| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| 1-1 本论文研究的背景和意义 | 第8-9页 |
| 1-2 声源定位系统的研究现状 | 第9-10页 |
| 1-2-1 国外发展现状 | 第9-10页 |
| 1-2-2 国内发展现状 | 第10页 |
| 1-3 声源定位技术概述 | 第10-12页 |
| 1-3-1 声源定位技术概述 | 第10-11页 |
| 1-3-2 声源定位系统的结构 | 第11-12页 |
| 1-4 本论文完成的工作 | 第12-13页 |
| 第二章 基于麦克风阵列声源定位的常用方法 | 第13-19页 |
| 2-1 基于麦克风阵列声源定位的常用方法研究 | 第13-17页 |
| 2-1-1 基于最大输出功率的可控波束形成技术 | 第13-14页 |
| 2-1-2 高分辨率谱估计技术 | 第14页 |
| 2-1-3 时延估计技术 | 第14-16页 |
| 2-1-4 基于声压幅度比的定位方法 | 第16-17页 |
| 2-2 定位方法比较 | 第17-18页 |
| 2-3 本章总结 | 第18-19页 |
| 第三章 基于时延估计的移动机器人声源定位方法研究 | 第19-40页 |
| 3-1 时延估计的物理含义 | 第19-20页 |
| 3-2 麦克风信号产生模型 | 第20-21页 |
| 3-2-1 理想模型 | 第20页 |
| 3-2-2 实际模型 | 第20-21页 |
| 3-3 广义互相关时延估计法 | 第21-25页 |
| 3-3-1 基本互相关法 | 第21-22页 |
| 3-3-2 广义互相关法 | 第22-25页 |
| 3-4 LMS 自适应滤波时延估计法 | 第25-29页 |
| 3-4-1 LMS自适应时延估计原理 | 第25-26页 |
| 3-4-2 LMS自适应滤波时延估计的算法分析 | 第26-27页 |
| 3-4-3 基于LMS的SCOT加权时延估法 | 第27-29页 |
| 3-5 互功率谱相位时延估计法 | 第29-32页 |
| 3-5-1 基本互功率谱相位时延估计法 | 第29-30页 |
| 3-5-2 互功率谱相位时延估计法性能分析 | 第30-31页 |
| 3-5-3 改进的互功率谱相位时延估计法 | 第31-32页 |
| 3-6 应用时延估计的声源定位算法 | 第32-39页 |
| 3-6-1 声源定位的几何模型 | 第32-33页 |
| 3-6-2 空间几何定位法 | 第33-36页 |
| 3-6-3 球形插值法 | 第36-38页 |
| 3-6-4 线性插值法 | 第38-39页 |
| 3-7 本章总结 | 第39-40页 |
| 第四章 一种基于神经网络滤波的广义互相关时延估计方法 | 第40-50页 |
| 4-1 神经网络的原理与算法 | 第40-47页 |
| 4-1-1 人工神经元模型 | 第40-42页 |
| 4-1-2 神经网络的结构 | 第42-44页 |
| 4-1-3 神经网络的学习方式 | 第44-46页 |
| 4-1-4 神经网络的特点及其应用 | 第46-47页 |
| 4-2 基于神经网络滤波的广义互相关时延估计方法 | 第47-49页 |
| 4-2-1 神经网络滤波的原理 | 第47-48页 |
| 4-2-2 进行时延估计的神经网络预滤波器的结构模型 | 第48页 |
| 4-2-3 算法步骤 | 第48-49页 |
| 4-3 本章总结 | 第49-50页 |
| 第五章 一种可行的基于时延估计的声源定位系统设计 | 第50-60页 |
| 5-1 定位系统的设计 | 第50-53页 |
| 5-1-1 声音采集 | 第51-52页 |
| 5-1-2 时延获得 | 第52页 |
| 5-1-3 定位计算 | 第52-53页 |
| 5-2 实验结果与分析 | 第53-59页 |
| 5-2-1 实验环境与实验设备 | 第53-54页 |
| 5-2-2 实验方法与实验结果 | 第54-56页 |
| 5-2-3 结果分析 | 第56页 |
| 5-2-4 误差分析 | 第56-59页 |
| 5-3 本章总结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65页 |