128;
a=enframe(x,win,inc)';
fn=size(a,1);

 W2=wlen/2+1;
 n2=1:W2;
 Y=fft(a);
 Yn=Y(n2,:);%为啥就取这么短？
 
 freq=(n2-1)*fs/wlen;%频率每秒循环多少次。fs是每秒采用的点数，除以窗长，得到一共循环了多少次。

%画出语谱图
fra]]></description><category></category></item><item><title><![CDATA[短时时域处理（二）]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026270</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026270</guid><author>lovekobe1997</author><pubDate>Fri, 23 Jul 2021 10:47:07 +0800</pubDate><description><![CDATA[短时自相关

clc;
clear;
[x,fs]=audioread('C3_2_y.wav');%读取音频
inc=100;%帧移
win=hamming(200);%汉明窗和窗长
fz=enframe(x,win,inc);%分帧
fn=size(fz,1);%帧数
zc=size(fz,2);%帧长

for i=1:fn
    u=fz(i,:);%取一帧
    u2=xcorr(u');
    r(i,:)=u2(zc,end);
end
subplot(211)
plot(x)
subp]]></description><category></category></item><item><title><![CDATA[短时时域处理（一）]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026166</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026166</guid><author>lovekobe1997</author><pubDate>Fri, 23 Jul 2021 10:44:22 +0800</pubDate><description><![CDATA[短时能量
根据公式自己敲的短时能量代码：
clc;
clear;
[x,fs]=audioread('C3_2_y.wav');
inc=100;
win=hamming(200);
fz=enframe(x,win,inc);
fn=size(fz,1);
for i=1:fn
    u=fz(i,:);
    u2=u.*u;
    power(i)=sum(u2);
end


短时平均幅度:

%短时平均幅度计算函数
function para=STMn(x,win,inc)
    X=en]]></description><category></category></item><item><title><![CDATA[分帧及其复原]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026063</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/119026063</guid><author>lovekobe1997</author><pubDate>Fri, 23 Jul 2021 10:41:29 +0800</pubDate><description><![CDATA[分帧
%分帧函数
function frameout=enframe(x,win,inc)

nx=length(x(:));            % 取数据长度
nwin=length(win);           % 取窗长
if (nwin == 1)              % 判断窗长是否为1，若为1，即表示没有设窗函数
   len = win;               % 是，帧长=win
else
   len = nwin;              % 否，帧长=窗长
end
]]></description><category></category></item><item><title><![CDATA[bitset和bitget]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/117521484</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/117521484</guid><author>lovekobe1997</author><pubDate>Thu, 03 Jun 2021 14:39:41 +0800</pubDate><description><![CDATA[bitset
例子：
&gt;&gt; a=8

a =

     8

&gt;&gt; b=bitset(a,1,1)

b =

     9


首先要把a变成2进制数然后
把a的第一个位置变成1。
第二个
&gt;&gt; b=bitset(a,1,0)

b =

     8

如果只有两个参数
&gt;&gt; b=bitset(a,2)

b =

    10

把a的第二个位置设为1，默认为1

...]]></description><category></category></item><item><title><![CDATA[wavread被删之后的替代audioread]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/117519841</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/117519841</guid><author>lovekobe1997</author><pubDate>Thu, 03 Jun 2021 13:57:39 +0800</pubDate><description><![CDATA[之前的wavread可以同时获取读去的语音数据，采样率，位数
[x_org,fs,bits]=audioread('C8_1_y.wav');

现在audioread不能直接获取位数
如果想获取语音信号的位数，请采用BitsPerSample
ainfo=audioinfo('C8_1_y.wav');

bits=ainfo.BitsPerSample;


...]]></description><category></category></item><item><title><![CDATA[AttributeError: module tensorflow has no attribute placeholder问题的解决]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/117076518</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/117076518</guid><author>lovekobe1997</author><pubDate>Thu, 20 May 2021 14:50:47 +0800</pubDate><description><![CDATA[tensorflow版本问题
把import tensorflow as tf
改为import tensorflow.compat.v1 as tf tf.disable_v2_behavior()

]]></description><category></category></item><item><title><![CDATA[微信小程序收缩式菜单]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/116746625</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/116746625</guid><author>lovekobe1997</author><pubDate>Thu, 13 May 2021 13:23:35 +0800</pubDate><description><![CDATA[wxml文件
&lt;view class="page"&gt;


&lt;!--分类 --&gt;
&lt;view class="li" data-index="0" bindtap='changeToggle'&gt;
&lt;view class="left"&gt;谷类及制品&lt;/view&gt;
&lt;view class="right"&gt;6 &lt;text class="iconfont {{selectedFlag[0]?'icon-shangjiantou':'icon-x]]></description><category></category></item><item><title><![CDATA[微信小程序字母索引菜单]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/116746456</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/116746456</guid><author>lovekobe1997</author><pubDate>Thu, 13 May 2021 13:19:59 +0800</pubDate><description><![CDATA[wxml文件
&lt;view class="container"&gt;

&lt;view class="content"&gt;
  &lt;view class="all-food"&gt;
    &lt;view class="food"&gt;全部食物&lt;/view&gt;
      &lt;scroll-view class="food-scroll" scroll-y="true" scroll-into-view="{{toView}}" scroll-with-animation]]></description><category></category></item><item><title><![CDATA[手写数字识别训练，保存模型，图片初始化，测试一条龙。]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/116527495</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/116527495</guid><author>lovekobe1997</author><pubDate>Sat, 08 May 2021 14:51:36 +0800</pubDate><description><![CDATA[训练及保存模型
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

# 为输入图像和目标输出类别创建节点
x = tf.placeholder(tf.float32, shape=[None, 78]]></description><category></category></item><item><title><![CDATA[《数字信号处理及matlab仿真》关于矢量量化的学习]]></title><link>https://blog.youkuaiyun.com/lovekobe1997/article/details/116454533</link><guid>https://blog.youkuaiyun.com/lovekobe1997/article/details/116454533</guid><author>lovekobe1997</author><pubDate>Thu, 06 May 2021 16:10:03 +0800</pubDate><description><![CDATA[一  基本原理
1 定义
随着数字通信系统的快速发展。他带来了庞大的数据量，因此必须对其进行量化压缩。
量化分为：一类是标量压缩，一类为矢量压缩。
概念：矢量量化是先将看k（k&gt;=2)个抽样值形成的k维空间Rk中的一个矢量，然后将其矢量进行量化，并设法使其失真或量化噪声最小，他可以极大的降低数码率，优于标量量化。
矢量量化的理论基础是香农的率-失真理论。
率-失真理论是对给定的失真D，可以计算率-失真函数R（D）。
矢量量化是先把信号序列的每K个连续样点分成一组，形成K维欧式空间中的一个矢量，然后对此]]></description><category></category></item></channel></rss>