| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状概述 | 第14-17页 |
| 1.2.1 经典声源定位方法 | 第14-16页 |
| 1.2.2 基于机器学习的声源定位方法 | 第16-17页 |
| 1.3 本文研究内容的提出 | 第17-18页 |
| 1.4 本文结构安排 | 第18-20页 |
| 第二章 问题描述与典型方法分析 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 阵列信号模型及问题描述 | 第20-21页 |
| 2.3 典型的基于TDOA的特征提取方法及其性能分析 | 第21-28页 |
| 2.3.1 算法原理 | 第21-25页 |
| 2.3.2 仿真实验与分析 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于声强估计的稳健声源位置特征提取方法 | 第29-48页 |
| 3.1 引言 | 第29页 |
| 3.2 声强估计法的基本原理 | 第29-31页 |
| 3.3 基于声强估计的稳健位置特征提取方法 | 第31-39页 |
| 3.3.1 归一化处理 | 第31-32页 |
| 3.3.2 相位变换加权 | 第32-33页 |
| 3.3.3 基于冗余声强信息的特征提取 | 第33-38页 |
| 3.3.4 声源位置特征向量的构成 | 第38-39页 |
| 3.4 仿真实验与分析 | 第39-43页 |
| 3.4.1 不同混响时间下的性能分析 | 第40-41页 |
| 3.4.2 不同信噪比下的性能分析 | 第41-42页 |
| 3.4.3 不同阵列尺寸下的性能分析 | 第42-43页 |
| 3.5 实测实验验证 | 第43-47页 |
| 3.5.1 实验条件 | 第43-44页 |
| 3.5.2 实测数据结果分析 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于降噪自编码器深度学习的声源位置识别方法 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 基于降噪自编码器深度学习的声源位置识别方法 | 第48-52页 |
| 4.2.1 基于降噪自编码器的深度学习方法 | 第48-49页 |
| 4.2.2 声源位置识别方法原理 | 第49-52页 |
| 4.3 仿真实验与分析 | 第52-56页 |
| 4.3.1 不同混响时间下的性能分析 | 第53-54页 |
| 4.3.2 不同信噪比下的性能分析 | 第54-55页 |
| 4.3.3 不同阵列尺寸下的性能分析 | 第55-56页 |
| 4.4 实测实验验证 | 第56-58页 |
| 4.4.1 实验条件 | 第56页 |
| 4.4.2 实测数据分析 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 全文总结与展望 | 第60-63页 |
| 5.1 全文总结 | 第60-61页 |
| 5.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 在学期间的研究成果及发表的学术论文 | 第69页 |
