| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·麦克风阵列声源定位方法的研究进展 | 第12-16页 |
| ·基于可控波束形成的声源定位 | 第12-13页 |
| ·基于子空间方法的声源定位 | 第13-14页 |
| ·基于时延估计的两步法声源定位 | 第14-16页 |
| ·麦克风阵列应用的复杂声学环境 | 第16-17页 |
| ·论文的研究内容与结构安排 | 第17-19页 |
| 2 麦克风阵列声源定位基础 | 第19-34页 |
| ·麦克风阵列概念 | 第19-20页 |
| ·麦克风阵列声源定位算法 | 第20-34页 |
| ·基于可控波束形成的声源定位技术 | 第20-24页 |
| (1) 延时求和波束形成 | 第20-22页 |
| (2) 滤波求和波束形成 | 第22-24页 |
| ·基于子空间方法的声源定位技术 | 第24-28页 |
| (1) 信号模型 | 第24-25页 |
| (2) 子空间算法框架 | 第25-27页 |
| (3) 子空间算法的宽带扩展 | 第27-28页 |
| ·基于时延估计的两步声源定位技术 | 第28-34页 |
| (1) 理想环境模型 | 第28-29页 |
| (2) 时延估计 | 第29-31页 |
| (3) 声源定位 | 第31-34页 |
| 3 混响环境下的时延估计算法研究 | 第34-63页 |
| ·混响环境模型和房间冲激响应模拟 | 第34-42页 |
| ·混响环境模型 | 第36-37页 |
| ·房间冲激响应模型 | 第37-38页 |
| ·房间冲激响应的简化模型 | 第38页 |
| ·混响时间T_(60) | 第38-39页 |
| ·房间冲激响应的仿真 | 第39-42页 |
| ·抗噪声信道盲辨识框架 | 第42-47页 |
| ·单输入多输出SIMO系统模型 | 第42-44页 |
| ·有色噪声和延迟相关矩阵 | 第44-45页 |
| ·有色噪声下SIMO系统信道盲辨识准则 | 第45-47页 |
| ·双麦克风信道盲辨识 | 第47-49页 |
| ·有色噪声下的信道盲辨识方法(Lag-EVD) | 第47-48页 |
| ·自相关矩阵特征值分解方法(EVD) | 第48页 |
| ·预白化自相关矩阵特征值分解方法(Prewhiten-EVD) | 第48-49页 |
| ·基于双麦克风信道盲辨识的自适应时延估计算法 | 第49-52页 |
| ·有色噪声和混响下的自适应时延估计算法 | 第49-50页 |
| ·自适应特征值分解时延估计算法 | 第50-51页 |
| ·预白化自适应特征值分解时延估计算法 | 第51-52页 |
| ·基于三麦克风信道盲辨识的自适应时延估计算法 | 第52-55页 |
| ·双输入三输出系统模型 | 第52-53页 |
| ·空间噪声和混响下的时延估计算法(TLag-AEDA) | 第53-54页 |
| ·多通道LMS自适应算法(MCLMS) | 第54-55页 |
| ·仿真实验 | 第55-62页 |
| ·房间冲激响应辨识方法的比较实验 | 第55-57页 |
| ·混响环境下时延估计性能的比较实验 | 第57-58页 |
| ·混响和有色噪声环境下时延估计性能的比较实验 | 第58-60页 |
| ·混响和空间噪声下的三麦克风时延估计性能的比较实验 | 第60-62页 |
| ·小结 | 第62-63页 |
| 4 基于时延估计的声源定位算法研究 | 第63-78页 |
| ·声源定位问题描述 | 第63-64页 |
| ·最小二乘(LS)定位误差准则 | 第64-66页 |
| ·双曲LS误差准则 | 第64-65页 |
| ·球面LS误差准则 | 第65-66页 |
| ·最小二乘定位算法 | 第66-70页 |
| ·球面交叉算法(SX) | 第66-68页 |
| ·球面内插算法(SI) | 第68页 |
| ·一步最小二乘算法(OSLS) | 第68-69页 |
| ·线性校正最小二乘算法(LCLS) | 第69-70页 |
| ·线性校正总体最小二乘(LCTLS)声源定位算法 | 第70-72页 |
| ·线性校正总体最小二乘(LCTLS)声源定位算法 | 第70-71页 |
| ·线性校正总体最小二乘(LCTLS)声源定位算法的近似闭式解形式 | 第71-72页 |
| ·仿真实验 | 第72-77页 |
| ·小结 | 第77-78页 |
| 5 语音检测算法研究 | 第78-87页 |
| ·现存语音检测算法回顾 | 第78-80页 |
| ·ITU-T G729 VAD检测 | 第78-79页 |
| ·基于线性预测残差域高阶统计量的VAD检测 | 第79-80页 |
| ·基于归一化峰度(NK)准则的语音VAD检测方法 | 第80-84页 |
| ·高阶统计量 | 第80-81页 |
| ·归一化峰度准则(NK) | 第81页 |
| ·基于NK准则的VAD检测方法 | 第81-84页 |
| (1) 线性预测滤波 | 第82页 |
| (2) NK计算及其量化 | 第82页 |
| (3) 语音VAD决策 | 第82-84页 |
| ·仿真实验与结果讨论 | 第84-86页 |
| ·语音和非高斯噪声的NK值比较 | 第84页 |
| ·语音VAD检测算法比较实验 | 第84-86页 |
| ·小结 | 第86-87页 |
| 6 总结与展望 | 第87-89页 |
| ·本文工作总结 | 第87-88页 |
| ·今后研究展望 | 第88-89页 |
| 参考文献 | 第89-97页 |
| 攻读博士学位期间发表学术论文情况 | 第97-98页 |
| 创新点摘要 | 第98-99页 |
| 致谢 | 第99-100页 |
| 作者简介 | 第100-101页 |
