| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 说话人定位与跟踪技术研究进展 | 第16-21页 |
| 1.2.1 基于传统麦克风阵列的说话人定位与跟踪方法 | 第16-19页 |
| 1.2.2 基于分布式麦克风网络的说话人定位与跟踪方法 | 第19-21页 |
| 1.3 主要研究内容及结构安排 | 第21-23页 |
| 2 基于分布式麦克风网络的说话人跟踪方法理论基础 | 第23-45页 |
| 2.1 贝叶斯跟踪理论 | 第23-27页 |
| 2.1.1 卡尔曼滤波器 | 第24-25页 |
| 2.1.2 粒子滤波器 | 第25-27页 |
| 2.2 分布式麦克风网络和信号模型 | 第27-33页 |
| 2.2.1 分布式麦克风网络 | 第27-30页 |
| 2.2.2 通信图 | 第30-31页 |
| 2.2.3 室内混响 | 第31-32页 |
| 2.2.4 麦克风接收信号模型 | 第32-33页 |
| 2.3 分布式贝叶斯跟踪理论 | 第33-38页 |
| 2.3.1 数据融合 | 第33-35页 |
| 2.3.2 分布式贝叶斯滤波 | 第35页 |
| 2.3.3 分布式粒子滤波器 | 第35-36页 |
| 2.3.4 一致性滤波器 | 第36-38页 |
| 2.4 基于粒子滤波的说话人跟踪框架 | 第38-43页 |
| 2.4.1 时间延迟估计 | 第39-40页 |
| 2.4.2 说话人运动模型 | 第40-41页 |
| 2.4.3 多假设似然函数 | 第41-43页 |
| 2.4.4 基于粒子滤波的说话人跟踪框架 | 第43页 |
| 2.4.5 跟踪性能评价 | 第43页 |
| 2.5 本章小结 | 第43-45页 |
| 3 基于广域相干场-分布式粒子滤波的说话人跟踪方法 | 第45-65页 |
| 3.1 引言 | 第45页 |
| 3.2 基于权重一致性的分布式粒子滤波器 | 第45-48页 |
| 3.2.1 SIR粒子滤波器 | 第46页 |
| 3.2.2 基于权重一致性的分布式粒子滤波器 | 第46-48页 |
| 3.3 广域相干场-分布式粒子滤波器 | 第48-51页 |
| 3.3.1 广域相干场函数 | 第48-49页 |
| 3.3.2 广域相干场伪似然函数 | 第49-50页 |
| 3.3.3 广域相干场-分布式粒子滤波器 | 第50-51页 |
| 3.4 基于广域相干场-分布式粒子滤波的说话人跟踪 | 第51-53页 |
| 3.4.1 基于GCF-DPF的说话人跟踪方法 | 第51-52页 |
| 3.4.2 计算复杂度分析 | 第52-53页 |
| 3.5 实验结果与分析 | 第53-64页 |
| 3.5.1 Image模型 | 第53-55页 |
| 3.5.2 仿真实验与结果分析 | 第55-62页 |
| 3.5.3 实际实验与结果分析 | 第62-64页 |
| 3.6 本章小结 | 第64-65页 |
| 4 基于改进的分布式高斯粒子滤波的说话人跟踪方法 | 第65-85页 |
| 4.1 引言 | 第65-66页 |
| 4.2 分布式高斯粒子滤波器 | 第66-69页 |
| 4.2.1 高斯粒子滤波器 | 第66页 |
| 4.2.2 分布式高斯粒子滤波器 | 第66-69页 |
| 4.3 改进的分布式高斯粒子滤波器 | 第69-72页 |
| 4.3.1 改进的状态预测 | 第69-71页 |
| 4.3.2 改进的融合规则 | 第71-72页 |
| 4.3.3 改进的分布式高斯粒子滤波器 | 第72页 |
| 4.4 基于改进的分布式高斯粒子滤波的说话人跟踪 | 第72-77页 |
| 4.4.1 基于改进的DGPF的说话人跟踪方法 | 第73-76页 |
| 4.4.2 计算复杂度分析 | 第76-77页 |
| 4.5 实验结果与分析 | 第77-84页 |
| 4.5.1 仿真实验与结果分析 | 第77-83页 |
| 4.5.2 实际实验与结果分析 | 第83-84页 |
| 4.6 本章小结 | 第84-85页 |
| 5 基于分布式边缘辅助粒子滤波的说话人跟踪方法 | 第85-109页 |
| 5.1 引言 | 第85-86页 |
| 5.2 边缘辅助粒子滤波器 | 第86-89页 |
| 5.2.1 边缘粒子滤波器 | 第86-87页 |
| 5.2.2 辅助粒子滤波器 | 第87-88页 |
| 5.2.3 信息滤波器 | 第88页 |
| 5.2.4 边缘辅助粒子滤波器 | 第88-89页 |
| 5.3 分布式边缘辅助粒子滤波器 | 第89-93页 |
| 5.3.1 非线性状态变量的后验概率密度估计 | 第90-91页 |
| 5.3.2 线性状态变量的后验概率密度估计 | 第91-93页 |
| 5.4 基于分布式边缘辅助粒子滤波的说话人跟踪方法 | 第93-99页 |
| 5.4.1 局部TDOA观测的选取 | 第93-95页 |
| 5.4.2 说话人状态空间的边缘化 | 第95-96页 |
| 5.4.3 分布式边缘辅助粒子滤波在说话人跟踪中的应用 | 第96-98页 |
| 5.4.4 计算复杂度分析 | 第98-99页 |
| 5.5 实验结果与分析 | 第99-107页 |
| 5.5.1 仿真实验与结果分析 | 第100-107页 |
| 5.5.2 实际实验与结果分析 | 第107页 |
| 5.6 本章小结 | 第107-109页 |
| 6 总结与展望 | 第109-112页 |
| 6.1 论文总结 | 第109-110页 |
| 6.2 创新点摘要 | 第110-111页 |
| 6.3 研究展望 | 第111-112页 |
| 参考文献 | 第112-125页 |
| 攻读博士学位期间科研项目及科研成果 | 第125-127页 |
| 致谢 | 第127-128页 |
| 作者简介 | 第128页 |
