LPC 算法说明

该项目实现了基于线性预测编码（LPC）分析的语音共振峰频率跟踪算法。算法能够有效地从输入语音波形中提取共振峰频率轨迹，并可用于语音分析、语音识别等领域。

下载所有文件后，在Matlab中运行.mlapp文件即可执行该代码。线性预测编码将人类语音建模为过去样本的线性函数。通过MATLAB App创建了用户界面。

使用Matlab开发LPC声码器，即执行语音文件的LPC分析和合成。

Matlab开发：LPC分析与变动参数。讨论了LPC多项式对数幅度谱与STFT对数幅度的匹配行为。

介绍了如何在GUI界面上实现语音识别，并利用MATLAB开发LPC（线性预测编码）技术，从波形文件中提取语音特征。

SVM分类算法Matlab实现及详细说明，涵盖了算法原理及其在实际应用中的操作指南。

Matlab语音识别开发：应用gmfc与lpc技术。该程序利用mfcc和lpc技术成功实现了对六个符号的基本语音识别。

10.2 字符串算法 字符串处理是编程中常遇到的问题，字符串匹配在数据挖掘和搜索算法中应用广泛。以下介绍三种有效的字符串匹配算法：朴素字符串匹配算法、Rabin-Karp算法和Knuth-Morris-Pratt算法。 字符串匹配是查找字符串T中是否包含字符串P。我们把字符串T称为原字符串，把字符串P称为查找模式。假设T的长度为n，P的长度为m，很明显|m|≤|n|。如果我们在进行字符串匹配的时候存在一个整数s，0≤s≤n-m，使得P字符串在T中被找到，即P[1...m]=T[s+1...s+m]，我们就称s为字符串P匹配查找过程的有效位移。从这个角度来看，字符串匹配的过程其实就是查找在字符串T中模式P出现的所有有效位移。 10.2.1 朴素字符串匹配算法 朴素字符串匹配算法是一种比较原始的字符串匹配算法，它以模式P为单位去比较字符串，循环地遍历字符串T，找出所有的有效位移s。朴素字符串匹配算法思想比较简单，直接来看看代码就能理解了。 #include using namespace std; /****朴素字符串匹配****/ list naiveStringMartch(const string *T, const string P){ int n = T->size(), m = P.size(); list res; for (int s = 0; s <= n - m; s++) { bool flag = true; for (int i = 0; i < m>at(s + i) != P[i]) { flag = false; break; } } if (flag) res.push_back(s); } return res; }

12.2在找工作面试的时候，面试官常常会要求应聘者现场在纸上写一些算法程序。这样可以考察应聘者对数据结构和基本算法的熟练程度。本节我们就选取一些面试程序题中的典型代表加以讲解，让读者能够对这类算法题有一个初步的了解。 12.2.1遍历一次求取单链表的中间点【问题描述】如何在遍历一次的条件下，求出链表的中间结点。 【分析】单链表是简单、基础的一类数据结构，由于它简单的结构，相对容易的实现代码，以及灵活的应用模式，成了面试考题的宠儿。链表是一种相对动态的数据结构，可随时向链表中添加结点（只要有足够的内存），添加结点时，需要为新结点分配内存，然后调整指针的指向来确保新结点被连接到链表中。由于链表中的内存不是一次性分配的，我们无法保证链表和数组一样是连续的。因此如果想在链表中找到它的第i个结点，就必须从头结点开始，沿着指向下一个结点的指针遍历链表。本题要求我们在不知道链表长度的情况下，找出链表的中间结点。其实，单链表是线性数据结构，我们可以把它当成一条直线，想象一下我们中学时所做过的一些物理题，经常会让我们去计算一条路的中点，那我们用的是什么方法呢？一般我们会设定两辆汽车，一辆快车，一辆慢车，其中快车的速度是慢车的两倍，这样两辆车同时从起点出发，当快车到达终点时，慢车正好到达这条路的中心点。同样的，我们在这道题中，引入两个指针，一个快指针，一个慢指针，快指针的移动速度是慢指针的两倍，快指针每次移动两个结点，慢指针每次移动一个结点，这样，当快指针到达单链表末尾的时候，慢指针刚好到达链表的中间结点。按照这个思路，我们的实现代码如下：图12-2运行结果