拟人机器人头部视觉听觉跟踪关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| 1-1 引言 | 第8页 |
| 1-2 国内外声觉和视觉结合的目标跟踪发展现状 | 第8-12页 |
| 1-2-1 视觉目标跟踪 | 第8-9页 |
| 1-2-2 声音目标跟踪 | 第9-10页 |
| 1-2-3 视觉和声觉结合的目标跟踪 | 第10-12页 |
| 1-3 课题研究背景及意义 | 第12页 |
| 1-4 论文研究内容与结构安排 | 第12-13页 |
| 第二章 视觉目标跟踪系统研究 | 第13-18页 |
| 2-1视觉跟踪概述 | 第13-15页 |
| 2-1-1 目标跟踪的方法介绍 | 第13-14页 |
| 2-1-2 目标跟踪的难点问题 | 第14-15页 |
| 2-2 视觉目标跟踪算法 | 第15-17页 |
| 2-3 本章小结 | 第17-18页 |
| 第三章 听觉目标跟踪系统研究 | 第18-23页 |
| 3-1 应用背景 | 第18页 |
| 3-2 听觉跟踪方法介绍 | 第18-19页 |
| 3-3 含噪的语音信号分离 | 第19-22页 |
| 3-3-1 多基音检测方法 | 第20-21页 |
| 3-3-2 语音信号重建 | 第21-22页 |
| 3-4 本章小结 | 第22-23页 |
| 第四章 基于小波变换的语音消噪处理 | 第23-36页 |
| 4-1 小波基本理论 | 第23-26页 |
| 4-1-1 连续小波变换 | 第23-24页 |
| 4-1-2 离散小波变换 | 第24-25页 |
| 4-1-3 小波函数的介绍 | 第25-26页 |
| 4-2 小波阈值去噪方法分析 | 第26-30页 |
| 4-2-1 小波去噪的基本原理 | 第26-27页 |
| 4-2-2 含噪声信号的小波分析特性 | 第27-28页 |
| 4-2-3 噪声在小波分解下的特性 | 第28页 |
| 4-2-4 用小波分析对信号消噪 | 第28-29页 |
| 4-2-5 小波消噪中阈值的选取 | 第29-30页 |
| 4-3 二次小波分解全局阈值方法 | 第30-32页 |
| 4-4 小波去噪方法实现与结果分析 | 第32-35页 |
| 4-5 本章小结 | 第35-36页 |
| 第五章 拟人机器人噪声背景下的基音检测 | 第36-51页 |
| 5-1 语音信号的前期处理 | 第36-39页 |
| 5-1-1 特征参数 | 第36-37页 |
| 5-1-2 分帧处理 | 第37页 |
| 5-1-3 端点检测 | 第37-39页 |
| 5-2 语音信号的基频提取 | 第39-45页 |
| 5-2-1 影响基音周期检测的因素 | 第40页 |
| 5-2-2 基频提取的主要方法 | 第40-45页 |
| 5-3本文所用算法 | 第45-49页 |
| 5-3-1 算法的基本原理 | 第45-46页 |
| 5-3-2 基音检测的前期处理 | 第46-47页 |
| 5-3-3 清浊音的判别 | 第47页 |
| 5-3-4 基音检测的后期处理 | 第47-48页 |
| 5-3-5 算法流程 | 第48-49页 |
| 5-4 实验结果与分析 | 第49-50页 |
| 5-5 本章小结 | 第50-51页 |
| 第六章 视觉和声觉信息融合的目标跟踪算法研究 | 第51-57页 |
| 6-1 视觉和听觉目标跟踪的预处理 | 第51-53页 |
| 6-1-1 视觉跟踪 | 第52页 |
| 6-1-2 听觉跟踪 | 第52-53页 |
| 6-2 信息融合和权值调整 | 第53-56页 |
| 6-2-1 产生先验分布 | 第53-54页 |
| 6-2-2 产生采样点并计算权值 | 第54-55页 |
| 6-2-3 运动模型 | 第55页 |
| 6-2-4 计算目标的最终位置 | 第55-56页 |
| 6-2-5 权值调整 | 第56页 |
| 6-3 本章小结 | 第56-57页 |
| 第七章 结论与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
