基于模式识别的室内声源定位研究

发布时间：2021-02-28 09:34

　　近年来,模式识别在声源定位中应用广泛。这类方法比传统声源定位算法更具鲁棒性,但在带有噪声、混响的室内环境中,该类方法会出现计算量大、定位精度不高等问题。针对这些问题,本文提出了一种基于特征长度的声源定位方法。通过提取不同长度的相位加权变换广义互相关函数作为特征,来提升基于朴素贝叶斯、线性判别分析、支持向量机的分类识别定位性能。为此,本文主要做了以下工作:1.选取合适长度的相位加权变换广义互相关函数对分类识别定位方法进行优化。实验表明,轻度混响环境下,可在保持相当的定位精度的前提下,通过减小特征长度来减少计算量;强混响环境下,可通过增加特征长度提高定位精度,且线性判别分析分类器定位性能优于朴素贝叶斯分类器和支持向量机分类器。2.针对10°、50°和90°三个方位的声源,选取合适长度的相位加权变换广义互相关函数对分类识别定位方法进行优化。实验表明,混响环境下,对于90°方位的声源,选用较短的相位加权变换广义互相关函数特征就能达到较好的定位性能,对于10°方位的声源,需用较长的相位加权变换广义互相关函数特征才能够达到更高的定位精度。3.提取不同信噪比环境下的相位加权变换广义互相关函数,训练而... 

【文章来源】：南京邮电大学江苏省

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
专用术语注释表
第一章 绪论
    1.1 课题研究背景和意义
    1.2 国内外研究现状
        1.2.1 传统声源定位算法概述
        1.2.2 基于模式识别的声源定位
    1.3 论文的主要工作
    1.4 论文的组织结构
第二章 声源定位理论与模式识别算法
    2.1 声源传播近场和远场模型
    2.2 室内声源定位
        2.2.1 房间脉冲响应
        2.2.2 室内混响与环境噪声
    2.3 模式识别理论及常见算法
        2.3.1 模式识别理论
        2.3.2 朴素贝叶斯
        2.3.3 线性判别分析
        2.3.4 支持向量机
    2.4 本章小结
第三章 基于特征长度的室内声源定位
    3.1 基于广义互相关函数的特征提取
        3.1.1 麦克风阵列接收信号模型
        3.1.2 语音信号预处理
        3.1.3 估计互相关函数
        3.1.4 GCC-PHAT特征提取
    3.2 定位方法概述
    3.3 仿真实验与分析
        3.3.1 仿真环境
        3.3.2 特征长度对定位精度的影响
        3.3.3 不同方位下特征长度的选取
    3.4 本章小结
第四章 室内环境下的LDA分类器优选
    4.1 未知信噪比环境下的LDA分类器优选
        4.1.1 方法概述
        4.1.2 仿真实验与分析
    4.2 LDA分类器优选方法验证
        4.2.1 方法概述
        4.2.2 仿真实验与分析
    4.3 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 未来工作展望
参考文献
附录1 攻读硕士学位期间申请的专利
附录2 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
博士论文
[1]基于麦克风阵列的语音增强算法研究[D]. 林静然.电子科技大学 2007

硕士论文
[1]基于机器学习的声源定位研究[D]. 杨悦.南京邮电大学 2017
[2]基于支持向量机的声源定位研究[D]. 顾晓瑜.南京邮电大学 2017



本文编号：3055662