动物机器人的语音导航与精细控制方法研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第14-18页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 动物机器人自动控制的挑战 | 第15-16页 |
| 1.3 本文的研究目标与贡献 | 第16-17页 |
| 1.4 文章的整体结构与主要内容 | 第17-18页 |
| 第2章 脑机融合与动物机器人系统 | 第18-29页 |
| 2.1 脑机接口与脑机融合概述 | 第18-23页 |
| 2.1.1 脑到机 | 第18-19页 |
| 2.1.2 机到脑 | 第19-21页 |
| 2.1.3 脑到脑 | 第21-22页 |
| 2.1.4 脑机融合 | 第22-23页 |
| 2.2 动物机器人系统 | 第23-25页 |
| 2.2.1 概述 | 第23页 |
| 2.2.2 系统组成与原理 | 第23-25页 |
| 2.3 动物机器人的控制与导航 | 第25-28页 |
| 2.3.1 概述 | 第25-26页 |
| 2.3.2 传统机器人的控制方法 | 第26-27页 |
| 2.3.3 结合动物意愿和智能的融合控制方法 | 第27页 |
| 2.3.4 控制与导航效果的评价 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 大鼠机器人语音导航系统 | 第29-40页 |
| 3.1 语音识别概述 | 第29-30页 |
| 3.2 孤立词语音识别 | 第30-34页 |
| 3.2.1 概述 | 第30-31页 |
| 3.2.2 MFCC特征提取 | 第31-33页 |
| 3.2.3 基于DTW的孤立词识别 | 第33-34页 |
| 3.3 语音导航系统实现 | 第34-39页 |
| 3.3.1 系统结构及实现 | 第34-36页 |
| 3.3.2 语音导航实验 | 第36页 |
| 3.3.3 结果及分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 大鼠机器人的精细状态检测方法 | 第40-55页 |
| 4.1 运动检测 | 第40-47页 |
| 4.1.1 背景差分与前景提取 | 第40-41页 |
| 4.1.2 骨架点提取 | 第41-45页 |
| 4.1.3 运动参数的计算 | 第45-47页 |
| 4.2 动状态的分类与识别 | 第47-51页 |
| 4.2.1 状态(行为)的定义 | 第48页 |
| 4.2.2 动参数的筛选和状态的分类识别 | 第48-51页 |
| 4.3 基于状态识别与人工规则的自动控制 | 第51-54页 |
| 4.3.1 系统结构与流程 | 第51-52页 |
| 4.3.2 实验结果及分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于动态贝叶斯网络的状态与指令预测 | 第55-70页 |
| 5.1 动态贝叶斯网络的表示 | 第55-56页 |
| 5.2 动态贝叶斯网络的推理 | 第56-60页 |
| 5.2.1 确定性推理 | 第56-60页 |
| 5.2.2 近似推理的确定性方法 | 第60页 |
| 5.2.3 近似推理的随机方法 | 第60页 |
| 5.3 动态贝叶斯网络的学习 | 第60-62页 |
| 5.3.1 参数学习 | 第61-62页 |
| 5.3.2 结构学习 | 第62页 |
| 5.4 基于动态贝叶斯网络的状态和指令预测 | 第62-69页 |
| 5.4.1 系统结构 | 第62-65页 |
| 5.4.2 基于人工导航的数据采集 | 第65-66页 |
| 5.4.3 基于DBN的状态和指令预测 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 附录A：DBN实验的核心代码 | 第77-78页 |
| 攻读硕士学位期间的主要研究成果 | 第78-79页 |
| 致谢 | 第79页 |
