復(fù)雜背景下的聲源定位和識別
發(fā)布時間:2022-07-27 14:14
隨著智能音箱,語音助手,智能辦公,機(jī)器人等新技術(shù)的發(fā)展。智能化信號處理,特別是聲音信號處理的需求越來越大。人工智能在信號處理領(lǐng)域的應(yīng)用也越來越廣泛。機(jī)器聽覺和機(jī)器視覺一樣,在未來將成為智能感知領(lǐng)域的重要應(yīng)用。因此,在復(fù)雜環(huán)境,特別是存在環(huán)境噪音和室內(nèi)混響的聲學(xué)環(huán)境下,聲源的定位和識別對于智能語音處理來說有重要的意義。麥克風(fēng)陣列通過多個方向的接收聲音信號,對于聲源的到達(dá)方向(DOA)估計以及重疊聲音的識別和分類起到了關(guān)鍵作用。利用麥克風(fēng)陣列,本文對復(fù)雜聲學(xué)環(huán)境下多個聲源的定位和識別進(jìn)行了研究和探索,主要的工作和創(chuàng)新如下:第一,構(gòu)建了麥克風(fēng)陣列的傳播和接收信號數(shù)學(xué)模型,分析了基于到達(dá)時間差的GCC-PHAT和SRP-PHAT算法,基于譜估計的MUSIC算法和ISSM算法。以及LCMV自適應(yīng)波束形成算法,并仿真驗證了各類算法的性能。第二,進(jìn)行了真實室內(nèi)環(huán)境中窄帶和寬帶信號麥克風(fēng)陣列定位實驗,使用MUSIC算法和ISSM算法實現(xiàn)了實驗數(shù)據(jù)的DOA估計,使用LCMV波束形成實現(xiàn)了實驗信號的空域濾波。有效過濾干擾信號,保留需要的方向信號。對得到的信號進(jìn)行降噪和增強(qiáng)處理,可以實現(xiàn)原始信號的恢復(fù)。第三...
【文章頁數(shù)】:79 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的背景與意義
1.2 國內(nèi)外研究歷史與現(xiàn)狀
1.2.1 聲源定位
1.2.2 聲音事件識別
1.3 本文的主要貢獻(xiàn)與創(chuàng)新
1.4 本論文的結(jié)構(gòu)安排
第二章 麥克風(fēng)陣列聲源定位與波束形成
2.1 麥克風(fēng)陣列模型
2.2 麥克風(fēng)陣列DOA算法和仿真
2.2.1 基于時延的估計算法
2.2.2 多重信號分類算法
2.2.3 非相干信號子空間算法
2.3 自適應(yīng)波束形成
2.3.1 固定波束形成器
2.3.2 最小方差波束形成器
2.3.3 LCMV波束成形仿真
2.4 本章小結(jié)
第三章 基于線性陣列的聲源定位和分離實驗
3.1 窄帶信號DOA估計
3.2 寬帶信號DOA估計
3.3 信號空域濾波
3.3.1 窄帶信號空域濾波
3.3.2 寬帶信號空域濾波
3.4 本章小結(jié)
第四章 基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的空間固定聲源識別定位
4.1 聲音事件檢測定位概述
4.2 基于卷積循環(huán)網(wǎng)絡(luò)的聲源定位識別系統(tǒng)
4.2.1 系統(tǒng)整體架構(gòu)
4.2.2 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.3 數(shù)據(jù)集
4.2.4 特征提取
4.2.5 評估指標(biāo)
4.3 網(wǎng)絡(luò)訓(xùn)練和結(jié)果分析
4.3.1 網(wǎng)絡(luò)訓(xùn)練過程
4.3.2 結(jié)果分析
4.4 固定聲源的空間波束形成
4.5 本章小結(jié)
第五章 基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的空間運動聲源識別定位
5.1 運動聲源檢測定位概述
5.2 數(shù)據(jù)集和特征提取
5.2.1 空間麥克風(fēng)陣列格式
5.2.2 數(shù)據(jù)集
5.2.3 特征提取
5.3 運動聲源檢測定位任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)
5.4 結(jié)果分析
5.4.1 DCASE數(shù)據(jù)測試結(jié)果
5.4.2 urbansound8k數(shù)據(jù)測試結(jié)果
5.5 本章小結(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號:3665602
【文章頁數(shù)】:79 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的背景與意義
1.2 國內(nèi)外研究歷史與現(xiàn)狀
1.2.1 聲源定位
1.2.2 聲音事件識別
1.3 本文的主要貢獻(xiàn)與創(chuàng)新
1.4 本論文的結(jié)構(gòu)安排
第二章 麥克風(fēng)陣列聲源定位與波束形成
2.1 麥克風(fēng)陣列模型
2.2 麥克風(fēng)陣列DOA算法和仿真
2.2.1 基于時延的估計算法
2.2.2 多重信號分類算法
2.2.3 非相干信號子空間算法
2.3 自適應(yīng)波束形成
2.3.1 固定波束形成器
2.3.2 最小方差波束形成器
2.3.3 LCMV波束成形仿真
2.4 本章小結(jié)
第三章 基于線性陣列的聲源定位和分離實驗
3.1 窄帶信號DOA估計
3.2 寬帶信號DOA估計
3.3 信號空域濾波
3.3.1 窄帶信號空域濾波
3.3.2 寬帶信號空域濾波
3.4 本章小結(jié)
第四章 基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的空間固定聲源識別定位
4.1 聲音事件檢測定位概述
4.2 基于卷積循環(huán)網(wǎng)絡(luò)的聲源定位識別系統(tǒng)
4.2.1 系統(tǒng)整體架構(gòu)
4.2.2 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.3 數(shù)據(jù)集
4.2.4 特征提取
4.2.5 評估指標(biāo)
4.3 網(wǎng)絡(luò)訓(xùn)練和結(jié)果分析
4.3.1 網(wǎng)絡(luò)訓(xùn)練過程
4.3.2 結(jié)果分析
4.4 固定聲源的空間波束形成
4.5 本章小結(jié)
第五章 基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的空間運動聲源識別定位
5.1 運動聲源檢測定位概述
5.2 數(shù)據(jù)集和特征提取
5.2.1 空間麥克風(fēng)陣列格式
5.2.2 數(shù)據(jù)集
5.2.3 特征提取
5.3 運動聲源檢測定位任務(wù)網(wǎng)絡(luò)結(jié)構(gòu)
5.4 結(jié)果分析
5.4.1 DCASE數(shù)據(jù)測試結(jié)果
5.4.2 urbansound8k數(shù)據(jù)測試結(jié)果
5.5 本章小結(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號:3665602
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3665602.html
最近更新
教材專著