- 综合排序
- 最热优先
- 最新优先
- 来自专栏知识点分享
声学简介
什么是声学？ 声学是研究声音的物理学，研究内容包括声信号的产生、传输和检测等所有与之相关的多物理学科。 声学范围 下载LMS Virtual.Lab 声学手册在声学中，声音由传播介质产生、在其中传播并受其影响，最终被人们检测、感知并进行分析。 例如，音乐家用钢琴演奏出美妙的音符（音乐）；有些工程师研究拾音麦克风，而其他一些工程师则通过扬声器对声音的再现进行优化（电声学）；建筑师和土木工程师确保声音在音乐厅完美再现（室内声学）；听者的耳朵接收声音 显而易见，声学在本质上涉及多个学科和多个物理场。在这里，我们主要讨论与工程和地球科学相关的声学物理原理。 有关声学的详细分类，请参见《美国声学学会杂志》（Journal of the Acoustical Society of America） 使用的 PACS classification。
1.2K20编辑于 2022-06-01 - 来自专栏深度应用
·主流声学模型对比
主流声学模型对比 目录 概述 基础概念 语音帧 语音识别系统 主流声学建模技术 HMM DNN-HMM FFDNN CNN RNN及LSTM CTC 其他建模技术 语言建模技术 语音唤醒技术 关于未来 简单来说，声学模型的任务就是描述语音的物理变化规律，而语言模型则表达了自然语言包含的语言学知识。 （编者注：分帧后的语音信号逐帧提取语音特征用于声学模型建模。） ? 识别的公式如图4所示，可见声学模型主要描述发音模型下特征的似然概率；语言模型主要描述词间的连接概率；发音词典主要是完成词和音之间的转换，其中声学模型建模单元一般选择三音素模型，以“搜狗语音为例”， sil-s 主流声学建模技术 近年来，随着深度学习的兴起，使用了接近30年的语音识别声学模型HMM(隐马尔科夫模型)逐渐被DNN(泛指深度神经网络)所替代，模型精度也有了突飞猛进的变化，整体来看声学建模技术从建模单元
4K22发布于 2019-06-27 - 来自专栏深度学习|机器学习|歌声合成|语音合成
声学特征提取and WORLD Using
声谱图（Spectrogram） image.png 这段语音被分为很多帧，每帧语音都对应于一个频谱（通过短时FFT计算），频谱表示频率与能量的关系。在实际使用中，频谱图有三种，即线性振幅谱、对数振幅谱、自功率谱（对数振幅谱中各谱线的振幅都作了对数计算，所以其纵坐标的单位是dB（分贝）。这个变换的目的是使那些振幅较低的成分相对高振幅成分得以拉高，以便观察掩盖在低幅噪声中的周期信号）。 image.png 我们先将其中一帧语音的频谱通过坐标表示出来，如上图左。现在我们将左边的频谱旋转90度。得到中
67410发布于 2021-01-14 - 来自专栏音乐与健康
解析声音“疗伤”的密码（音波声学）
柏林声学实验室更发现。低频段（60-80Hz）音波能像物理按摩般刺激副交感神经。古琴大师龚一演奏的《流水》。每个泛音间隔0.8秒。恰好匹配深度呼吸的黄金节奏。
37110编辑于 2025-10-25 - 来自专栏全栈程序员必看
基于Speex的声学回声消除
所谓声学回声消除，是为了解决VoIP（网络电话）中这样一个问题：即A与B进行通话，A端有麦克风和扬声器分别用来采集A的声音和播放B的声音，B端有麦克风和扬声器分别用来采集B的声音和播放 声学回声消除一般可以通过硬件和软件分别实现，目前来说，硬件实现比较简单，软件实现较难，这里的难并不是说回声消除算法很难，而是在应用算法时的实时同步问题很难，目前软件实现较好的应该是微软，但似乎也对硬件配置和操作系统有要求 而Speex提供了声学回声消除算法库，本文就简单用Speex对一段录音进行回声消除，当然这不是实时处理的。
4.6K20编辑于 2022-11-16 - 来自专栏AI那点小事
算法提高 9-2 文本加密
问题描述 先编写函数EncryptChar,按照下述规则将给定的字符c转化（加密）为新的字符：”A”转化”B”，”B”转化为”C”，… …”Z”转化为”a”，”a”转化为”b”,… …, “z”转化为”A”，其它字符不加密。编写程序，加密给定字符串。 样例输出 与上面的样例输入对应的输出。 例：
57340发布于 2020-04-20 - 来自专栏硬件大熊
浅析硬件“好声音”: 声学器件
音视频硬件中，声学器件是必不可少的基础元件，声学器件主要包括麦克风和喇叭，麦克风拾取声音，喇叭播放声音。 所以归麦克风凭借其良好的性能，迅速成为消费类产品的首选声学元器件。如下图所示为两种类型麦克风的示例图。
1.6K20编辑于 2022-06-23 - 来自专栏进击的多媒体开发
声学工程师应知道的150个声学基础知识（全篇）
和大家分享一下声学工程师应知道的150个声学基础知识。 注意，声学工程师和音频工程师可不是同一岗位，前者会更侧重于硬件，后者侧重于软件层面。但是关于声音的一些基础内容还是相同的，可以多多了解！！！ 以下是全部的基础知识，内容来源于 声学楼论坛 。 1、 人耳能听到的频率范围是20Hz—20KHz。 2、 把声能转换成电能的设备是传声器。 3、 把电能转换成声能的设备是扬声器。
4.3K20编辑于 2022-10-31 - 来自专栏Lan小站
试题 算法提高 9-2 文本加密
先编写函数EncryptChar,按照下述规则将给定的字符c转化（加密）为新的字符："A"转化"B"，"B"转化为"C"，... ..."Z"转化为"a"，"a"转化为"b",... ..., "z"转化为"A"，其它字符不加密。编写程序，加密给定字符串。
29720编辑于 2022-07-13 - 来自专栏mysql
hhdb数据库介绍(9-2)
本节将描述快速配置关系集群数据库HHDB Server的方法。本节仅介绍必要的配置功能，用于达到快速入门的目的。如果需要了解更多的配置功能，请参考管理平台文档。
43210编辑于 2024-11-28 - 来自专栏深度学习|机器学习|歌声合成|语音合成
语音合成-声学概念和变声变调
声学概念 声音是靠波来传播的，区别任何的声音需要依据三个来区分：响度、音高和音色 响度 音高:声音具有确定的音高，声音就可以使空气以笃定的方式运行。低音就是频率低。 频谱：描述各种波的振幅的大小的图叫做频谱图，这在声学中是相当的重要的。
1.7K10发布于 2021-01-14 - 来自专栏AI机器学习与深度学习算法
机器学习入门 9-2 逻辑回归的损失函数
本系列是《玩转机器学习教程》一个整理的视频笔记。在上一小节介绍了逻辑回归的大致框架，有了大致框架就需要建模来求解参数θ值。本小节重点介绍逻辑回归的损失函数。
1.4K10发布于 2020-02-26 - 来自专栏音乐与健康
我们为什么选择“声学神经调控”这条路？
2024年哈佛大学医学院在《Nature Neuroscience》的研究证实，特定模式的声学信号能调节神经振荡同步性，且这种调节具有长期稳定性；2025年斯坦福大学医学院的临床数据更显示，声学干预的不良反应发生率比电 /磁刺激低82%——安全性与长效性，正是鲸倍尔选择声学神经调控路径的核心依据。 它是一种可以被建模、被量化、被反复验证的物理信号——这一认知早已是全球声学神经调控领域的共识。 骨声纹正是基于这些研究，捕捉与神经张力、应激水平、生理节律相关的声学特征集合。 让神经系统——用“频谱参数”被理解基于骨声纹这一精准观测窗口，我们构建了频率依赖的神经-声学传导模型（FD-NATM）。
10100编辑于 2026-04-22 AI模型Perch助力生物声学保护濒危物种
AI如何推动生物声学科学发展以拯救濒危物种某机构旗下的Perch新模型帮助保护主义者更快分析音频，从而保护从夏威夷旋蜜雀到珊瑚礁等濒危物种。 它能够解耦数千甚至数百万小时音频数据中的复杂声学场景。该模型用途广泛，能帮助回答多种不同类型的问题，从“有多少幼崽出生”到“给定区域内存在多少只动物”。 此外，Perch正在帮助某机构和某声学观测站为多个独特的澳大利亚物种构建分类器。例如，相关工具帮助发现了一个新的、难以捉摸的平原游荡鸟种群。 近期论文《寻找叫声：生物声学中的敏捷建模》表明，该方法在鸟类和珊瑚礁场景中均有效，能够在不到一小时内创建出高质量的分类器。 展望未来：生物声学的前景这些模型和方法共同助力最大化保护工作的影响力，为有意义的实地工作留出更多时间和资源。
8900编辑于 2026-05-27- 来自专栏音视频技术
非线性声学回声消除技术
非线性的声学回声消除问题，在实际声学系统里面非常普遍也非常棘手，到目前为止还没有特别有效的办法来解决。目前介绍非线性声学回声消除的公开文献也少之又少。 1.非线性声学回声 1.1 什么是非线性声学回声？ 1.1.1 什么是非线性的声学回声 下面我们直接进入到第一个部分，什么是非线性的声学回声？ 非线性声学回声产生的原因 非线性声学回声产生的原因，我一共列了两条原因。原因之一，声学器件的小型化与廉价化，这里所指的声学器件就是前面B里面提到的功率放大器和喇叭。 这就是声学器件小型化容易产生非线性失真的一个主要的原因。这里廉价化比较好理解了，就不多说了。 原因之二，就是声学结构设计的不合理。最典型的一个实例就是声学系统的隔振设计不合理。 非线性声学回声系统建模 继续回到前面的这个声学回声路径图。我们对这个模型进行了简化。
2.5K30发布于 2020-11-10 - 来自专栏黄成甲
声学相机：用“眼睛”看见声音的奥秘
测量中同步记录设备的可见光图像，以其为背景，通过几何配准将声场分布彩色等高线云图与可见光图像叠加显示，获得声学成像结果。声学成像结果中直观显示了声源空间位置、强度和频谱等特征。 声学相机的“视觉”如何形成？ 硬件基础：麦克风阵列的奥秘 说到声学相机的视觉形成，这里就不得不提到麦克风阵列设计。 智能城市：体育场球迷互动 声学相机在智能城市的体育场球迷互动与建筑声学优化中展现出多模态感知与精准溯源的核心能力。 技术升级方面，AI深度学习算法与声学相机深度融合，实现数据驱动的声学优化。 更值得期待的是，量子计算与生物声学模型的融合，或将开启跨物种声波通信的探索。 当前，声学可视化技术标准化进程亟待加速。
2.3K12编辑于 2025-07-29 - 来自专栏信数据得永生
django 1.8 官方文档翻译：9-2 本地特色附加功能
由于历史因素，Django自带了django.contrib.localflavor – 各种各样的代码片段，有助于在特定的国家地区或文化中使用。为了便于维护以及减少Django代码库的体积，这些代码现在在Django之外单独发布。
34840编辑于 2022-11-27 - 来自专栏AI研习社
一文详解 DNN 在声学应用中的模型训练
本文通过简单kaldi源码，分析DNN训练声学模型时神经网络的输入与输出。
1.7K60发布于 2018-03-19 语音情感分析技术解析：声学与词汇信息融合
混合架构与两阶段训练传统语音情感分析方法通常包含两个步骤：提取预定义的声学特征（如音高和频谱能量波动），再基于这些特征进行分类。这类方法对短时情感表达有效，但对自然对话场景的性能有限。 某中心的语音语调分析采用混合方案：结合声学特征与语言信息，采用编码器-解码器结构的自动语音识别（ASR）模型。模型同时接受情感识别和语音识别训练，随后冻结编码器作为情感分类前端。 技术架构特点深度学习前端通过自监督预训练提取语音信号特征ASR分支编码器对应声学模型，将声学特征映射为词块抽象表示解码器对应语言模型，将词块组合成有意义词汇异构数据集训练策略传统模型使用小规模短语句数据集 实际部署中：处理5秒语音片段，每2.5秒更新一次实时计算语音存在概率和情感概率基于短期情感概率计算过去30秒及全程的情感估计测试表明，该混合模型性能优于仅依赖文本或声学数据的传统方法。
37410编辑于 2025-09-13- 来自专栏yuyy.info技术专栏
第十周算法提高9-2文本加密
本文最后更新于 1163 天前，其中的信息可能已经有所发展或是发生改变。 #include<iostream> using namespace std; int main(){ char arr[55]; int i=0; cin>>arr; while(arr[i]!='\0'){ if(arr[i]=='A')arr[i]='B'; else if(arr[i]=='A')arr[i]='B'; else if(arr[i]=='B')arr[i]='C'; else if(a
35410编辑于 2022-06-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号