發(fā)布時(shí)間：2023-05-07 18:49

　　隨著人工智能的快速發(fā)展,機(jī)器人被廣泛應(yīng)用到家庭服務(wù)、化工和航空航天等多個(gè)領(lǐng)域。目標(biāo)物體材質(zhì)識(shí)別是機(jī)器人感知外界環(huán)境和目標(biāo)物體識(shí)別的重要環(huán)節(jié)。視覺(jué)和聽(tīng)覺(jué)作為機(jī)器人的兩大感知模態(tài),對(duì)機(jī)器人感知環(huán)境起著舉足輕重的作用。然而,當(dāng)被檢測(cè)物體在視覺(jué)上類似而組成材質(zhì)不同時(shí),從而使得機(jī)器人視覺(jué)系統(tǒng)的分析識(shí)別結(jié)果產(chǎn)生錯(cuò)誤,而聽(tīng)覺(jué)模態(tài)卻能很好的彌補(bǔ)視覺(jué)在該方面的不足。對(duì)此,本研究將聲音識(shí)別技術(shù)應(yīng)用到物體表面材質(zhì)識(shí)別中,通過(guò)分析敲擊物體或者摩擦物體表面所產(chǎn)生的聲音來(lái)對(duì)物體的表面材質(zhì)來(lái)進(jìn)行分析識(shí)別,以達(dá)到環(huán)境感知的目的。本文設(shè)計(jì)了一款用于物體表面材質(zhì)識(shí)別的麥克風(fēng)聲音采集筆,并使用該聲音采集筆分別采集并組建了5種材質(zhì)敲擊聲音數(shù)據(jù)集TSD-25和9種木材敲擊和滑動(dòng)聲音數(shù)據(jù)集WSD-9,同時(shí)分別進(jìn)行了相應(yīng)的實(shí)驗(yàn)分析研究:(1)對(duì)TSD-25數(shù)據(jù)集提取了包括高階梅爾倒譜系數(shù)(HMFCC)、高階線性預(yù)測(cè)梅爾倒譜系數(shù)(LPHMFCC)以及基于小波變換的高階梅爾倒譜系數(shù)(WHMFCC)在內(nèi)的3種聲音特征,并利用增減分量法對(duì)得到的每種聲音特征的倒譜分量相對(duì)重要性進(jìn)行了評(píng)估,以達(dá)到特征篩選的效果。最后利用支持向量機(jī)和極限學(xué)習(xí)機(jī)...

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 語(yǔ)音識(shí)別研究現(xiàn)狀
        1.2.2 非語(yǔ)音識(shí)別研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及結(jié)構(gòu)安排
        1.3.1 研究?jī)?nèi)容
        1.3.2 主要工作
        1.3.3 結(jié)構(gòu)安排
第二章 材質(zhì)聲音信號(hào)分析及特征提取算法
    2.1 材質(zhì)聲音信號(hào)分析
        2.1.1 材質(zhì)聲音信號(hào)數(shù)字化
        2.1.2 材質(zhì)聲音信號(hào)預(yù)處理
    2.2 材質(zhì)聲音信號(hào)特征提取算法
        2.2.1 高階梅爾倒譜特征系數(shù)(HMFCC)提取算法
        2.2.2 高階線性預(yù)測(cè)梅爾倒譜特征系數(shù)(LPHMFCC)提取算法
        2.2.3 基于小波變換的高階梅爾倒譜特征系數(shù)(WHMFCC)提取算法
    2.3 倒譜分量相對(duì)重要性評(píng)價(jià)
    2.4 本章小結(jié)
第三章 分類器算法介紹
    3.1 支持向量機(jī)(SupportVectorMachine,SVM)
        3.1.1 支持向量機(jī)概述
        3.1.2 支持向量機(jī)分類算法
        3.1.3 LIBSVM工具箱介紹
        3.1.4 最優(yōu)參數(shù)c和g的選取
    3.2 極限學(xué)習(xí)機(jī)(ExtremeLearningMachine,ELM)
        3.2.1 極限學(xué)習(xí)機(jī)概述
        3.2.2 基本極限學(xué)習(xí)機(jī)算法
        3.2.3 基于正則化的極限學(xué)習(xí)機(jī)算法
    3.3 本章小結(jié)
第四章 基于材質(zhì)聲音特征的物體表面材質(zhì)識(shí)別研究
    4.1 實(shí)驗(yàn)的軟硬件設(shè)計(jì)
    4.2 敲擊聲音數(shù)據(jù)集的建立
    4.3 實(shí)驗(yàn)具體過(guò)程
        4.3.1 材質(zhì)聲音信號(hào)和噪聲信號(hào)分析
        4.3.2 材質(zhì)聲音信號(hào)預(yù)處理
        4.3.3 材質(zhì)聲音信號(hào)特征提取
        4.3.4 分類器模型訓(xùn)練與識(shí)別
    4.4 實(shí)驗(yàn)結(jié)果驗(yàn)證
        4.4.1 基于支持向量機(jī)分類器算法的物體表面材質(zhì)識(shí)別實(shí)驗(yàn)驗(yàn)證
        4.4.2 基于RELM分類器算法的物體表面材質(zhì)識(shí)別實(shí)驗(yàn)驗(yàn)證
        4.4.3 實(shí)驗(yàn)結(jié)果分析對(duì)比
    4.5 本章小結(jié)
第五章 基于聲音多特征組合與RELM算法的木材識(shí)別研究
    5.1 木材識(shí)別問(wèn)題描述
    5.2 聲音數(shù)據(jù)集WSD-9的建立
    5.3 實(shí)驗(yàn)結(jié)果驗(yàn)證
        5.3.1 滑動(dòng)聲音實(shí)驗(yàn)結(jié)果分析
        5.3.2 敲擊聲音實(shí)驗(yàn)結(jié)果分析
        5.3.3 聲音多特征組合實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
第六章 物體表面材質(zhì)識(shí)別系統(tǒng)上位機(jī)軟件設(shè)計(jì)
    6.1 軟件的設(shè)計(jì)流程
    6.2 軟件界面的設(shè)計(jì)與使用
    6.3 本章小結(jié)
第七章 總結(jié)與展望
    7.1 本文工作總結(jié)
    7.2 工作展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3811134