摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
主要符号说明 | 第9-10页 |
第一章 绪论 | 第10-24页 |
§1-1 研究背景及意义 | 第10-11页 |
§1-2 研究现状 | 第11-20页 |
1-2-1 基于双耳听觉的机器人声源目标定位系统 | 第12-14页 |
1-2-2 基于麦克风阵列的机器人声源目标定位系统 | 第14-19页 |
1-2-3 机器人声源目标定位研究中现存的主要问题 | 第19-20页 |
§1-3 研究内容 | 第20-21页 |
§1-4 创新点 | 第21-22页 |
§1-5 内容安排 | 第22-23页 |
§1-6 本章小结 | 第23-24页 |
第二章 基于麦克风阵列的声源目标定位方法 | 第24-29页 |
§2-1 麦克风阵列的优点 | 第24-25页 |
§2-2 麦克风阵列带来的问题 | 第25页 |
§2-3 三种声源目标定位方法 | 第25-28页 |
2-3-1 基于最大输出功率的可控波束形成声源定位方法 | 第25-26页 |
2-3-2 基于高分辨率谱估计的声源定位方法 | 第26-27页 |
2-3-3 基于声达时间差的声源定位方法 | 第27-28页 |
2-3-4 三种定位方法比较 | 第28页 |
§2-4 本章小结 | 第28-29页 |
第三章 移动机器人声源定位系统构建 | 第29-38页 |
§3-1 机器人听觉系统构成 | 第29页 |
§3-2 移动机器人本体 | 第29-31页 |
3-2-1 硬件方面 | 第30页 |
3-2-2 软件方面 | 第30-31页 |
§3-3 麦克风阵列 | 第31-37页 |
3-3-1 麦克风 | 第31-34页 |
3-3-2 信号放大 | 第34-35页 |
3-3-3 阵列结构设计 | 第35-37页 |
§3-4 本章小结 | 第37-38页 |
第四章 声达时间差估计 | 第38-60页 |
§4-1 声达时间差的物理意义 | 第38-39页 |
§4-2 麦克风接收的声音信号模型 | 第39-41页 |
4-2-1 理想模型 | 第39-40页 |
4-2-2 混响模型 | 第40页 |
4-2-3 麦克风阵列的混响离散模型 | 第40-41页 |
§4-3 广义互相关声达时间差估计方法 | 第41-52页 |
4-3-1 基本互相关法 | 第41-43页 |
4-3-2 广义互相关法 | 第43-48页 |
4-3-3 互功率谱相位 | 第48-52页 |
§4-4 自适应滤波声达时间差估计方法 | 第52-58页 |
4-4-1 基本原理 | 第52-53页 |
4-4-2 算法步骤 | 第53-54页 |
4-4-3 基于SCOT加权的LMS自适应滤波 | 第54-58页 |
§4-5 本章小结 | 第58-60页 |
第五章 定位计算模型 | 第60-89页 |
§5-1 几何定位计算模型 | 第60-68页 |
5-1-1 模型推导 | 第60-62页 |
5-1-2 仿真实验分析 | 第62-66页 |
5-1-3 结合移动机器人主动运动的全范围定位方法 | 第66-68页 |
§5-2 基于神经网络的定位计算模型 | 第68-88页 |
5-2-1 人工神经网络原理与算法 | 第68-81页 |
5-2-2 基于BP神经网络声源目标定位计算模型的建立 | 第81-84页 |
5-2-3 仿真实验 | 第84-87页 |
5-2-4 实际测试 | 第87-88页 |
§5-3 本章小结 | 第88-89页 |
第六章 定位可靠性与卡尔曼滤波 | 第89-98页 |
§6-1 引入卡尔曼滤波的必要性 | 第89-90页 |
§6-2 卡尔曼滤波的基本原理及分析 | 第90-91页 |
§6-3 抗野值的二次卡尔曼滤波器设计 | 第91-95页 |
6-3-1 抗野值的方法 | 第91-93页 |
6-3-2 多次卡尔曼滤波理论 | 第93页 |
6-3-3 抗野值的二次卡尔曼滤波器结构 | 第93-95页 |
§6-4 仿真实验 | 第95-97页 |
6-4-1 任务描述 | 第95页 |
6-4-2 仿真实验分析 | 第95-97页 |
§6-5 本章小结 | 第97-98页 |
第七章 总结与展望 | 第98-100页 |
参考文献 | 第100-109页 |
致谢 | 第109-110页 |
攻读博士学位期间所取得的相关科研成果 | 第110-111页 |