| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 麦克风阵列声源定位技术的应用场合 | 第10-12页 |
| 1.3 麦克风阵列声源定位算法分类 | 第12-16页 |
| 1.4 论文的研究内容 | 第16页 |
| 1.5 论文组织结构 | 第16-18页 |
| 第二章 声源定位理论基础 | 第18-27页 |
| 2.1 波动方程 | 第18-19页 |
| 2.2 麦克风阵列与波束形成 | 第19-20页 |
| 2.3 麦克风阵的信号模型 | 第20-22页 |
| 2.3.1 理想语音模型 | 第20-21页 |
| 2.3.2 带噪语音模型 | 第21-22页 |
| 2.4 改进的镜像法 | 第22-24页 |
| 2.5 室内混响 | 第24-27页 |
| 第三章 支持向量机理论与核函数研究 | 第27-36页 |
| 3.1 统计学习理论 | 第27-29页 |
| 3.1.1 VC维 | 第28页 |
| 3.1.2 结构风险最小化 | 第28-29页 |
| 3.2 支持向量机理论 | 第29-32页 |
| 3.2.1 线性可分支持向量分类机 | 第29-30页 |
| 3.2.2 线性不可分支持向量分类机 | 第30-31页 |
| 3.2.3 非线性支持向量分类机 | 第31-32页 |
| 3.3 支持向量机中的核函数 | 第32-33页 |
| 3.4 核函数的分类 | 第33-34页 |
| 3.5 高斯核函数的参数选择 | 第34-36页 |
| 3.5.1 高斯核半径 s 的选择 | 第34-35页 |
| 3.5.2 惩罚系数C的选择 | 第35-36页 |
| 第四章 基于支持向量机的声源定位算法 | 第36-51页 |
| 4.1 定位算法概述 | 第36-39页 |
| 4.2 互相关函数的特征提取 | 第39-40页 |
| 4.2.1 信号模型 | 第39页 |
| 4.2.2 估计互相关函数 | 第39-40页 |
| 4.3 SVM定位算法的实现 | 第40-41页 |
| 4.3.1 互相关函数的SVM模型 | 第40-41页 |
| 4.3.2 SVM分类器实现定位 | 第41页 |
| 4.4 数据处理 | 第41-44页 |
| 4.4.1 语音信号的加窗分帧处理 | 第42页 |
| 4.4.2 语音端点检测 | 第42-44页 |
| 4.5 实验结果 | 第44-51页 |
| 4.5.1 实验环境 | 第44-45页 |
| 4.5.2 噪声对定位精度的影响 | 第45-48页 |
| 4.5.3 混响对定位精度的影响 | 第48-50页 |
| 4.5.4 实验分析与结论 | 第50-51页 |
| 第五章 改进的Adaboost与SVM组合的定位算法 | 第51-61页 |
| 5.1 Adaboost算法概述 | 第51-53页 |
| 5.2 改进的Adaboost与SVM组合分类器的建模体系 | 第53-55页 |
| 5.2.1 组合分类器的分类过程 | 第54页 |
| 5.2.2 组合分类器的测试过程 | 第54-55页 |
| 5.3 数据处理 | 第55-56页 |
| 5.4 实验结果与分析 | 第56-61页 |
| 5.4.1 基于SVM的Adaboost分类器实现定位的结果 | 第56-60页 |
| 5.4.2 实验分析与结论 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 下一步的工作和展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 附录2 攻读硕士学位期间申请的专利 | 第68-69页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
