基于神经网络的鲁棒双耳声源定位研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 声源定位技术的研究现状 | 第10-13页 |
| 1.2.1 基于麦克风阵列的声源定位 | 第10-11页 |
| 1.2.2 基于双耳的声源定位 | 第11-13页 |
| 1.3 论文主要研究内容及目标 | 第13-14页 |
| 1.3.1 基于子带DNN的双耳声源定位算法 | 第13页 |
| 1.3.2 基于LSTM的双耳声源定位算法 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 基于双耳空间信息的声源定位方法介绍 | 第15-27页 |
| 2.1 人耳的空间听觉基础 | 第15-17页 |
| 2.1.1 人耳的生理结构 | 第15页 |
| 2.1.2 人耳的听觉特性 | 第15-16页 |
| 2.1.3 空间听觉 | 第16-17页 |
| 2.2 双耳声源定位线索 | 第17-19页 |
| 2.2.1 耳间时间差 | 第17-18页 |
| 2.2.2 耳间强度差 | 第18-19页 |
| 2.2.3 双耳互相关函数 | 第19页 |
| 2.3 神经网络简介 | 第19-23页 |
| 2.3.1 神经元模型 | 第20-21页 |
| 2.3.2 传统神经网络 | 第21-22页 |
| 2.3.3 循环神经网络 | 第22-23页 |
| 2.4 基于双耳的声源定位 | 第23-25页 |
| 2.4.1 已有双耳声源定位算法 | 第23页 |
| 2.4.2 基于DNN的双耳声源定位算法 | 第23-24页 |
| 2.4.3 鲁棒的双耳声源定位算法 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于子带DNN的双耳声源定位算法 | 第27-43页 |
| 3.1 基于子带DNN的双耳声源定位系统 | 第27页 |
| 3.2 Gammatone滤波器组 | 第27-29页 |
| 3.3 子带特征分析 | 第29-32页 |
| 3.3.1 听觉外周模型 | 第29页 |
| 3.3.2 子带特征提取 | 第29-30页 |
| 3.3.3 子带特征分析 | 第30-31页 |
| 3.3.4 子带特征平滑 | 第31-32页 |
| 3.4 子带DNN | 第32-37页 |
| 3.4.1 子带DNN结构及训练方法 | 第32-35页 |
| 3.4.2 子带DNN训练参数 | 第35-36页 |
| 3.4.3 子带结果融合 | 第36-37页 |
| 3.5 仿真实验结果及分析 | 第37-42页 |
| 3.5.1 训练数据 | 第37页 |
| 3.5.2 实验效果评估 | 第37-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于LSTM的双耳声源定位算法 | 第43-61页 |
| 4.1 基于LSTM的双耳声源定位算法 | 第43页 |
| 4.2 双耳特征提取 | 第43-47页 |
| 4.2.1 双耳特征提取 | 第43-45页 |
| 4.2.2 噪声对CCF的影响 | 第45页 |
| 4.2.3 CCF提取的改进方法 | 第45-47页 |
| 4.3 基于LSTM的双耳声源定位方法 | 第47-53页 |
| 4.3.1 LSTM结构 | 第47-50页 |
| 4.3.2 LSTM训练算法 | 第50-52页 |
| 4.3.3 LSTM训练参数 | 第52-53页 |
| 4.4 仿真实验结果 | 第53-59页 |
| 4.4.1 时间步长的选择 | 第53-56页 |
| 4.4.2 算法性能对比 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间参加的科研项目和完成的论文 | 第71页 |
