文章导航
大三上数字信号处理实验报告+大作业（综述论文）
第一次实验
基于时域分析技术的语音识别问题
语音是一种典型的、易于获取的一维时序信号。语音信号处理及识别技术是数字信号处理课程的重要应用板块。时间序列分析、快速傅里叶变换、滤波器设计等多项数字信号处理的教学内容在语音识别核心技术中均占有重要地位。
本次实验面向孤立字语音识别基本任务，由时域角度进行探讨、分析、解决。 本文将通过能识别数字 0～9 的语音识别系统的实现过程详细阐述基于 KNN、随机森林等算法的特定孤立词识别的相关原理和关键技术。
在信号采集部分，首先通过编程方式运用 audiorecorder 函数进行了语音信号的采集并建立了班级语音信号库。在预处理部分，我们对语音信号进行了批量处理：运用汉明窗函数进行分帧加窗处理，短时时域特性分析、 基于双门限法的端点检测。基于时域分析提取的特征向量，本文选择了 KNN、随机森林等分类器进行了孤立字语音识别。最后进行了实验对比及量化分析。
运用 KNN，最后的识别准确度为 55%左右；运用随机森林，最后的识别准确度为 20%左右；运用隐马尔可夫模型，最后的识别准确度为 20%左右。综上，KNN 算法有更好的识别效果。
实验报告1原文：实验1
第二、三次实验
基于 MFCC 和 DTW 的频域语音识别问题
本次实验面向孤立字语音识别基本任务，由频域角度进行探讨、分析、解决。 本文将通过能识别数字 0～9 的语音识别系统的实现过程详细阐述基于 MFCC、DTW 的特定孤立词识别的相关原理和关键技术.
在信号采集部分，首先通过编程方式运用 audiorecorder 函数进行了语音信号的采集并建立了班级语音信号库。在预处理部分，我们对语音信号进行了批量处理：进行预加重滤波处理;运用汉明窗函数进行分帧加窗处理，短时时域特性分析并对该特定时段的语音信号进行离散时间傅里叶（DTF）变换，得到相应的频谱结果; 求取Mel 倒谱系数和 MFCC 系数，运用模板匹配法、动态时间规整（DTW）进行分类识别。
通过实验对比、量化分析及改进，本系统的语音识别平均准确率大致为 48%。
实验报告2 3原文：实验2 3
综述大作业
心电信号的处理与分类方法综述
在现代心脏疾病的诊断中，往往会使用心电图进行辅助诊疗手段。国内外对于心电信号的处理与分类方法进行了许多研究。概述了心电信号的一般特征和处理与识别的一般过程，回顾了心电信号预处理与特征提取的主要方法及其主要的发展。重点讨论了三种心电信号的分类算法：统计模式识别分类法、神经网络分类法、结构模式识别分类法。并且介绍了几种方法的发展状态和未来的研究方向。
大作业原文：综述
