| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 本文研究背景及意义 | 第11-12页 |
| 1.2 基于麦克风阵列的声源定位技术 | 第12-15页 |
| 1.2.1 基于麦克风阵列的声源定位技术概述 | 第12-13页 |
| 1.2.2 基于麦克风阵列声源定位的国内外研究现状 | 第13-15页 |
| 1.3 声音检测技术 | 第15-17页 |
| 1.3.1 语音识别概述 | 第15-16页 |
| 1.3.2 非语音信号检测概述 | 第16-17页 |
| 1.4 智能监控技术 | 第17-19页 |
| 1.4.1 智能监控技术概述 | 第17页 |
| 1.4.2 智能监控技术国内外发展现状 | 第17-19页 |
| 1.5 论文的研究内容和组织架构 | 第19-21页 |
| 第二章 异常声音的特性分析与预处理 | 第21-30页 |
| 2.1 异常声音的特性分析 | 第21-23页 |
| 2.2 室内异常声音的端点检测 | 第23-26页 |
| 2.3 室内背景噪声的去噪方法 | 第26-29页 |
| 2.3.1 室内背景噪声模型 | 第26-27页 |
| 2.3.2 最小平均lp范数算法 | 第27页 |
| 2.3.3 仿真实验 | 第27-29页 |
| 2.4 本章小节 | 第29-30页 |
| 第三章 时延估计与声源定位 | 第30-51页 |
| 3.1 麦克风信号产生模型 | 第30-31页 |
| 3.2 时延估计算法 | 第31-40页 |
| 3.2.1 传统互相关时延估计法 | 第31-32页 |
| 3.2.2 广义互相关时延估计法 | 第32-34页 |
| 3.2.3 互功率谱相位时延估计法 | 第34-35页 |
| 3.2.4 基于LMS的自适应时延估计法 | 第35-36页 |
| 3.2.5 基于特征值分解的时延估计法 | 第36-38页 |
| 3.2.6 基于人耳听觉感知特性的时延估计 | 第38-40页 |
| 3.3 声源定位方法 | 第40-44页 |
| 3.3.1 问题描述 | 第41-42页 |
| 3.3.2 极大似然估计法 | 第42-43页 |
| 3.3.3 球形插值法 | 第43-44页 |
| 3.4 仿真实验 | 第44-50页 |
| 3.4.1 仿真环境 | 第45页 |
| 3.4.2 预处理 | 第45页 |
| 3.4.3 评估方法 | 第45-46页 |
| 3.4.4 实验结果与分析 | 第46-50页 |
| 3.5 本章小节 | 第50-51页 |
| 第四章 融合音频和视频的异常检测 | 第51-70页 |
| 4.1 异常声音的特征提取 | 第51-57页 |
| 4.1.1 短时能量参数提取 | 第51-52页 |
| 4.1.2 MFCC参数提取 | 第52-54页 |
| 4.1.3 MFCC差分参数提取 | 第54-55页 |
| 4.1.4 仿真实验 | 第55-57页 |
| 4.2 异常声音的参数估计与识别 | 第57-66页 |
| 4.2.1 GMM模型的基本原理 | 第58-59页 |
| 4.2.2 GMM模型的参数估计 | 第59-61页 |
| 4.2.3 GMM模型的识别算法 | 第61-62页 |
| 4.2.4 仿真实验 | 第62-66页 |
| 4.3 运动目标检测 | 第66-69页 |
| 4.3.1 单高斯背景建模算法的基本原理 | 第67-68页 |
| 4.3.2 仿真实验 | 第68-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 一种融合音频与视频的室内智能监控系统 | 第70-81页 |
| 5.1 系统概述 | 第70-71页 |
| 5.2 系统总体方案设计 | 第71-73页 |
| 5.2.1 系统功能设计 | 第71-72页 |
| 5.2.2 系统流程设计 | 第72-73页 |
| 5.3 智能监测模块 | 第73-76页 |
| 5.3.1 模块软件功能设计 | 第73-74页 |
| 5.3.2 模块软件流程设计 | 第74-76页 |
| 5.4 系统界面和运行结果 | 第76-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 工作总结和未来展望 | 第81-83页 |
| 6.1 工作总结 | 第81-82页 |
| 6.2 工作展望 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士学位期间发表的论文 | 第89-90页 |
| 研究生期间科研情况 | 第90页 |