если:

и

то получается речь идёт о схожести 86% =)


я на самом деле не особо разбирался гаусянами, возможно такой вариант вам подойдёт:
если у вас есть несколько моделей/классов - получается сумма верояностей этих классов 100%
например для 5-ти классов
получаеся N*(p1+p2+p3+p4+p5)=1.0, где N - некий коэфициент нормализации который можно посчитать 1.0/sum(P)
теперь что бы привести вероятность P к нормальному виду можно уможить её на N

Подскажите,каким образом принимается решение о том что слово распознано,какие условия должны выполняться.И ещё пишут что,там 80 %,там 90 % распознования,что имеется ввиду??(10 раз сказал слово ->9 раз выполнились условия=90%? или например 10 раз сказал слово ->10 раз разница = 0.1 при максимальной разнице (например=1) =90%?? дайте ссылку на подробное описание алгоритма, а то я что то пока плаваю.

Как ты обрезаешь лишнее(шум)?

2 Обрезаю лишнее (шум) остается приблизительно 1/3 сигнала

2. При усреднении по мел наоборот - т.е. с увеличением частоты ширина полос уменьшается.

2 Обрезаю лишнее (шум) остается приблизительно 1/3 сигнала
3 Делю их на фреймы (кадры) по 20мс с перекрытием в 2/3

4 Сравнение с помощью DTW:
D(x,y) = sqrt(sum( (x[i] - y[i])^2 ) );
x - входной вектор
y - эталонный вектор словаря

или в этом случаи можно обойтись вообще без применения триугольного фильтра.

Я не следил, что такое у Вас Aj.
Пусть у Вас есть 128 (например) значений спектра (после БПФ).
Вы разбиваете весь частотный диапазон на 20 (например) критических полос.
В каждой полосе будет несколько значений спектра (чем шире полоса - тем больше). Из них берёте максимальное.

Вы имеете ввиду для каждой полосы взять только наибольшее Aj?

Может iitta выскажется - он тоже заваривал эту кашу, в том числе про фильтрацию в частотной области

Подскажите, пожалуйста?
Или можно усреднять по любому массиву, в котором элементы изменяются по логорифму???

Fs = 12000 / 300;
for j = 2:23
kj = round(FHZ(j) / Fs);
kl = round(FHZ(j - 1) / Fs);
kr = round(FHZ(j + 1) / Fs);
l = kj - kl;
r = kr - kj;
Aj = 0;

for i = 1:l
mi = i / l;
Aj = Aj + s_log(kl + i) * mi;
end
for i = 1:r - 1
mi = i / r;
Aj = Aj + s_log(kr - i) * mi;
end
A(j) = Aj / (l + r - 1);
end

Или можно усреднять по любому массиву, в котором элементы изменяются по логорифму???

Внес небольшие изменения в алгоритм:
Массив частот FHZ раньше был до 12000, а теперь до 150 (поскольку 150 отсчетов в БПФ/2). Кол-во элеметов сделал 20. Частоты в Герцах.

FHZ = [7,15,22,30,37,45,52,60,67,75,82,90,97,105,112,120,127,135,142,150];

Результат:
Значительное улучшение распознавания приблизительно на 20..30%. У меня теперь слово "семь" распознает на 90% =) Также хорошо распознаются длинные команды: "наушники", "микрофон"

И чем Ваш пост помог мне? Чем он не "высокомерное издевательство"?

А это уже напоминает высокомерное издевательство над неопытным человеком

И что с этим корнем делать?

Дополнительных шумов никто и не обещал, а вот уменьшение шума наблюдается за счёт участия всех компонент окна анализа в получении спектра. Хотя судя по вашим предыдущим заявлениям, объяснить вам ничего невозможно

корень из всего, что внутри

antonsrv8, То что написал Коровин - понятно.
А то, что Вы написали - непонятно. Какой-то корень, висящий в воздухе.

Вот и обьясните откуда в данном случае могут возникать дополнительные шумы, если корректировать АЧХ во временной области

Я имел ввиду, какую передаточную функцию (формулу,выражение) в контексте цифровой обработки данных, а не схемотехники.

читать здесь

Интересно знать откуда берутся дополнительные шумы при линейной операции.

А не могли ли Вы чуть подробней пояснить, какой вид имеет обычный ФВЧ первого порядка, у которого.....?

Если вы собираетесь использовать этот же фильтр (т.е. ту же самую АЧХ) с другой тактовой частотой, коэффициенты необходимо пересчитывать. "Обычно 0.97" это глупость.

Если вы собираетесь использовать этот же фильтр (т.е. ту же самую АЧХ) с другой тактовой частотой, коэффициенты необходимо пересчитывать. "Обычно 0.97" это глупость.

Если чесно, то я незнаю как правельнее, пусть нам подскажут эксперты =)

Этот фильтр для предусиления высоких частот используется, собственно и коэффициент фильта подобран, чтобы нужные частоты предусиливались.

3.4 Далее формирую 300 пар по принципу описаного в этой теме:
s(k) = y(k) ^ 2 + y((N + 1) - k) ^ 2; (k = 1..300; N = 600)
Первый с последним, второй с предпоследним и т д

Обычно логарифмы берут уже от результатов фильтрации гребенки. В этом случае всего 20 логарифмов нужно посчитать, а не 300.

Что значит "обычно"? Мне например больше нравится коэффициент 0.5 Это как хорошо или плохо? По идее точность распознования должна меняться с изменением этого коэффициента. nsh, вы много чего читали и читаете, может вы сможете прояснить этот вопрос?

3.3 Произвожу БПФ(600)
12КГц / 20мс = 600 отсчетов (300 в одну сторону и 300 симметричных)

Обычно 0.97 фильтрация