声明
摘要
图目录
表目录
主要符号表
1绪论
1.1 研究背景与意义
1.2 说话人定位与跟踪技术研究进展
1.2.1 基于传统麦克风阵列的说话人定位与跟踪方法
1.2.2 基于分布式麦克风网络的说话人定位与跟踪方法
1.3 主要研究内容及结构安排
2 基于分布式麦克风网络的说话人跟踪方法理论基础
2.1 贝叶斯跟踪理论
2.1.1 卡尔曼滤波器
2.1.2 粒子滤波器
2.2 分布式麦克风网络和信号模型
2.2.1 分布式麦克风网络
2.2.2 通信图
2.2.3 室内混响
2.2.4 麦克风接收信号模型
2.3 分布式贝叶斯跟踪理论
2.3.1 数据融合
2.3.2 分布式贝叶斯滤波
2.3.3 分布式粒子滤波器
2.3.4 一致性滤波器
2.4 基于粒子滤波的说话人跟踪框架
2.4.1 时间延迟估计
2.4.2 说话人运动模型
2.4.3 多假设似然函数
2.4.4 基于粒子滤波的说话人跟踪框架
2.4.5 跟踪性能评价
2.5 本章小结
3 基于广域相干场-分布式粒子滤波的说话人跟踪方法
3.1 引言
3.2 基于权重一致性的分布式粒子滤波器
3.2.1 SIR粒子滤波器
3.2.2 基于权重一致性的分布式粒子滤波器
3.3 广域相干场-分布式粒子滤波器
3.3.1 广域相干场函数
3.3.2 广域相干场伪似然函数
3.3.3 广域相干场-分布式粒子滤波器
3.4 基于广域相干场-分布式粒子滤波的说话人跟踪
3.4.1 基于GCF-DPF的说话人跟踪方法
3.4.2 计算复杂度分析
3.5 实验结果与分析
3.5.1 Image模型
3.5.2 仿真实验与结果分析
3.5.3 实际实验与结果分析
3.6 本章小结
4基于改进的分布式高斯粒子滤波的说话人跟踪方法
4.1 引言
4.2 分布式高斯粒子滤波器
4.2.1 高斯粒子滤波器
4.2.2 分布式高斯粒子滤波器
4.3 改进的分布式高斯粒子滤波器
4.3.1 改进的状态预测
4.3.2 改进的融合规则
4.3.3 改进的分布式高斯粒子滤波器
4.4 基于改进的分布式高斯粒子滤波的说话人跟踪
4.4.1 基于改进的DGPF的说话人跟踪方法
4.4.2 计算复杂度分析
4.5 实验结果与分析
4.5.1 仿真实验与结果分析
4.5.2 实际实验与结果分析
4.6 本章小结
5 基于分布式边缘辅助粒子滤波的说话人跟踪方法
5.1 引言
5.2 边缘辅助粒子滤波器
5.2.1 边缘粒子滤波器
5.2.2 辅助粒子滤波器
5.2.3 信息滤波器
5.2.4 边缘辅助粒子滤波器
5.3 分布式边缘辅助粒子滤波器
5.3.1 非线性状态变量的后验概率密度估计
5.3.2 线性状态变量的后验概率密度估计
5.4 基于分布式边缘辅助粒子滤波的说话人跟踪方法
5.4.1 局部TDOA观测的选取
5.4.2 说话人状态空间的边缘化
5.4.3 分布式边缘辅助粒子滤波在说话人跟踪中的应用
5.4.4 计算复杂度分析
5.5 实验结果与分析
5.5.1 仿真实验与结果分析
5.5.2 实际实验与结果分析
5.6 本章小结
6 总结与展望
6.1 论文总结
6.2 创新点摘要
6.3 研究展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介