| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文的主要内容 | 第14-16页 |
| 第二章 波达方向的知识基础 | 第16-21页 |
| 2.1 麦克风阵列 | 第16-18页 |
| 2.1.1 一维麦克风阵列 | 第16-17页 |
| 2.1.2 二维麦克风阵列 | 第17页 |
| 2.1.3 三维麦克风阵列 | 第17-18页 |
| 2.2 波达方向估计 | 第18-20页 |
| 2.2.1 远场波达方向模型 | 第18-19页 |
| 2.2.2 近场波达方向模型 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 常用的波达方向估计方法 | 第21-34页 |
| 3.1 传统的波达方向估计方法 | 第21-27页 |
| 3.1.1 多重信号分类法 | 第21-23页 |
| 3.1.2 可控功率响应和相位变换技术 | 第23-24页 |
| 3.1.3 最大似然估计法 | 第24-25页 |
| 3.1.4 到达时间差法 | 第25-27页 |
| 3.2 基于深度学习的波达方向估计方法 | 第27-29页 |
| 3.2.1 基于深度神经网络的方法 | 第27-28页 |
| 3.2.2 基于卷积神经网络的方法 | 第28-29页 |
| 3.3 基线系统实验 | 第29-33页 |
| 3.3.1 实验设置 | 第29-30页 |
| 3.3.2 实验数据 | 第30-31页 |
| 3.3.3 数据预处理 | 第31-32页 |
| 3.3.4 模型输出目标 | 第32页 |
| 3.3.5 实验评估 | 第32页 |
| 3.3.6 实验结果与分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 联合卷积神经网络和长短时记忆网络的波达方向估计方法 | 第34-51页 |
| 4.1 卷积神经网络 | 第34-36页 |
| 4.1.1 局部感知 | 第34-35页 |
| 4.1.2 权值共享 | 第35-36页 |
| 4.1.3 降采样过程 | 第36页 |
| 4.2 长短时记忆网络 | 第36-37页 |
| 4.3 联合卷积神经网络和长短时记忆网络的波达方向估计模型 | 第37-38页 |
| 4.4 实验设置与数据预处理 | 第38-41页 |
| 4.4.1 模型和参数选择 | 第38-39页 |
| 4.4.2 特征提取 | 第39-40页 |
| 4.4.3 单通道的时频掩膜预测 | 第40页 |
| 4.4.4 实验评估 | 第40-41页 |
| 4.5 对比实验与结果分析 | 第41-50页 |
| 4.5.1 匹配的麦克风阵列 | 第41-43页 |
| 4.5.2 不匹配的麦克风阵列 | 第43-44页 |
| 4.5.3 自适应 | 第44-49页 |
| 4.5.4 自适应模型和新训练模型对比 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间发表的学术论文 | 第57页 |