一、基于麦克风阵列的双波束近场定位及语音分离（论文文献综述）
王玉莹[1]（2021）在《基于麦克风阵列的声源定位新方法研究》文中研究指明目标定位作为一种对待测目标的监控方式,在军事、工业和民用领域均有广泛的应用。声源定位技术是被动式目标定位技术的一大分支,近年来得到了广泛的研究。随着数字信号处理技术和阵列信号处理技术的不断发展,基于麦克风阵列的声源定位系统在民用领域,尤其是室内场景下的音视频会议、安防监控、智能机器人定位等都表现出了十足的应用潜力。然而在声源定位问题中,主要存在现有方法计算量大和声音传播速度易受环境影响这两个问题,从而影响了声源定位的实时性和定位精度。现有的声源定位方法在求解时,多使用数值求解的计算方法,这种求解方法一般计算量较大,不利于定位的实时性,同时存在人工干预的问题。针对声音传播速度易受环境温度影响的问题,现有的研究工作中多采用附加额外的温度传感器、附加额外的声速标定环节或先通过阵列解算温度信息再定位的方式。这些方法取得了一定的效果,但增加了系统的复杂性,不利于实时定位。因此,本文针对现有的声源定位方法计算量大和定位精度易受环境温度影响的问题,开展了基于麦克风阵列的声源定位新方法的研究。本文的主要工作和创新点如下:1.提出了 一种基于到达时间差（TDOA,Time Difference of Arrival）的麦克风阵列声源定位新方法。该方法使用五元麦克风阵列建立声源定位模型,提出解析解形式的问题求解思路,避免数值求解可能存在的人工干预问题。通过将环境声速视为变量,避免了环境温度变化对声源定位精度的影响。2.针对所提出的新方法存在的通用解析解表达困难的问题,对常见的麦克风阵列拓扑结构展开研究,参考三维十字架结构以简化问题求解过程。从三维十字架结构中概括出三种基本构型,对三种构型下的问题求解展开详细讨论并对每种构型的解析解展开推导。综合考虑信号传播的有效性和阵列安装的复杂度,优选出两种构型并给出了两种构型下的空间旋转变换规则以适用于不同阵列角度的求解。3.基于室内声源定位场景,搭建了一套麦克风声源定位系统。通过合理的麦克风选型、阵列拓扑结构设计和数据采集单元设计完成系统硬件搭建。通过声源信号预处理模块设计、时延估计模块设计和位置解算模块设计完成系统软件部分搭建。通过实际系统性能标定测试验证了所搭建系统的有效性。4.结合实际应用场景及声学传感器特性,选择优选构型展开仿真研究并根据仿真得到的定位适用范围和定位性能变化趋势开展实际定位实验,验证所提出新方法的有效性。实验结果表明,所提出的定位新方法是有效的,实际定位结果与仿真结果表现出了较好的一致性。两种优选构型相比,构型二的定位性能更佳,基本表现出了较文献中相同定位场景下更优或与之相当的定位精度。通过控制环境温度变化,基于优选出的构型二进一步开展了实际定位实验,以测试所提出的新方法对环境温度变化的鲁棒性。实验结果表明,与使用默认声速的声源定位方法相比,所提出的新方法可以克服环境温度变化的影响,提高声源定位精度。与使用温度补偿的声源定位方法相比,所提出的新方法可以达到与之相当的声源定位精度,且具备不需要额外温度传感器的优势。
周滨[2]（2021）在《基于差分麦克风阵列的双通道语音增强技术研究》文中研究表明随着人工智能领域的发展,语音交互技术逐渐成为人工智能发展的重点研究对象。麦克风阵列技术可以在复杂的声学环境中进行噪声抑制,提高语音质量和可懂度。由于麦克风的数量、体积及运算速度等条件的限制,大多数基于麦克风阵列的语音增强算法不能直接应用于便携式终端设备中。差分麦克风阵列（Differential Microphone Arrays,DMA）因为其具有超强方向性、波束模式频率几乎不变以及体积小的特点得到了充分重视和广泛研究。本文主要研究了基于一阶差分麦克风（First-order Differential Microphone,FDM）阵列的双通道语音增强技术,并针对传统算法的不足做出了改进。具体内容如下:首先,对基于FDM阵列技术的双通道语音增强方法（简称FDM-SS）进行研究分析。发现经该算法处理得到的增强语音信号中存在方向性噪声残留,并且当对测试语音的静音段估计不精确时会造成语音质量的下降。其次,针对FDM-SS算法处理后增强语音信号存在方向性噪声残留的缺陷,提出了基于差分麦克风阵列的变步长LMS（Least Mean Square）语音增强算法。该算法对两个麦克风采集到的带噪语音信号进行一阶差分麦克风阵列处理,将获得的语音通道信号和噪声通道信号分别作为期望信号和误差信号与变步长频域LMS算法相结合,控制自适应滤波器的权系数进行调整。实现对语音通道信号中的方向性噪声残留进一步消除。仿真实验结果显示,提出的改进算法能够对方向性干扰噪声进行有效地抑制,提高语音质量。最后,针对广义旁瓣对消（Generalized Sidelobe Cancellation,GSC）结构中存在BM模块在低频段会丢失语音信号的缺陷。结合一阶差分麦克风阵列的优势,提出了基于一阶差分麦克风阵列的改进GSC算法。该算法将差分麦克风阵列处理后的语音通道信号和噪声通道信号分别作为GSC的固定波束形成器（Fixed Beamformer,FBF）模块和阻塞矩阵（Blocking Matrix,BM）模块输入。并增加一个BM模块通过均衡滤波器对低频部分的能量丢失进行补偿,提高自适应噪声相消器（Adaptive Noise Canceller,ANC）的性能。利用两通道信号对先验信干比（Signal-to-Interference Ratio,SIR）进行估计,从而控制ANC自适应滤波权系数进行更新,消除语音通道信号中残留噪声。实验结果表明,提出的算法可以有效地克服方向性噪声并减少语音信号的失真,语音质量客观评估及降噪效果都优于参考算法。
舒治宇[3]（2019）在《基于麦克风阵列的声源定位算法研究》文中研究说明随着阵列信号处理技术的发展,基于麦克风阵列的语音信号处理已成为一个新的研究热点。麦克风阵列在时域和频域的基础上增加一个空间域,不仅具有波束形成的功能,还能对声源进行定位。由于语音信号为非平稳宽带信号,再加上混响、外界背景噪声等因素的存在,导致传统的声源定位算法存在着运算量大、定位精度低等缺点。在对麦克风阵列声源定位技术深入研究的基础上,本文提出一种基于GSA算法的宽带聚焦2D-IMUSIC算法,以较好的解决定位精度低和运算复杂度高的问题。本文的主要内容如下:1)分析了语音信号的预处理,包括预滤波、加窗分帧、分频处理、语音端点检测等,对阵列信号处理的模型作了介绍,为后续章节的理论分析打下基础。2)研究了不同结构的麦克风阵列空间模型,分析了已有的一些空间谱估计算法,并对其进行仿真对比,仿真结果表明MUSIC算法具有运算量和估计精度的双重优势。3)针对传统2D-MUSIC算法在低信噪比情况下性能变差,给出了一种基于均匀圆阵的2D-MUSIC改进算法（2D-IMUSIC算法）,并将2D-IMUSIC算法与2D-MUSIC算法做了仿真对比,结果显示2D-IMUSIC算法在低信噪比下也能拥有良好的估计性能。接着,针对2D-IMUSIC算法无法处理相干信号的缺点,本文引入宽带聚焦算法,给出了一种宽带聚焦2D-IMUSIC算法。最后,针对宽带聚焦2D-IMUSIC算法运算量大的难题,本文考虑了将宽带聚焦2D-IMUSIC算法和GSA算法相结合的方法,提出基于GSA算法的宽带聚焦2D-IMUSIC算法,仿真结果表明,提出的该算法在保证了定位精度的前提下,减少了运算量。4)声源定位系统的硬件和软件设计。基于TMS320C6748 DSP搭建声源定位系统测试样机,设计了系统的处理模块和语音采集模块。最后使用Microsemi测试软件对系统进行测试,测试结果表明,本文的声源定位系统的定位效果能达到预期要求。
宁培培[4]（2019）在《基于麦克风阵列的机械故障诊断研究》文中研究指明麦克风阵列常常被用于声源位置的检测。噪声源的识别是基于麦克风阵列的声源定位算法,声源定位算法划分为三个部分,第一是种基于波束成形方法,第二种是基于高分辨率谱估计的方法,第三种是基于声达时延差（Time difference of Arrival）的方法。本文基于波束形成方法对机械故障噪声源进行定位,以期达到机械故障检测的目的。本文研究的近场范围内的机械平台故障定位。因此,本文对近场声波传播模型和麦克风定位的理论进行了推导和研究。仿真搭建了一套麦克风阵列采集系统并应用于故障检测。还提出了一个去除耦合干扰方法,并进行测试验证。本文研究内容由以下几个部分组成:第一章介绍了国内外应用于故障检测的声学技术发展过程,同时提出研究麦克风阵列近场噪声源定位与故障检测关系的目的和意义。第二章介绍了噪声源的概念和音频信号处理基本理论,研究了近场信号处理模型,基于近场球面波模型计算了近场阵列响应矩阵,并得到阵列的导向矢量。麦克风阵列结构分别对线性阵、圆形阵、螺旋阵进行分析,选定螺旋阵用于课题最终方案。第三章研究了声源定位的基本理论。第四章利用Matlab进行单源、双源、多源进行算法仿真,模拟在不同频率噪声源中找出拥有特征频率的故障源。第五章搭建课题的麦克风阵列,采集信号后对信号进行处理得到故障特征频率,再利用波束形成算法对故障进行定位。第六章提出耦合干扰,研究了去耦合干扰算法,并验证。第七章总结课题,对课题优缺点进行讨论,并且指出课题可以改进的方法。
宋宫琨琨[5]（2016）在《基于麦克风阵列的室内语音定位算法研究》文中提出随着多媒体技术的进一步发展,阵列信号处理技术已经被广泛应用于各领域。基于麦克风阵列的声源定位技术是阵列信号处理中的关键技术之一,是语音信号处理领域一个新的研究热点。本论文运用麦克风阵列技术对室内语音定位展开研究,主要做了以下几个方面的工作：1、对基于麦克风阵列的声源定位技术的研究背景、研究现状、研究意义、研究难点和影响因素进行深入研究,并给出语音信号预处理的方法。2、在分析了传统的的定位算法存在定位精度低、实时性差等问题的基础上,提出了一种基于PHAT的三维七元麦克风阵列声源定位算法。通过到达时差方法计算声源的方位角、俯仰角、距离,最后通过几何方法结合角度与距离计算声源位置,并与传统的四元十字形阵列进行对比。3、针对波达方向估计中,传统互功率谱相位的声源定位方位被存在估计准确性差、方位模糊的问题,提出了一种基于圆形集成互功率谱的声源定位算法,在该算法中,通过在互功率谱中引入相位旋转因子,得到圆形集成互功率谱,结合十二元麦克风阵列,进行声源方位估计,能有效提高方位估计性能。4、针对现有的多声源定位方法中定位结果不准确、稳定性不好等问题,提出了一种基于一致聚焦变换最小二乘法的麦克风阵列双声源定位算法,运用基于一致聚焦变换最小二乘法的宽带信号MUSIC算法,对室内近场双声源进行定位。定义中心频率点,然后通过一致聚焦变换,结合最小二乘法,求得每个中心频率点所对应的信号空间谱,利用频率点均值和时间快拍估计的方法求得信号空间谱平均估计值,进而估计求得声源方位,提高了定位的精确性。5、分析前面提出的声源定位算法,并对第四、五章的算法进行语音定位系统实现。实测实验结果表明,本文提出的语音定位算法定位精度高,能满足实际定位需求。最后,总结本文所做工作,对可能的改进之处做出展望。
庞宇[6]（2016）在《语音分离技术的研究与实现》文中提出语音分离技术,作为语音合成和语音识别等技术的重要基础,在语音信号处理技术中占有着至关重要的地位。传统基于单麦克风的语音分离方法在理想的无噪、无混响的环境中能够对混合语音信号进行较好的分离,但它在多声源、高噪声环境下的分离效果并不理想。基于麦克风阵列的语音分离方法能够利用波束形成方法对目标方向的声源信号获得更高增益,并对其非目标方向进行较强的抑制,从而获得更好的语音分离性能。但对于语音而言,其明显的带宽和不稳定特性导致了语音分离方法中信号权矢量准确的获取难度远远大于传统天线阵列中平稳的窄带电磁波信号。因此,围绕如何减小语音分离过程中的信号抵消现象,论文对现有的语音分离方法进行更加细致的分析和改进。论文对一种基于双麦克风阵列的语音分离方法进行了实现和改进,并在此基础上对一种基于球面正四面体麦克风阵列的语音方法进行了设计和仿真实现。论文以基于ICA的单麦语音分离方法为参照,利用PESQ语音质量评价方法对利用上述两种算法分离后的语音质量进行了评估,结果显示所设计的方法能够实现较好的语音分离性能。论文重点对两种基于麦克风阵列的语音分离方法的实现与改进进行论述,具体地说,主要进行了如下几方面的工作:首先,论文在介绍语音分离技术的研究背景、意义、现状以及发展趋势的基础上,对基于麦克风阵列语音分离技术的相关原理进行了较为全面的阐述。讨论了语音和噪声的信号特征及语音信号在阵列处理中的难点所在。从波动方程入手,深入浅出的对方法中所涉及的远场宽带信号模型进行了推导。又对常见的麦克风阵列拓扑结构进行了简单介绍,并对MVDR波束形成方法和基于FIR滤波器的宽带波束形成方法的相关原理进行了阐述,为下步方法实现与改进奠定了理论基础。其次,论文对基于双麦克风阵列的语音分离方法进行了实现。该方法主要包含有三个部分,即语音活动性分类模块、语音分离模块和后置检查模块。其中,语音活动性模块用于自动鉴别声源的语音活动性是否处于活动状态,并将其结果发送至语音分离模块中的自动控制组件,以便控制MVDR波束形成器自适应性的开闭状态,从而正确获取语音信号的相关性;语音分离模块用于将麦克风阵列所接收到的混合语音信号进行准确分离,并且为了避免信号输出时的相位不连续现象,模块选用MVDR波束形成器与FIR滤波器相结合的方式来对宽带语音信号进行分离;后置检查模块利用输出信号的功率对之前的语音活动性分类结果进行检查和校正,以便获得更加准确的语音分离结果。再次,论文对一种基于球面正四面体麦克风阵列的语音分离方法进行了设计和仿真。其原理相似于上面的双麦克风阵列方法,不同之处在于该方法利用更多的阵元和谐波域对含噪混合语音信号进行处理,其优势在于方法对权向量、互功率谱矩阵以及阵列流形矩阵的计算相比于阵元域都为简单和准确。最后,论文以基于ICA的单麦语音分离方法为参照,利用PESQ语音质量评价标准对上述三种算法分离后的语音信号进行了质量评估,结果显示利用所设计的方法分离后的语音信号PESQ得分均值及标准差都优于前两种方法,体现出所设计的方法能够实现较好的语音分离性能。论文结尾总结了所设计方法存在的优点和不足,提出了进一步的改进方向。
王月英[7]（2015）在《基于声音位置指纹的室内声源定位方法研究》文中指出传统的基于麦克风阵列的家居服务机器人声源定位中,定位精度受室内非结构化环境和麦克风阵列的模型影响较大、定位精度低。本文面向室内家居的非结构化环境,重点解决定位精度受环境影响大、模型依赖度高的问题,借鉴基于WLAN的室内定位技术的思路,结合声音的空间传播特征,提出了基于声音位置指纹的室内声源定位方法,实现人机交互过程中人和机器人的准确、可靠定位。文中从以下三个方面进行了研究:首先,针对现有的声源定位模型依赖度高、受室内非结构化影响严重的问题提出了基于声音位置指纹的定位方法,介绍了基于位置指纹的WLAN室内定位技术,分析了声音信号与WLAN信号的相似性,以及把位置指纹的方法应用于声源定位的可行性。其次,针对提出的定位方法建立基于声音位置指纹的室内声源定位系统,声源定位系统包括硬件系统和软件系统,详细介绍了硬件系统的组成部分以及连接方法,根据定位需要设计了信号处理系统以及人机交互界面,并对该系统进行了介绍和分析。最后,对影响定位精度的关键因素进行分析,分析了参考点的选取、阵列位置以及阵列模型对定位精度的影响,并且通过加入障碍物分析了室内非结构化环境对定位精度的影响。
李文东[8]（2014）在《人机交互中的声源定位与增强方法研究》文中研究表明语音是人机交互中最自然的方式，既不需要接触或佩戴数据设备，也不存在视觉盲点。在基于语音的人机交互系统中，由于噪声的影响，特别是交互环境中其他无关说话人语音的干扰，严重降低了交互系统的性能。本文对人机交互系统语音信号信噪比的提高展开研究。交互目标声源的定位是基于麦克风阵列的多通道语音增强法的关键，本文采用基于时延估计的声源定位方法。针对信号时延估计问题，采用先通过适当阈值过滤噪声再做相关处理的方式，提出一种基于阈值判决的声达时延差估计方法。仿真实验表明该方法优于广义互相关法，为进一步目标声源的空间定位提供更加准确的时延参数。为更好地模拟实际声源所在的空间场景，基于麦克风线性均匀阵列，采用双阵列空间三维定位的方法，提出了一种由六个麦克风构成的平行均匀线阵接收模型。结合基于阈值判决的声达时延差估计方法实现目标声源的三维定位。在目标声源的定位基础上，通过波束形成法来增强目标语音。并对固定波束形成法中各通道的权重设置提出改进方案，更好地实现目标语音的增强。本文通过MATLAB对所提出的算法进行了详细地仿真实验，结果表明环境信噪比大于1.5dB时，目标声源的定位精度即可达到98%以上，信噪比达到5dB左右的改善。同时算法使用的麦克风数较少，原理简单、易于硬件实现。
徐勤奇[9]（2014）在《基于正四面体传声器阵列的机器人声源定位方法研究》文中认为随着数字信号处理技术和声电技术的不断发展和完善，以及仿人机器人人工智能水平的进步，听觉系统作为人类感官的重要组成部分，已经成为机器人领域的一个重要研究方向。听觉可以在光线很暗或者黑暗的环境中工作，利用声音衍射的特性，还可以定位障碍物后面的声源目标，与其它感官传感器相比具有独特的优势。听觉机器人可以被用在险情救灾、军事、医疗以及服务行业。本文针对智能机器人听觉目标定位这一待解决的关键问题，主要研究了以下三方面内容：1.基于正四面体传声器阵列的三维空间目标声源定位在研究了传声器阵列的基础上，提出了使用正四面体传声器阵列来定位声源，建立了基于正四面体阵列的几何定位模型，推导了定位公式，分析了近似模型对定位误差的影响和时延估计误差对定位精度的影响，并进行了理论分析和仿真分析，为以后设计和改进机器人听觉系统提供了重要的理论依据。搭建了基于移动机器人的正四面体阵列的声源定位实验平台，通过实验验证了基于正四面体阵列的三维空间声源定位系统的定位性能。2.结合机器人主动运动的两次定位方法目前的机器人声源定位系统只能定位方位角和仰角，定位距离误差很大，针对这种现状，提出结合机器人主动运动定位声源，通过机器人主动运动，使机器人在不同的地点对声源进行多次信息采集，最终实现目标声源的准确定位。建立了结合机器人主动运动定位声源的定位模型，并分析了机器人行走误差对定位精度的影响和方位角误差对定位精度的影响，以及仰角误差对定位精度的影响，最后通过实验验证了结合机器人主动运动定位声源的有效性。3.正四面体传声器阵列标定实际传声器阵列与假设阵列模型之间存在误差，导致传声器阵列的语音增强算法和定位性能严重下降。针对正四面体传声器阵列，本文提出了一种新的传声器阵列位置误差有源标定方法。空间中放置一个距离已知的声源，将这个声源移动多次，进行多次测量，通过多次测量的数据估计传声器位置。该方法只需要测量声源的距离，避开了声源精确位置的测量，使用Levenberg-Marquardt算法对多次测量的数据进行处理，得到了很好的标定效果。通过仿真试验验证了该方法的有效性。
陈涛[10]（2011）在《基于机器人听觉系统的声源目标定位研究》文中认为随着各国对国家安全、社会治安等公共事业的高度重视,研究在危险环境中利用多感官、高智能的危险作业机器人系统代替人类工作具有重要的理论意义和应用价值。机器人对于可疑目标的精确定位是各种作业的基础。声源目标是众多目标中最常见的一类作业对象,快速、精确的进行空间声源目标的方位识别是拟人机器人作业的基本要求,也是声源目标的分离和语音识别的基础。对于危险环境中的拟人机器人而言,作业的实时性和定位的准确性是非常基础和重要的指标,因此复杂的系统装置和定位算法在加大成本的同时,也将影响机器人作业的效率,不利于危险环境的运行要求。本论文来源于国家863计划项目“极限环境下面向危险品检测的多感官机器人系统”（项目编号:2006AA04Z221）的支持,旨在追求高精度的声源目标定位要求。课题的总体思路是利用自主研发的多感官、多自由度拟人机器人头部系统中的双耳听觉定位系统,通过“双耳效应”、“耳廓效应”、“头相关传输函数”等定位原理及其相应的定位线索,从声源的水平方位角、垂直方位角、目标距离等多个方位因素对空间声源目标进行全方位的综合定位,同时结合拟人机器人头部的自身特点,对定位精度误差较大的高方位角进行进一步的优化。总的来说,本文的创新性工作主要包括:1、根据拟人机器人听觉定位系统的特点,提出了利用双缓冲及多线程技术对两耳麦克风传感器之间的信号进行实时同步采集。在信号采集过程中,利用归一化的方法将采集的数据转化成Matlab能直接分析的信号格式;同时,利用分帧、加窗、端点检测等信号预处理技术,从采集的冗长信号段中提取有效的信号片段,从而大大减小了冗于信号的无效传递与分析,便于提高定位的效率。2、对于信号消噪,论文采用了基于小波变换的阈值消噪方法。阈值的选择是决定消噪效果的关键,在阈值的选择中,课题采用了基于块阈值的消噪方法,通过合适的定义块（block）的大小,可以获得比传统软阈值消噪方法更好的消噪效果。同时在阈值消噪过程中,利用了平移不变的小波原理来有效地抑制伪吉布斯现象,减少原始信号和评估信号的均方根误差,以获取更高的信噪比。3、课题采用机器人头部转动时引起的双耳麦克风接收的信号声压变化差异判断声源相对于机器人的前后方位,以此来解决“镜像模糊”。对于声源水平方位角的评估,则基于声波到达时间差（TDOA）的定位原理,采用“双耳效应”中的双耳时间差（ITD）、双耳声压差（ILD）、双耳相位差（IPD）等多种定位因素,对不同信号频率的声源目标水平方位进行定位。垂直方位角的判断则利用“耳廓效应”原理,依据耳廓对信号的反射作用所引起的谷点频率（notch frequency）中含有的方位信息,据此信息为基础构建垂直方位角评估函数,从而对方位信息进行评估。同时,论文还提出了最佳的耳廓装置选择方案,给其他应用提供了参考依据。4、多自由度是课题中拟人机器人的主要特点之一,利用多种自由度,可以优化一些模糊方位的评估误差。当声源偏向机器人头部的某一侧,即水平方位角和垂直方位角较大,此时利用传统定位方法评估的方位误差较大,课题则利用机器人头部的左右转动自由度和前后摆动自由度,对水平方位及垂直方位评估算法进行改进、补偿,并通过实验仿真检验了算法的可行性。
二、基于麦克风阵列的双波束近场定位及语音分离（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于麦克风阵列的双波束近场定位及语音分离（论文提纲范文）
（1）基于麦克风阵列的声源定位新方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究进展及现状 |
| 1.3 基于到达时间差的麦克风声源定位方法 |
| 1.4 声学传感器温度补偿方法 |
| 1.4.1 温度对声速和定位的影响 |
| 1.4.2 声学传感器常用的温度补偿方法 |
| 1.5 本文的主要研究内容和章节安排 |
| 第2章 研究方案和技术路线 |
| 2.1 研究方案 |
| 2.2 技术路线 |
| 2.3 本章小结 |
| 第3章 基于麦克风阵列的声源定位新方法 |
| 3.1 基本构型拆解 |
| 3.2 阵列模型求解 |
| 3.2.1 构型一模型求解 |
| 3.2.2 构型二模型求解 |
| 3.2.3 构型三模型求解 |
| 3.3 构型分析 |
| 3.4 本章小结 |
| 第4章 基于麦克风阵列的声源定位系统设计 |
| 4.1 系统总体方案设计 |
| 4.2 系统硬件设计 |
| 4.2.1 麦克风选取及模块设计 |
| 4.2.2 麦克风阵列设计 |
| 4.2.3 数据采集单元 |
| 4.3 系统软件设计 |
| 4.3.1 声源信号预处理模块设计 |
| 4.3.2 系统时延估计模块设计 |
| 4.4 系统性能测试 |
| 4.4.1 麦克风性能测试 |
| 4.4.2 系统软件测试 |
| 4.5 本章小结 |
| 第5章 实际定位实验与结果分析 |
| 5.1 基本构型定位性能仿真 |
| 5.2 实际定位实验 |
| 5.2.1 实验一 |
| 5.2.2 实验二 |
| 5.3 讨论与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 个人简历 |
| 攻读硕士学位期间所得科研成果 |
（2）基于差分麦克风阵列的双通道语音增强技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容及结构安排 |
| 第二章 语音增强基础算法及比较 |
| 2.1 语音信号预处理 |
| 2.1.1 预加重 |
| 2.1.2 分帧加窗 |
| 2.2 单通道语音增强算法 |
| 2.2.1 谱减法 |
| 2.2.2 维纳滤波法 |
| 2.2.3 最小均方误差估计法 |
| 2.3 多通道语音增强算法 |
| 2.3.1 固定波束形成 |
| 2.3.2 自适应波束形成 |
| 2.4 语音增强常用性能指标 |
| 2.4.1 主观评价指标 |
| 2.4.2 客观评价指标 |
| 2.5 仿真实验与分析 |
| 2.6 本章小结 |
| 第三章 差分麦克风阵列 |
| 3.1 引言 |
| 3.2 差分麦克风阵列 |
| 3.2.1 麦克风阵列近场与远场模型 |
| 3.2.2 差分麦克风阵列建模 |
| 3.3 一阶差分麦克风阵列 |
| 3.3.1 双通道信号模型 |
| 3.3.2 一阶心形差分麦克风阵列 |
| 3.4 实验仿真和分析 |
| 3.5 本章小结 |
| 第四章 基于差分麦克风阵列的变步长LMS语音增强算法 |
| 4.1 背对背一阶心形差分麦克风阵列 |
| 4.2 FDM-SS算法 |
| 4.3 结合变步长LMS的双通道语音增强算法 |
| 4.4 仿真实验 |
| 4.4.1 实验环境设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 基于差分麦克风阵列的改进GSC语音增强算法 |
| 5.1 GSC自适应滤波算法 |
| 5.2 结合改进GSC的双通道语音增强算法 |
| 5.3 仿真实验 |
| 5.3.1 实验环境设置 |
| 5.3.2 仿真结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（3）基于麦克风阵列的声源定位算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 课题研究背景及意义 |
| 1.2 麦克风阵列声源定位的国内外研究现状 |
| 1.3 麦克风阵列声源定位的主要技术难点 |
| 1.4 本文研究的主要内容及文章内容安排 |
| 第2章 语音信号分析及阵列模型 |
| 2.1 语音信号的预处理 |
| 2.1.1 语音信号的特征 |
| 2.1.2 预滤波 |
| 2.1.3 预加重 |
| 2.1.4 加窗分帧 |
| 2.1.5 分频处理 |
| 2.1.6 语音端点检测 |
| 2.2 传统阵列信号处理模型 |
| 2.2.1 窄带和宽带信号模型 |
| 2.2.2 相干信号源模型 |
| 2.3 本章总结 |
| 第3章 麦克风阵列的空间结构与空间谱估计算法 |
| 3.1 麦克风阵列的空间结构模型 |
| 3.1.1 麦克风阵列均匀线阵远场模型 |
| 3.1.2 麦克风阵列均匀线阵近场模型 |
| 3.1.3 麦克风阵列均匀圆阵近场模型 |
| 3.1.4 麦克风阵列任意结构近场模型 |
| 3.2 经典的空间谱估计定位算法 |
| 3.2.1 MUSIC算法的基本原理 |
| 3.2.2 ML算法的基本原理 |
| 3.2.3 ESPRIT算法的基本原理 |
| 3.2.4 Capon算法的基本原理 |
| 3.2.5 仿真实验分析 |
| 3.3 本章总结 |
| 第4章 麦克风阵列二维空间的MUSIC算法 |
| 4.1 2D-MUSIC算法及其改进算法 |
| 4.1.1 2D-MUSIC算法 |
| 4.1.2 2D-IMUSIC算法 |
| 4.1.3 运算复杂度分析 |
| 4.1.4 仿真实验分析 |
| 4.2 基于宽带聚焦的2D-IMUSIC算法 |
| 4.2.1 宽带聚焦算法的基本原理 |
| 4.2.2 宽带聚焦2D-IMUSIC算法 |
| 4.2.3 运算复杂度分析 |
| 4.2.4 仿真实验分析 |
| 4.3 基于智能优化算法的宽带聚焦2D-IMUSIC算法 |
| 4.3.1 引力搜索算法的介绍 |
| 4.3.2 引力搜索算法的描述 |
| 4.3.3 基于GSA算法的宽带聚焦2D-IMUSIC算法 |
| 4.3.4 仿真实验分析 |
| 4.4 本章总结 |
| 第5章 麦克风阵列声源定位系统的设计与实现 |
| 5.1 系统原理及处理器选择 |
| 5.2 系统硬件设计 |
| 5.3 系统软件设计 |
| 5.4 系统测试 |
| 5.5 本章总结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（4）基于麦克风阵列的机械故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 本文主要研究内容 |
| 第二章 声源定位基本理论及模型建立 |
| 2.1 音频信号 |
| 2.1.1 音频信号的概念 |
| 2.1.2 音频信号的采样 |
| 2.1.3 音频信号的处理 |
| 2.1.4 快速傅里叶变换 |
| 2.2 麦克风阵列的处理模型 |
| 2.2.1 窄带信号与宽带信号 |
| 2.2.1.1 信号的带宽的定义 |
| 2.2.1.2 窄带信号的处理模型 |
| 2.2.1.3 宽带信号的处理模型 |
| 2.2.2 远场模型与近场模型 |
| 2.2.2.1 声音近场模型 |
| 2.2.2.2 声音远场模型 |
| 2.2.3 麦克风处理模型总结 |
| 2.3 麦克风阵列的拓扑结构 |
| 2.3.1 均匀直线排布 |
| 2.3.2 均匀圆形排布 |
| 2.3.3 均匀球面排布 |
| 2.3.4 螺旋排布阵列 |
| 2.4 本章小结 |
| 第三章 麦克风阵列声源定位算法 |
| 3.1 声达时延法 |
| 3.2 高分辨率普估计法 |
| 3.3 波束形成法 |
| 3.3.1 传统波束形成算法 |
| 3.3.2 自适应波束形成算法 |
| 3.4 本章小结 |
| 第四章 麦克风阵列系统设计与仿真 |
| 4.1 系统原理 |
| 4.1.1 采集系统的选择 |
| 4.1.2 麦克风的选型 |
| 4.1.3 麦克风阵列的结构 |
| 4.2 模拟噪声定位仿真设计与结果 |
| 4.2.1 声源排布模拟结构 |
| 4.2.2 单声源定位与结果 |
| 4.2.3 双源定位与结果 |
| 4.2.4 三源定位与结果 |
| 4.3 本章小结 |
| 第五章 故障噪声定位的应用 |
| 5.1 阵列定位性能测试 |
| 5.1.1 阵列定位准确性测试 |
| 5.1.2 不同频率声源定位测试 |
| 5.2 阵列信号预处理 |
| 5.2.1 轴承常见故障形式与频率 |
| 5.2.2 轴承特征频率的提取 |
| 5.2.2.1 短时傅里叶变换 |
| 5.2.2.2 自相关运算 |
| 5.2.2.3 特征频率提取结果 |
| 5.3 故障信号定位实验与结果 |
| 5.4 本章小结 |
| 第六章 去除麦克风之间耦合波束形成定位 |
| 6.1 耦合的定义 |
| 6.2 去除麦克风之间的耦合 |
| 6.3 去除耦合之后定位测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文工作总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（5）基于麦克风阵列的室内语音定位算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号及缩写含义清单 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 麦克风阵列声源定位技术的研究现状 |
| 1.2.1 基于时延估计的声源定位技术 |
| 1.2.2 基于高分辨率谱估计技术的声源定位技术 |
| 1.2.3 基于可控波束形成的声源定位技术 |
| 1.2.4 基于粒子滤波的声源定位技术 |
| 1.3 麦克风阵列声源定位技术的研究难点与影响因素 |
| 1.3.1 研究难点 |
| 1.3.2 影响因素 |
| 1.4 本文研究内容与组织结构 |
| 第二章 信号模型与预处理 |
| 2.1 语音信号模型 |
| 2.1.1 语音信号 |
| 2.1.2 近场信号与远场信号模型 |
| 2.2 麦克风阵列语音信号模型 |
| 2.2.1 带噪语音与室内混响 |
| 2.2.2 麦克风阵列语音信号模型 |
| 2.3 语音信号的预处理 |
| 2.3.1 预滤波 |
| 2.3.2 分帧加窗处理 |
| 2.4 本章小结 |
| 第三章 基于PHAT的三维七元麦克风阵列声源定位算法 |
| 3.1 传统四元十字麦克风阵列声源定位算法 |
| 3.2 基于相位变换加权的广义互相关七元麦克风阵列声源定位算法 |
| 3.2.1 相位变换加权的广义互相关算法 |
| 3.2.2 基于PHAT的三维七元麦克风阵列声源定位算法 |
| 3.2.3 语音信号处理 |
| 3.3 仿真实验对比 |
| 3.3.1 四元与七元麦克风阵列定位性能比较 |
| 3.3.2 声源处于不同位置时七元麦克风在阵列定位结果 |
| 3.4 本章小结 |
| 第四章 基于圆形集成互功率谱的麦克风阵列声源定位算法 |
| 4.1 传统的互功率谱相位的声源定位算法 |
| 4.2 基于圆形集成互功率谱的麦克风阵列声源定位算法 |
| 4.2.1 圆形麦克风阵列设计 |
| 4.2.2 基于圆形集成互功率谱的麦克风阵列声源定位算法 |
| 4.2.3 误差分析 |
| 4.3 仿真实验对比 |
| 4.3.1 声源位置不变时定位性能 |
| 4.3.2 声源位置变化时定位性能 |
| 4.4 本章小结 |
| 第五章 基于一致聚焦变换最小二乘法的麦克风阵列双声源定位算法 |
| 5.1 多声源定位算法 |
| 5.1.1 传统的多信号分类的声源定位算法 |
| 5.1.2 盲源分离-声达时差方法的声源定位算法 |
| 5.2 基于一致聚焦变换最小二乘法的麦克风阵列双声源定位算法 |
| 5.2.1 圆形麦克风阵列设计与信号模型建立 |
| 5.2.2 基于一致聚焦变换最小二乘法的多信号分类方法 |
| 5.3 仿真实验对比 |
| 5.3.1 声源定位性能分析 |
| 5.3.2 声源定位对比分析 |
| 5.4 本章小结 |
| 第六章 语音定位系统实现 |
| 6.1 系统的硬件准备 |
| 6.2 系统的软件实现 |
| 6.3 室内麦克风阵列配置 |
| 6.4 仿真与实测实验对比 |
| 6.4.1 基于圆形集成互功率谱的麦克风阵列声源定位算法实测实验 |
| 6.4.2 基于一致聚焦变换最小二乘法的麦克风阵列双声源定位算法实验 |
| 6.5 本章小结 |
| 第七章 总结和展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间主要科研成果 |
（6）语音分离技术的研究与实现（论文提纲范文）
| 缩略词对照表 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状与发展趋势 |
| 1.2.1 基于ICA的语音分离方法 |
| 1.2.2 基于CASA的语音分离方法 |
| 1.2.3 基于SF的语音分离方法 |
| 1.3 论文主要工作与结构安排 |
| 第二章 麦克风阵列语音分离理论基础 |
| 2.1 引言 |
| 2.2 信号特征 |
| 2.2.1 语音信号的特征 |
| 2.2.2 噪声信号的特征 |
| 2.2.3 语音信号的阵列处理 |
| 2.3 波动方程及求解 |
| 2.4 近场范围判断准则 |
| 2.5 远场信号模型 |
| 2.6 宽带信号模型 |
| 2.6.1 频域宽带信号处理 |
| 2.6.2 时域宽带信号处理 |
| 2.7 麦克风阵列拓扑结构 |
| 2.7.1 均匀线阵 |
| 2.7.2 均匀平面阵 |
| 2.7.3 均匀环阵 |
| 2.7.4 球面阵 |
| 2.8 MVDR自适应波束形成方法 |
| 2.9 宽带波束形成方法 |
| 2.10 本章小结 |
| 第三章 基于双麦的自适应语音分离方法 |
| 3.1 引言 |
| 3.2 方法概述 |
| 3.3 信号模型 |
| 3.4 语音活动性分类模块 |
| 3.4.1 基于双门限的噪声检测组件 |
| 3.4.2 LogBPR-SAC组件 |
| 3.4.3 SAC模块处理流程 |
| 3.5 窗口值和阈值的选取 |
| 3.6 自适应双波束语音分离模块 |
| 3.7 后置检查模块 |
| 3.8 本章小结 |
| 第四章 基于球面阵的自适应语音分离方法 |
| 4.1 引言 |
| 4.2 方法概述 |
| 4.3 谐波域球面傅里叶变换 |
| 4.4 空间采样方法 |
| 4.5 球面阵近场范围判断准则 |
| 4.6 球面阵MVDR自适应波束形成方法 |
| 4.6.1 阵元域球面阵MVDR波束形成方法 |
| 4.6.2 谐波域球面阵MVDR波束形成方法 |
| 4.7 球面阵自适应语音分离方法 |
| 4.7.1 球面阵SAC模块 |
| 4.7.2 球面阵语音分离模块 |
| 4.7.3 后置检查模块 |
| 4.8 本章小结 |
| 第五章 算法性能评价 |
| 5.1 引言 |
| 5.2 语音质量评价方法 |
| 5.2.1 主观平均意见得分评价法 |
| 5.2.2 E-model评价法 |
| 5.2.3 感知语音质量测量评价法 |
| 5.2.4 语音质量感知评估评价法 |
| 5.3 算法性能测试 |
| 5.3.1 基于单麦ICA的语音分离算法测试 |
| 5.3.2 基于双麦的自适应语音分离算法测试 |
| 5.3.3 基于球面阵的自适应语音分离算法测试 |
| 5.4 测试结果分析 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 论文主要工作与创新点 |
| 6.1.1 论文的主要工作 |
| 6.1.2 论文的创新点 |
| 6.2 进一步工作展望 |
| 致谢 |
| 参考文献 |
| 附录A |
| 作者在学期间取得的学术成果 |
（7）基于声音位置指纹的室内声源定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容 |
| 第二章 麦克风阵列声源定位方法 |
| 2.1 声音传播模型 |
| 2.1.1 远场模型 |
| 2.1.2 近场模型 |
| 2.2 基于声音传播模型的声源定位方法 |
| 2.2.1 基于声达时间差的声源定位方法 |
| 2.2.2 基于高分辨率谱估计的声源定位方法 |
| 2.2.3 基于可控波束形成的声源定位方法 |
| 2.3 基于场景分析的声源定位方法 |
| 2.4 定位方法的分析比较 |
| 2.5 本章小结 |
| 第三章 基于声音位置指纹的定位方法 |
| 3.1 声音位置指纹 |
| 3.1.1 位置指纹的原理与研究现状 |
| 3.1.2 声音位置指纹的原理 |
| 3.2 栅格的划分方法 |
| 3.2.1 方格划分栅格法 |
| 3.2.2 等边三角形质心划分栅格法 |
| 3.2.3 递增式划分栅格法 |
| 3.3 参考点特征的选取 |
| 3.3.1 参考点特征的选取 |
| 3.3.2 声达时间差估计原理 |
| 3.4 基于声音位置指纹的位置估算方法 |
| 3.4.1 朴素贝叶斯算法 |
| 3.4.2 最近邻算法 |
| 3.4.3 K最近邻法 |
| 3.4.4 改进的K最近邻法 |
| 3.5 性能评估方法 |
| 3.6 本章小结 |
| 第四章 定位系统的设计与实现 |
| 4.1 声源定位系统的设计要求 |
| 4.2 硬件系统的设计 |
| 4.2.1 声音信号测量系统 |
| 4.2.2 声音信号的采集 |
| 4.3 软件系统的设计 |
| 4.3.1 GUI简介 |
| 4.3.2 离线采样阶段系统的设计 |
| 4.3.3 在线阶段定位系统的设计 |
| 4.4 本章小结 |
| 第五章 影响定位关键因素的分析与研究 |
| 5.1 参考点的选取方法对定位精度的影响 |
| 5.1.1 参考点的选取方法 |
| 5.1.2 定位结果与分析 |
| 5.2 外部条件对定位精度的影响 |
| 5.2.1 阵列位置对定位精度的影响 |
| 5.2.2 非结构化环境对定位精度的影响 |
| 5.3 本章小结 |
| 第六章 结论 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所取得的相关科研成果 |
（8）人机交互中的声源定位与增强方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容与架构安排 |
| 第二章 基于语音的人机交互系统简介 |
| 2.1 人机交互系统 |
| 2.2 基于语音的人机交互系统 |
| 2.3 语音交互系统中的预处理 |
| 2.4 本章小结 |
| 第三章 交互目标声源定位算法 |
| 3.1 麦克风阵列接收模型 |
| 3.1.1 声源传播模型 |
| 3.1.2 麦克风阵列近场接收模型 |
| 3.2 近场声源二维定位 MUSIC 算法 |
| 3.2.1 MUSIC 算法简介 |
| 3.2.2 算法仿真与结果分析 |
| 3.3 基于时延估计的声源定位算法 |
| 3.3.1 基于阈值判决的时延估计算法 |
| 3.3.2 基于平行双均匀线阵的交互声源三维定位算法 |
| 3.4 本章小结 |
| 第四章 基于声源定位的交互语音增强方法 |
| 4.1 固定波束形成法 |
| 4.2 自适应波束形成法 |
| 4.3 改进的加权波束形成法 |
| 4.4 本章小结 |
| 第五章 仿真实验与结果分析 |
| 5.1 交互目标声源定位算法仿真 |
| 5.2 基于声源定位的交互语音增强方法仿真 |
| 5.3 结果分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）基于正四面体传声器阵列的机器人声源定位方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状与发展趋势 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 发展趋势 |
| 1.3 本文主要研究内容 |
| 第二章 声源定位原理与方法 |
| 2.1 声音信号的特征 |
| 2.2 声音定位原理 |
| 2.2.1 仿人双耳的定位原理 |
| 2.2.2 基于声压幅度比的定位原理 |
| 2.2.3 基于声达时间差的定位原理 |
| 2.3 声音定位方法分类与比较 |
| 2.3.1 基于高分辨谱估计的声源定位方法 |
| 2.3.2 基于最大输出功率的可控波束形成定位方法 |
| 2.3.3 基于时延估计的定位方法 |
| 2.3.4 定位方法比较 |
| 2.4 本章小结 |
| 第三章 传声器阵列声源定位的时延估计技术 |
| 3.1 时延估计的物理含义 |
| 3.2 传声器声音信号模型 |
| 3.2.1 理想模型 |
| 3.2.2 实际模型 |
| 3.3 广义互相关时延估计方法 |
| 3.3.1 基本互相关方法 |
| 3.3.2 广义互相关时延估计方法 |
| 3.3.3 计算机仿真 |
| 3.3.4 互功率谱相位时延估计算法及改进 |
| 3.4 最小均方自适应滤波时延估计方法 |
| 3.4.1 自适应滤波时延估计方法 |
| 3.4.2 自适应滤波时延估计方法的步骤 |
| 3.4.3 基于 LMS 的 SCOT 广义互相关时延估计 |
| 3.5 本章小结 |
| 第四章 声源定位实验平台 |
| 4.1 移动机器人听觉系统构建 |
| 4.2 移动机器人本体 |
| 4.2.1 移动机器人本体硬件 |
| 4.2.2 移动机器人软件系统 |
| 4.3 传声器阵列 |
| 4.3.1 传声器 |
| 4.3.2 阵列结构 |
| 4.4 本章小结 |
| 第五章 声源定位计算模型 |
| 5.1 正四面体传声器阵列定位模型 |
| 5.1.1 定位模型建模 |
| 5.1.2 实验研究 |
| 5.2 定位误差分析 |
| 5.2.1 约简模型对定位精度的影响 |
| 5.2.2 时延对定位精度的影响 |
| 5.3 两次定位方法 |
| 5.3.1 两次定位方法模型 |
| 5.3.2 实际测试与分析 |
| 5.4 本章小结 |
| 第六章 传声器阵列标定 |
| 6.1 引入传声器阵列标定的必要性 |
| 6.2 正四面体传声器阵列标定方法 |
| 6.2.1 正四面体传声器阵列标定原理 |
| 6.2.2 Levenberg-Marquardt 算法与初值选择 |
| 6.3 仿真实验分析 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文完成的主要工作 |
| 7.2 论文创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间所取得的科研成果 |
（10）基于机器人听觉系统的声源目标定位研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| §1-1 课题研究的背景与意义 |
| §1-2 拟人机器人研究现状 |
| 1-2-1 拟人机器人研究概况 |
| 1-2-2 机器人听觉系统研究现状 |
| 1-2-3 课题机器人介绍 |
| §1-3 论文的主要研究内容 |
| 第二章 声源信号定位策略及线索 |
| §2-1 人耳听觉定位原理及方法 |
| 2-1-1 人耳听觉原理及特性 |
| 2-1-2 声源定位策略 |
| §2-2 声源定位线索 |
| 2-2-1 “双耳效应”定位线索 |
| 2-2-2 “耳廓效应”定位线索 |
| 2-2-3 头相关传输函数 |
| §2-3 本章小结 |
| 第三章 声源信号的采集与处理 |
| §3-1 声源信号的采集 |
| 3-1-1 信号采集方法 |
| 3-1-2 声源信号的录制 |
| 3-1-3 PCM 数据格式的转化 |
| §3-2 信号预处理 |
| 3-2-1 信号分帧 |
| 3-2-2 端点检测 |
| §3-3 信号消噪 |
| §3-4 本章小结 |
| 第四章 基于听觉系统的声源定位 |
| §4-1 头部坐标的建立 |
| §4-2 声源前后方位评估 |
| §4-3 声源水平方位评估模型 |
| 4-3-1 ITD 模型函数 |
| 4-3-2 ILD 模型函数 |
| §4-4 时延评估 |
| 4-4-1 GCC 算法 |
| 4-4-2 ITD&ILD 联合定位 |
| §4-5 声源垂直方位评估 |
| 4-5-1 耳廓定位原理 |
| 4-5-2 垂直方位评估 |
| 4-5-3 耳廓模型的选择 |
| §4-6 结合头部自由度定位 |
| 4-6-1 结合左右转动自由度扩展定位 |
| 4-6-2 结合前后摆动自由度扩展定位 |
| §4-7 声源目标距离评估 |
| §4-8 本章小结 |
| 第五章 算法的设计与实现 |
| §5-1 VC++与Matlab 混合编程 |
| §5-2 声源定位策略及算法 |
| 5-2-1 听觉系统定位策略 |
| 5-2-2 听觉系统定位算法 |
| §5-3 本章小结 |
| 第六章 声源目标定位实验研究 |
| §6-1 实验平台 |
| 6-1-1 履带式移动机器人本体 |
| 6-1-2 多感官履带式移动机器人 |
| §6-2 机器人声源定位实验研究 |
| 6-2-1 实验方案 |
| 6-2-2 声源前后方位定位结果分析 |
| 6-2-3 声源水平方位角定位结果分析 |
| 6-2-4 声源垂直方位角定位结果分析 |
| §6-3 本章小结 |
| 第七章 结论 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间所取得的科研成果 |
四、基于麦克风阵列的双波束近场定位及语音分离（论文参考文献）
- [1]基于麦克风阵列的声源定位新方法研究[D]. 王玉莹. 浙江大学, 2021(01)
- [2]基于差分麦克风阵列的双通道语音增强技术研究[D]. 周滨. 江西理工大学, 2021(01)
- [3]基于麦克风阵列的声源定位算法研究[D]. 舒治宇. 湖北工业大学, 2019(09)
- [4]基于麦克风阵列的机械故障诊断研究[D]. 宁培培. 电子科技大学, 2019(01)
- [5]基于麦克风阵列的室内语音定位算法研究[D]. 宋宫琨琨. 南京信息工程大学, 2016(02)
- [6]语音分离技术的研究与实现[D]. 庞宇. 国防科学技术大学, 2016(04)
- [7]基于声音位置指纹的室内声源定位方法研究[D]. 王月英. 河北工业大学, 2015(04)
- [8]人机交互中的声源定位与增强方法研究[D]. 李文东. 华南理工大学, 2014(01)
- [9]基于正四面体传声器阵列的机器人声源定位方法研究[D]. 徐勤奇. 河北工业大学, 2014(07)
- [10]基于机器人听觉系统的声源目标定位研究[D]. 陈涛. 河北工业大学, 2011(07)