非线性滤波及其在说话人跟踪中的应用研究
摘要 | 第1-6页 |
Abstract | 第6-11页 |
1 绪论 | 第11-21页 |
·研究背景及意义 | 第11-12页 |
·说话人定位问题研究现状 | 第12-16页 |
·说话人定位 | 第13-15页 |
·时间延迟估计 | 第15-16页 |
·非线性滤波方法综述 | 第16-19页 |
·高斯非线性滤波方法 | 第17-18页 |
·非高斯非线性滤波方法 | 第18-19页 |
·论文的研究内容与结构安排 | 第19-21页 |
2 贝叶斯估计及其最优实现形式 | 第21-30页 |
·贝叶斯估计 | 第21-23页 |
·递推估计 | 第23-25页 |
·贝叶斯估计的几种最优实现形式 | 第25-28页 |
·卡尔曼滤波方法 | 第25-27页 |
·网格滤波方法 | 第27-28页 |
·本章小结 | 第28-30页 |
3 高斯非线性滤波方法 | 第30-59页 |
·引言 | 第30-31页 |
·EKF滤波方法 | 第31-33页 |
·EKF滤波方法 | 第31-32页 |
·EKF的缺陷 | 第32-33页 |
·sigma点卡尔曼滤波方法 | 第33-43页 |
·无轨迹卡尔曼滤波方法 | 第33-37页 |
·中心差分卡尔曼滤波方法 | 第37-40页 |
·sigma点卡尔曼滤波方法 | 第40-43页 |
·迭代的sigma点滤波方法 | 第43-47页 |
·观测更新过程中迭代方法的优化解释 | 第43-44页 |
·迭代方法的改进 | 第44-45页 |
·仿真实例 | 第45-47页 |
·鲁棒的sigma点卡尔曼滤波方法 | 第47-53页 |
·H_∞滤波问题 | 第48-49页 |
·H_∞ sigma点卡尔曼滤波方法 | 第49-51页 |
·仿真实例 | 第51-53页 |
·高斯滤波方法在积分意义下的统一描述形式 | 第53-58页 |
·高斯滤波器的统一形式 | 第53-55页 |
·不同滤波方法的积分近似解释 | 第55-58页 |
·本章小结 | 第58-59页 |
4 粒子滤波方法 | 第59-83页 |
·引言 | 第59页 |
·粒子滤波方法 | 第59-63页 |
·蒙特卡洛积分 | 第59-60页 |
·重要性采样 | 第60-61页 |
·序贯重要性采样 | 第61-63页 |
·粒子滤波方法中的相关问题 | 第63-67页 |
·重采样 | 第63-65页 |
·建议分布函数的选取 | 第65-66页 |
·方差减小技术 | 第66-67页 |
·计算量问题 | 第67页 |
·拟蒙特卡洛粒子滤波方法 | 第67-74页 |
·拟蒙特卡洛积分 | 第68-69页 |
·基于均值漂移的拟蒙特卡洛方法 | 第69-72页 |
·仿真实例 | 第72-74页 |
·基于充分统计量的粒子滤波方法 | 第74-81页 |
·充分统计量及其在粒子滤波方法中的应用 | 第74-76页 |
·状态和参数的联合估计问题 | 第76-80页 |
·仿真实例 | 第80-81页 |
·本章小结 | 第81-83页 |
5 非线性滤波在说话人跟踪中的应用 | 第83-111页 |
·引言 | 第83页 |
·说话人定位中的基本问题 | 第83-87页 |
·问题描述 | 第83-84页 |
·信号模型 | 第84-85页 |
·说话人定位方法 | 第85-87页 |
·时延估计说话人定位方法 | 第87-94页 |
·时间延迟估计 | 第87-91页 |
·基于时间延迟的定位方法 | 第91-94页 |
·基于粒子滤波的说话人跟踪 | 第94-96页 |
·关于传统定位方法的讨论 | 第94-95页 |
·基于粒子滤波的说话人跟踪方法 | 第95-96页 |
·基于交互式多模型的说话人跟踪方法 | 第96-104页 |
·IMM方法 | 第97-98页 |
·基于采样交互的IMM粒子滤波方法 | 第98-101页 |
·计算机仿真结果 | 第101-104页 |
·融合波达方向和时间延迟信息的说话人跟踪方法 | 第104-109页 |
·分层采样方法 | 第104-106页 |
·基于分层采样的说话人跟踪方法 | 第106-107页 |
·计算机仿真结果 | 第107-109页 |
·本章小结 | 第109-111页 |
6 总结与展望 | 第111-114页 |
·论文总结 | 第111-112页 |
·研究展望 | 第112-114页 |
参考文献 | 第114-126页 |
攻读博士学位期间发表学术论文情况 | 第126-127页 |
致谢 | 第127-128页 |