matlab开发-AMDF。本练习计算语音帧的短时平均幅度差函数（AMDF）。

语音处理类，应该是加州圣迭戈大学流出来的。包含了MFCC AMDF 等语音提取算法 Feature0.95

数据融合matlab代码自适应多尺度深度融合残差网络用于遥感影像分类 重要的样本选择策略（ISSS）在matlab中实现。 自适应多尺度深度融合残差网络（AMDF-ResNet）是使用Caffe的深度学习框架实现的。 文件夹数据集是数据集，其中image1表示Vancouver Level 1B图像，而image2表示Vancouver Level 1C图像。 文件夹模型是用于训练和测试的模型。 在文件夹caffe中，基于原始caffe模块，添加了用于实现自适应融合模块的相关代码。 文件夹data_code包含用于数据处理的代码，其中data_normal.py标准化数据，而test_index.py保存测试像素的坐标，以减少内存使用量。 使用不同的数据集时，需要替换代码中的相应数据路径。 1，构建Caffe和pycaffe cd ./caffe 制作所有&&制作pycaffe 2.测试 文件夹输出包含使用我们的方法训练的权重。 使用这些权重进行测试，可以获得相应的分类图和定量结果。 定量结果保存在res.txt中。 cd ./代码 python test_net.py 3.火车 首先

此 MATLAB 练习计算并显示来自指定语音文件的一帧语音的 AMDF，并基于逐帧使用 AMDF 实现基音检测算法。 该程序可以在帧模式下运行，显示每个分析帧及其相关的 AMDF（带有用于对浊音区域中的基音周期进行最佳估计的标记），或在基音检测模式下运行。 在 AMDF 基音检测模式中，使用无声帧检测器（当帧对数能量低于固定阈值时）。 该代码还使用了一个程序来确定对于给定的分析帧，AMDF 最小值的位置是否代表基音周期加倍甚至基音周期三倍的情况，并为这种情况提供了适当的校正措施。 该练习绘制了基音周期轮廓以及基于每个分析帧获得的 AMDF 最小值的强度的置信度量图。

基于matlab环境下的基音周期的计算，得到很好的结果，用的是AMDF方法