【摘要】：通過(guò)麥克風(fēng)陣列獲取語(yǔ)音信號(hào),從中提取出能夠反應(yīng)說(shuō)話人位置的有效信息并不斷跟蹤說(shuō)話人的當(dāng)前位置是信號(hào)處理和目標(biāo)跟蹤領(lǐng)域中的一項(xiàng)重要研究?jī)?nèi)容,在智能會(huì)議系統(tǒng)、語(yǔ)音增強(qiáng)、機(jī)器人導(dǎo)航中具有廣泛的應(yīng)用。真實(shí)的智能環(huán)境中往往存在著多個(gè)說(shuō)話人,說(shuō)話人的數(shù)量和位置信息時(shí)刻都在變化,因此,研究數(shù)目可變的多說(shuō)話人識(shí)別與跟蹤問(wèn)題對(duì)于構(gòu)建可實(shí)施的智能會(huì)議系統(tǒng)、促進(jìn)人機(jī)交互等具有更加實(shí)際的應(yīng)用價(jià)值。本文的主要研究?jī)?nèi)容如下:(1)針對(duì)粒子濾波算法中重采樣部分難以并行的問(wèn)題,重采樣導(dǎo)致了粒子濾波算法并行執(zhí)行效率較低,因此在粒子濾波算法中引入并行策略,并在并行規(guī)約算法的基礎(chǔ)上,結(jié)合并行前綴和的方法,克服粒子濾波算法在重采樣時(shí)的粒子間依賴性,從而解決粒子濾波算法在并行實(shí)現(xiàn)過(guò)程中難以并行的問(wèn)題。(2)針對(duì)并行粒子濾波算法在并行后的計(jì)算復(fù)雜性問(wèn)題,分析了并行規(guī)約算法在GPU中內(nèi)存訪問(wèn)模式,并行規(guī)約算法存在嚴(yán)重的內(nèi)存訪問(wèn)沖突,本文利用填充尋址的并行前綴和方式,通過(guò)在每個(gè)共享數(shù)組索引中添加一個(gè)填充,實(shí)現(xiàn)改進(jìn)共享內(nèi)存數(shù)組的訪問(wèn),解決并行規(guī)約在進(jìn)行內(nèi)存訪問(wèn)時(shí)存在嚴(yán)重的內(nèi)存訪問(wèn)沖突問(wèn)題,提高GPU硬件資源的利用率和算法實(shí)時(shí)性。(3)針對(duì)音頻多目標(biāo)跟蹤中粒子濾波需要將量測(cè)值關(guān)聯(lián)至對(duì)應(yīng)目標(biāo),且每個(gè)目標(biāo)需要一個(gè)粒子濾波器導(dǎo)致跟蹤算法的計(jì)算量和所需粒子數(shù)量增加的問(wèn)題,本文在并行粒子濾波算法的基礎(chǔ)上,結(jié)合基于GPU的K均值聚類(lèi)算法,實(shí)現(xiàn)音頻多目標(biāo)的跟蹤,粒子濾波將多目標(biāo)的狀態(tài)作為整體進(jìn)行更新和預(yù)測(cè),然后利用基于GPU的K均值聚類(lèi)算法對(duì)重采樣后的粒子進(jìn)行聚類(lèi),將同一目標(biāo)的粒子歸類(lèi),并利用聲源區(qū)分度較高的環(huán)形陣列獲取定位特征,有效解決了粒子濾波多目標(biāo)跟蹤中數(shù)據(jù)關(guān)聯(lián)度低和跟蹤精度低的問(wèn)題。
【圖文】：

PF 濾波性能受粒子數(shù)目影響較大。較大的粒子，在高濾波性能要求的系統(tǒng)中，粒在巨大粒子數(shù)的情況下，巨大的運(yùn)算量導(dǎo)致 PF 很運(yùn)算量問(wèn)題是 PF 實(shí)時(shí)性能提升的重要影響因素何解決運(yùn)算量問(wèn)題是貫穿本文的中心線。在這個(gè)PF 算法并行實(shí)現(xiàn)。實(shí)時(shí)性問(wèn)題是當(dāng)今粒子濾波研究降低 PF 運(yùn)算量，提高算法實(shí)時(shí)性，在本文中將系統(tǒng)介紹系統(tǒng)中，包括攝像頭、麥克風(fēng)陣列、投影儀、多 件 。 有 相 關(guān) 研 究 機(jī) 構(gòu) 已 成 功 建 立 智 能 會(huì) 議 室ultimodal Interaction）所搭建的智能環(huán)境適合做智際化標(biāo)準(zhǔn)平臺(tái)。智能會(huì)議室如圖 1.1 所示：

圖 1.2 不同智能會(huì)議室環(huán)境不同智能會(huì)議室環(huán)境本文數(shù)據(jù)來(lái)源于“AV16.3”語(yǔ)料庫(kù)，“AV16.3”表示智能環(huán)境中麥克風(fēng) 16 個(gè) 3 個(gè)。 本文的主要工作和結(jié)構(gòu)安排1 本文的主要工作主要針對(duì)粒子濾波跟蹤算法的運(yùn)算量大導(dǎo)致在智能環(huán)境下多說(shuō)話人跟性差的問(wèn)題，在粒子濾波算法中引入并行策略，將粒子濾波算法并行實(shí) PF 實(shí)時(shí)在線處理的性能，本文主要完成了以下研究工作：(1)粒子濾波針對(duì)非線性非高斯系統(tǒng)狀態(tài)問(wèn)題，能得到顯著的性能，PF ]在多說(shuō)話人跟蹤中，在跟蹤精度方面，到一個(gè)相對(duì)比較理想的結(jié)果，但蹤性能較差，尤其是噪聲環(huán)境下說(shuō)話人的實(shí)時(shí)性能差。因粒子濾波本身量大的問(wèn)題，，隨著 PF 濾波器增多，計(jì)算量以指數(shù)增長(zhǎng)，針對(duì)粒子濾波本身進(jìn)行改進(jìn)，在粒子濾波算法的基礎(chǔ)上引入并行策略[60,61]，將 PF 算
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TN912.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳志敏;田夢(mèng)楚;吳盤(pán)龍;薄煜明;顧福飛;岳聰;;基于蝙蝠算法的粒子濾波法研究[J];物理學(xué)報(bào);2017年05期

2 張建春;康鳳舉;梁洪濤;徐皓;;基于雞群優(yōu)化的粒子濾波算法研究[J];系統(tǒng)仿真學(xué)報(bào);2017年02期

3 許曼珊;黃健;;正則化思想在矩陣問(wèn)題中的應(yīng)用[J];現(xiàn)代職業(yè)教育;2016年15期

4 李渝;黃普明;林晨晨;;基于復(fù)似然比的粒子濾波改進(jìn)算法[J];現(xiàn)代雷達(dá);2016年01期

5 田夢(mèng)楚;薄煜明;陳志敏;吳盤(pán)龍;趙高鵬;;螢火蟲(chóng)算法智能優(yōu)化粒子濾波[J];自動(dòng)化學(xué)報(bào);2016年01期

6 劉繁明;唐英麗;;差分進(jìn)化粒子濾波在慣性/重力組合導(dǎo)航中的應(yīng)用研究[J];應(yīng)用科技;2015年04期

7 李菊;余燁;戴歡;李克清;夏瑜;曹明偉;;基于KHM的多層采樣粒子濾波算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

8 張民;賈海濤;沈震;;基于遺傳算法改進(jìn)的粒子濾波重采樣模型（英文）[J];電子科技大學(xué)學(xué)報(bào);2015年03期

9 李娟;劉曉龍;盧長(zhǎng)剛;左英澤;;改進(jìn)的粒子濾波重采樣算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2015年06期

10 許江湖;黃亮;劉忠;;基于入侵野草優(yōu)化算法的粒子濾波算法[J];艦船科學(xué)技術(shù);2015年02期

相關(guān)博士學(xué)位論文 前1條

1 蔣蔚;粒子濾波改進(jìn)算法研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前3條

1 蘇金洲;基于粒子濾波的檢測(cè)前跟蹤算法研究及在GPU平臺(tái)上的實(shí)現(xiàn)[D];電子科技大學(xué);2013年

2 李偉;智能環(huán)境下基于音頻視頻特征融合的多說(shuō)話人跟蹤研究[D];蘭州理工大學(xué);2012年

3 余風(fēng)潮;GPU加速的粒子濾波PET圖像重建算法[D];浙江大學(xué);2012年

本文編號(hào)：2532062