本文介紹的第一種方法根據人類聽覺系統的特點，利用小波對語音信號進行壓縮，增加了數據的嵌入量。
他們發現語音信號通常都是低沉的，而音樂片段的音調範圍卻很廣泛；二者都會隨着時間的推移有不同的變化。
實現了語音信號的錄放。通過PC上DSP的EVM板設計了一個電話自動應答系統。
方法二實現起來簡單，環境適應*較好，對於以清音開頭的語音信號端點檢測效果明顯；
該算法首先利用分形維與小波變換相結合的動態閾值算法進行語音去噪，從而提取出儘可能純淨的語音信號；
本文應用全極點模型，提取語音信號的線*預測係數，並推導出其倒譜系數，獲得線*預測倒譜差分，用以描述説話人聲道的動態變化。
在LABVIEW平台上,通過聲卡獲得語音信號,設計了以美爾頻率倒譜系數及其差分作為語音識別的特徵參數,通過動態時間規整算法來識別的與文本有關的説話人辨認系統.
國文精選館
