| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 无线声传感器网络 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-20页 |
| 1.3.1 基于WASN的声源定位研究现状 | 第18-19页 |
| 1.3.2 基于麦克风阵列的远近场声源参量估计研究现状 | 第19-20页 |
| 1.4 论文主要内容及结构 | 第20-22页 |
| 第二章 麦克风阵列及声源定位理论基础 | 第22-42页 |
| 2.1 麦克风阵列理论基础 | 第22-28页 |
| 2.1.1 理想信号模型 | 第22页 |
| 2.1.2 麦克风阵列拓扑结构 | 第22-24页 |
| 2.1.3 近场和远场模型 | 第24-25页 |
| 2.1.4 远近场混合模型 | 第25-28页 |
| 2.2 现有基于WASN的经典声源定位方法 | 第28-36页 |
| 2.2.1 声源波达方向估计 | 第28-33页 |
| 2.2.2 交叉定位法 | 第33-36页 |
| 2.3 基于麦克风阵列的远近场声源参量估计方法 | 第36-40页 |
| 2.3.1 经典远近场声源参量估计方法 | 第36-37页 |
| 2.3.2 基于高阶累积量的正交投影算法 | 第37-40页 |
| 2.4 本章小结 | 第40-42页 |
| 第三章 基于卡尔曼滤波的融合定位方法 | 第42-62页 |
| 3.1 算法基本数学模型 | 第42-44页 |
| 3.1.1 卡尔曼滤波数学模型 | 第42-43页 |
| 3.1.2 加权最小二乘法 | 第43-44页 |
| 3.2 基于卡尔曼滤波的融合定位方法实现 | 第44-49页 |
| 3.2.1 基于卡尔曼滤波的融合定位方法原理 | 第44-45页 |
| 3.2.2 算法具体实现过程 | 第45-49页 |
| 3.2.3 算法特点分析 | 第49页 |
| 3.3 仿真实验及结果分析 | 第49-60页 |
| 3.3.2 算法性能分析 | 第50-53页 |
| 3.3.3 算法参数影响分析 | 第53-60页 |
| 3.4 本章小结 | 第60-62页 |
| 第四章 基于K均值聚类加权的融合定位方法 | 第62-78页 |
| 4.1 K均值聚类算法理论基础 | 第62-63页 |
| 4.2 K值聚类加权的声源定位方法实现 | 第63-67页 |
| 4.2.1 基于K均值聚类加权的融合定位方法原理 | 第63页 |
| 4.2.2 算法具体实现过程 | 第63-67页 |
| 4.2.3 算法特点分析 | 第67页 |
| 4.3 仿真实验及结果分析 | 第67-77页 |
| 4.3.1 算法性能分析 | 第67-69页 |
| 4.3.2 算法参数影响分析 | 第69-77页 |
| 4.4 本章小结 | 第77-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 工作总结 | 第78页 |
| 5.2 工作展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-89页 |