首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文

声源定位中盲源分离算法的研究与实现

摘要第8-9页
ABSTRACT第9-10页
第一章 绪论第11-16页
    1.1 课题研究背景及意义第11-13页
    1.2 国内外研究概况第13-14页
    1.3 论文内容与安排第14-16页
第二章 基于盲源分离的声源定位方案设计第16-24页
    2.1 系统总体方案设计第16页
    2.2 声音信号的采集第16-17页
    2.3 盲信号处理第17-19页
    2.4 声音信号的识别第19-20页
    2.5 TDOA算法计算声源位置第20-23页
        2.5.1 采用PHAT-GCC算法计算时延第20-21页
        2.5.2 根据时延计算声源位置第21-23页
    2.6 本章小结第23-24页
第三章 盲信号分离算法的研究第24-45页
    3.1 盲信号分离的数学理论第24-27页
        3.1.1 信号的统计独立性第24页
        3.1.2 熵第24-25页
        3.1.3 互信息第25-26页
        3.1.4 负熵第26页
        3.1.5 高阶统计特性第26-27页
    3.2 独立成分分析第27-32页
        3.2.1 独立成分分析的典型算法第28-31页
        3.2.2 ICA中的预处理第31页
        3.2.3 ICA算法误差性能评价准则第31-32页
    3.3 基于负熵最大化的快速固定点算法第32-37页
    3.4 联合近似对角化算法第37-40页
        3.4.1 累积张量第38页
        3.4.2 由张量特征值得到独立成分第38-40页
    3.5 Matlab仿真实验第40-44页
        3.5.1 FastICA算法仿真第42-43页
        3.5.2 JADE算法仿真第43-44页
    3.6 本章小结第44-45页
第四章 声音信号识别算法的研究第45-63页
    4.1 声音信号的预处理第45-47页
        4.1.1 预加重第45页
        4.1.2 分帧第45-46页
        4.1.3 加窗第46-47页
    4.2 声音信号识别的特征提取第47-52页
        4.2.1 线性预测系数第47-48页
        4.2.2 线性预测倒谱系数第48-49页
        4.2.3 Mel倒谱系数第49-52页
    4.3 声音信号的识别方法第52-61页
        4.3.1 动态时间规整算法第52-54页
        4.3.2 隐马尔可夫模型第54-59页
        4.3.3 人工神经网络第59-61页
    4.4 基于MFCC-DTW的仿真实验第61-62页
    4.5 本章小结第62-63页
第五章 系统功能测试第63-68页
    5.1 系统工作流程第63-64页
    5.2 系统测试与分析第64-66页
        5.2.1 测试系统组成第64-65页
        5.2.2 测试结果与分析第65-66页
    5.3 本章小结第66-68页
第六章 总结与展望第68-70页
    6.1 总结第68页
    6.2 展望第68-70页
参考文献第70-74页
致谢第74-75页
攻读硕士学位期间的研究成果第75-76页
学位论文评阅及答辩情况表第76页

论文共76页,点击 下载论文
上一篇:基于高精度GNSS的声源定位系统的研究与设计
下一篇:低信噪比环境下语音信号端点检测算法