受声学研究启发,结合人脑人耳听觉特性对语音的处理方式,建立了一个完整的模拟听觉中枢系统的语音分离模型．首先利用外周听觉模型对语音信号进行多频谱分析,然后建立重合神经元模型提取语音信号的特征,最后在脑下丘的神经细胞模型中完成对语音的分离．基于现有的语音识别方法,该模型能够很好地解决绝大多数的语音识别方法都只能在单声源和低噪声的环境下使用的问题．实验结果表明,该模型能够实现多声源环境下语音的分离并且具有较高的鲁棒性．随着研究的深人,基于人耳听觉特性的语音分离模型将有很广泛的应用前景．

人耳具有提取感兴趣的声音、屏蔽噪声以及定位的功能。利用人耳听觉机理的听觉场景分析技术是语音信 号处理的有力工具。提出了一种新的基于听觉场景分析的盲分离方法,可以对多个源信号混合而成的2个传感器信 号进行分离。耳间时间差( ITD)和强度差( IID)包含信号源的位置信息。通过听觉外周模型对混合信号进行处理,得 到各个频率通道的 ITD和 IID,再对混合信号的频域表示进行聚类,可得到源信号的频域表示。由于 ITD和 IID分别 在高低频段起主要作用,聚类时对高低频段采取了不同的分类准则。仿真实验表明了该方

LT码的MATLAB仿真代码

语音信号通过全通滤波器的实验，吉诚，刘惠华，全通滤波器的幅频响应恒定不变，通过设计不同的相位参数可以得到不同的因果全通滤波器。本实验将语音信号通过所设计的不同参数的

此代码是从 beep2（由 Raytheon Missile Systems Co 的 Dave Johnson）修改而来的。 解决了大约播放180声后，出现错误信息“???无法写入声音设备”的问题。 如果您只想播放几次哔声或提示音，请使用 beep2。 如果你想在实验中呈现 200 多种音调，试试这个。 如果您发现任何错误或您有更好的代码，请回复。

二摘代码MATLAB IPEM工具箱 一个开源听觉工具箱，用于基于感知的音乐分析。 目的 随着听觉建模的复杂性增加，迫切需要高级工作工具和配套手册。 IPEM工具箱为在现代化实验室环境（Matlab）中基于感知的音乐分析提供了基础和工具。 它与声音背道而驰，将人的感知作为音乐特征提取以及更高层次的概念化和表示的基础，将声音/音乐感知的实验结果和建模技术组合成强大的音乐研究范式。 IPEM工具箱旨在： 为在Matlab中受听觉处理启发的项目中的研究人员提供音乐分析工具。 让学生有机会熟悉Matlab中的听觉处理。 帮助学生了解与声音感知有关的机制。 通过邀请用户评估IPEM工具箱来进行合并和改进。 内容 IPEM工具箱包含一组用于音乐听觉建模的Matlab功能，使用户可以将这些工具整合到自己的研究中。 IPEM工具箱随附的PDF手册记录了已实现模型的概念和功能的用法。 IPEM工具箱对于对音乐内容分析以及音乐特征的自动提取和描述感兴趣的研究人员很有用。 如上所述，我们的目标是提供功能，使研究人员能够处理感知领域中特征提取的不同方面（即和弦和音调，音调，感官失调，发作检测，节拍和音高提取，

人工智能-机器学习-混叠语音的计算听觉场景分析研究.pdf

介绍了一个机器人声源定位系统的设计过程，并最后做了实验，结果证明了该方法的可行性

声源定位技术定位出外界声源相对于机器人的方向和位置,机器人听觉声源定位系统可以极大地提高机器人与外界交互的能力。总结和分析面向机器人听觉的声源定位技术对智能机器人技术的发展有着重要的意义。首先总结了面向机器人听觉的声源定位系统的特点,综述了机器人听觉声源定位的关键技术,包括到达时间差、可控波束形成、高分辨率谱估计、双耳听觉、主动听觉和视听融合技术。其次对麦克风阵列模型进行了分类,比较了基于三维麦克风阵列、二维麦克风阵列和双耳的7个典型系统的性能。最后总结了机器人听觉声源定位系统的应用,并分析了存在的问题和

心理听觉模型的matlab程序，基于MPEG-1，有需要的下载