声源辨别及定位的并行化方法的研究与实现
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第14-22页 |
1.1 课题研究背景和意义 | 第14-15页 |
1.2 国内外研究现状及发展趋势 | 第15-17页 |
1.2.1 声纹辨别发展历史与现状 | 第15页 |
1.2.2 声源定位发展历史与现状 | 第15-16页 |
1.2.3 声源辨别定位技术存在的不足及发展趋势 | 第16-17页 |
1.3 GPU及其通用计算架构CUDA | 第17-18页 |
1.4 本文主要内容和结构安排 | 第18-20页 |
1.4.1 论文主要研究内容 | 第18-19页 |
1.4.2 论文结构安排 | 第19-20页 |
1.5 本章小结 | 第20-22页 |
第2章 声源辨别及定位的常用方法 | 第22-31页 |
2.1 声源辨别定位模型的设计目标与方法 | 第22-23页 |
2.2 语音信号的预处理 | 第23-27页 |
2.2.1 预滤波 | 第23页 |
2.2.2 预加重 | 第23-24页 |
2.2.3 加窗分帧 | 第24-25页 |
2.2.4 端点检测 | 第25-27页 |
2.3 声纹辨别常用方法概述 | 第27-28页 |
2.4 声源定位常用方法概述 | 第28-30页 |
2.4.1 基于声压幅度比的定位方法 | 第28页 |
2.4.2 基于最大输出功率的可控波束形成技术 | 第28-29页 |
2.4.3 基于声达时间差的声源定位技术 | 第29-30页 |
2.5 本章小结 | 第30-31页 |
第3章 基于并行化深度神经网络的声纹辨别模型 | 第31-47页 |
3.1 语音信号的特征提取 | 第31-35页 |
3.1.1 线性预测系数与其倒谱系数 | 第31-32页 |
3.1.2 梅尔频率倒谱系数 | 第32-34页 |
3.1.3 线性预测梅尔倒谱系数 | 第34-35页 |
3.2 基于深度信念网络的声纹辨别模型 | 第35-39页 |
3.2.1 深度神经网络概述 | 第35-36页 |
3.2.2 深度信念网络(DBN) | 第36-38页 |
3.2.3 声纹辨别的深度信念网络模型 | 第38-39页 |
3.3 基于CUDA的并行DBN优化模型 | 第39-42页 |
3.4 实验与分析 | 第42-46页 |
3.4.1 实验环境与评估标准 | 第42-43页 |
3.4.2 实验数据分析 | 第43-46页 |
3.5 本章小结 | 第46-47页 |
第4章 基于并行化时延估计的声源定位模型 | 第47-63页 |
4.1 基于包络分析的时延估计 | 第47-53页 |
4.1.1 时延的物理意义 | 第47-48页 |
4.1.2 广义互相关时延估计方法 | 第48-50页 |
4.1.3 基于包络信号的广义互相关算法 | 第50-53页 |
4.2 基于TDOA的定位算法模型 | 第53-56页 |
4.2.1 平面双曲线算法模型 | 第53-54页 |
4.2.2 平面四元阵算法模型 | 第54-56页 |
4.3 基于CUDA并行化的声源定位算法优化 | 第56-59页 |
4.3.1 并行化的FFT与IFFT算法 | 第57-58页 |
4.3.2 并行化的互功率谱密度算法 | 第58-59页 |
4.4 实验与分析 | 第59-61页 |
4.5 本章小结 | 第61-63页 |
第5章 声源辨别及定位的并行化方法的优化与测试 | 第63-77页 |
5.1 声源辨别定位的并行化模型设计 | 第63-64页 |
5.2 系统模型存在的问题及改进方案 | 第64-69页 |
5.2.1 系统模型存在的问题 | 第64页 |
5.2.2 针对目标范围声源辨别的改进方法 | 第64-66页 |
5.2.3 CUDA编程的存储优化方案 | 第66-67页 |
5.2.4 目标声纹分离提取的并行化方法 | 第67-69页 |
5.3 系统测试与分析 | 第69-75页 |
5.3.1 测试环境 | 第69-70页 |
5.3.2 目标语音分离增强效果测试 | 第70-72页 |
5.3.3 并行化方法模型整体测试 | 第72-74页 |
5.3.4 误差分析 | 第74-75页 |
5.4 本章小结 | 第75-77页 |
总结与展望 | 第77-79页 |
参考文献 | 第79-83页 |
攻读硕士学位期间发表的学术成果 | 第83-85页 |
致谢 | 第85-86页 |
详细摘要 | 第86-90页 |