| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-21页 |
| ·课题的研究意义 | 第12-13页 |
| ·智能环境下说话人跟踪技术的主要难点 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·本文主要研究工作及组织结构 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第2章 粒子滤波算法原理 | 第21-35页 |
| ·贝叶斯滤波方法 | 第21-22页 |
| ·标准粒子滤波算法 | 第22-29页 |
| ·蒙特卡罗近似思想 | 第22-24页 |
| ·序贯重要性采样 | 第24-25页 |
| ·权值退化及重要性函数的选取 | 第25-26页 |
| ·权值退化的度量及重采样技术 | 第26-28页 |
| ·标准粒子滤波算法 | 第28-29页 |
| ·改进的粒子滤波算法 | 第29-32页 |
| ·有限差分计算 | 第29-30页 |
| ·自适应调整因子 | 第30页 |
| ·自适应有限差分扩展卡尔曼粒子滤波算法 | 第30-32页 |
| ·仿真实验分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于粒子滤波的声源定位与跟踪方法 | 第35-43页 |
| ·麦克风阵列信号分析 | 第35-36页 |
| ·联合波束-相位形成（SRP-PHAT）定位方法 | 第36-37页 |
| ·基于有限差分粒子滤波的麦克风阵列说话人跟踪方法 | 第37-39页 |
| ·运动模型 | 第37-38页 |
| ·算法流程 | 第38-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·说话人跟踪仿真实验 | 第39-40页 |
| ·说话人跟踪实际实验 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于粒子滤波的人体头部多特征融合跟踪方法 | 第43-52页 |
| ·滤波算法的选择 | 第43-44页 |
| ·人体头部特征模型 | 第44-47页 |
| ·基于颜色直方图的特征模型 | 第44-45页 |
| ·基于 DMG 测度的特征模型 | 第45-47页 |
| ·基于多特征融合的头部跟踪 | 第47-49页 |
| ·多特征信息融合框架 | 第47-48页 |
| ·融合跟踪算法的实现 | 第48-49页 |
| ·实验结果及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 音视频多特征融合的多说话人跟踪方法 | 第52-63页 |
| ·多源信息融合技术 | 第52-55页 |
| ·产生背景 | 第52-53页 |
| ·融合模型与基本结构 | 第53-54页 |
| ·多源异类信息融合技术 | 第54-55页 |
| ·音视频特征融合的多说话人跟踪研究 | 第55-62页 |
| ·多说话人运动模型 | 第55-56页 |
| ·音视频多特征观测模型 | 第56-57页 |
| ·说话人语音信号检测 | 第57页 |
| ·音视频联合的多说话人跟踪算法 | 第57-59页 |
| ·实验仿真与结果分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录 攻读学位期间参与科研项目和发表的学术论文目录 | 第71页 |