一、一种高精度声源自动跟踪系统的设计（论文文献综述）
韩智轩[1]（2021）在《基于波束形成的机器人声源定位方法研究》文中研究表明声源定位技术是利用时延估计、波束形成等算法,处理采集到的声波阵列信号,得到声源目标方位的技术,在声呐、噪声检测、故障诊断、智能产品等领域具有广泛和潜在应用前景。随着机器人技术的发展,将声源定位技术和机器人平台相结合,可以更好地实现对声源目标的定位。机器人声源定位一方面可以辅助机器人感知周围环境中声源目标的方位,另一方面还可以利用机器人移动的特点,测量声源目标的相对距离,解决被动声源定位中难以确定声源目标距离的问题。因此研究机器人声源定位方法具有重要的理论意义和应用价值。为了提高机器人声源定位方法的准确度,采用最小方差无失真响应（MVDR）自适应波束形成算法进行声源定位,和常规波束形成算法（CBF）相比具有更高的定位精度,同时针对波束形成算法在二维麦克风阵列上使用时计算量过大的问题,提出一种改进的十字形麦克风阵列计算方法。本文主要的工作和内容如下:（1）分析比较常见的麦克风阵列结构,为降低计算量与提高麦克风阵列的波束分辨率,提出了改进的十字形麦克风阵列计算方法。（2）对常用的声源定位算法进行研究,选用波束形成算法计算声源目标的方位角和俯仰角,并对改进的十字阵计算方法导致的两维角度估计问题进行研究,以及利用时延估计（TDE）算法调整机器人方向以便机器人移动测距。（3）搭建嵌入式硬件平台,包括十字形麦克风阵列的构建以及数据采集模块的设计。（4）在嵌入式平台上实现系统的软件设计部分,包括声音信号的A/D转换,数字滤波和快速傅里叶变换（FFT）。通过设计声源定位算法程序处理FFT后的信号计算声源目标的方位,在方位估计的基础上设计了机器人移动测距程序,并设计GUI方便操作。本文最后对机器人声源定位系统的数据采集部分进行了精准度测试,并通过改变声源角度和声源距离,多次对声源目标进行角度估计和距离测定,测试结果表明了本文设计的机器人声源定位系统具有可行性。
王世豪[2]（2020）在《基于分布式声阵列的目标协同定位关键技术研究》文中研究表明被动声探测定位技术通过接收目标辐射的声音信号来探测目标的位置。针对现有被动声探测定位大多采用单个声阵列进行目标定位,覆盖范围小、可靠性较差且针对多目标进行定位时分辨率差的缺点,提出了一种基于分布式声阵列的多节点目标协同定位的方法,结合被动声探测定位技术以及无线传感器网络,围绕声阵列设计、分布式采集系统和多节点协同探测定位算法展开研究。根据阵列信号处理理论,本文首先研究并推导了协同定位系统所处的声场模型,基于阵列信号处理理论完成了一维线性阵列和二维“L”型阵列的设计及分析,并在此基础上完成了声阵列微小化设计。在只存在一个宽带声源时,阵列整体尺寸可以缩减到20.4cm,当存在多个声源目标时,阵列整体尺寸为40.8cm,相对于传统常规阵列尺寸缩减率可达到80%。随后,在已有的多重信号分类算法基础上,结合粒子滤波理论,提出一种基于PF-MUSIC的多传感器阵列协同定位算法,实现了分布式声阵列目标协同定位,仿真结果表明多声阵列协同定位误差为单个声阵列定位误差的三分之一。在多声阵列协同定位半实物定位实验中,102m范围内对单个声目标定位误差小于10cm。根据以上理论研究,本文以声传感器阵列、高速多通道同步数据采集卡和无线传输模块为基础,研制了分布式声阵列目标协同定位原理样机并设计了采集软件。设计并进行了单节点目标定向测试实验及多节点半实物协同目标定位实验,对设计的微小型声阵列、分布式采集硬件以及基于PF-MUSIC的多传感器阵列协同定位算法进行实验测试,实验结果验证了本文提出微小型声阵列模型及PF-MUSIC协同定位算法正确可行。
张庆国,李兴武,沈雁,连莉[3]（2020）在《水下便携式可应答同步编码声源系统研究》文中指出本文针对当前及未来多型水下航行体的通用化水下高精度定位跟踪及综合测控要求,开展小型便携式水下声源系统研究,解决了不同水下航行体定位跟踪及水声遥测与遥控的综合测控集成化问题,以及小型水下航行体的通用化声源安装适配性等难题。采用集成化一体式综合设计方案,功能上兼顾水声定位跟踪、水声遥测遥控等功能,性能上其短基线水声定位精度可达R×5‰（R为斜距）,远程水声遥测遥控误码率为10-5。本文在系统总体方案中平衡了小尺寸与高性能之间的传统矛盾,大幅缩减声源尺寸和重量,并完成了小型水下滑翔机湖上试验。试验结果证明,该声源系统在比国外类似产品更小尺寸和重量的基础上,同时具备水声定位跟踪和水声遥测遥控等综合测控功能,可为多型水下航行体湖海试验提供高精度实时定位测量及远程应急遥控手段,具有较高的实用价值和良好的市场应用前景。
张庆国,李兴武,连莉,颜家雄[4]（2020）在《水下轻便微小型多功能编码声源系统研究》文中认为本文针对小型水下航行体的实时定位跟踪及综合测控需求,开展微小型的多功能编码声源系统技术研究,并结合国内外现状,提出了一种水下便携式、可应答同步编码声源系统方案,在传统水声定位的基础上,增加了水声遥测、遥控的全双工应答功能。系统采用一体化集成综合设计方案,进一步平衡小尺寸与高性能之间的传统矛盾,缩减声源尺寸和重量。本文依托某工程项目研制了原理样机,利用水下小型滑翔机进行了湖上航行试验测试。测试结果表明,该声源系统对比国内外类似产品,在更小尺寸和重量的基础上,增加了水声遥测、遥控等功能,可为小型水下航行体湖海试验提供高精度实时位置及应急遥控手段,具有广泛的军民应用市场前景。
崔冬[5]（2020）在《声源方向定位实验的坐标采集系统 ——基于App的设计与验证》文中研究指明空间声源的听觉定位是人类一项重要的生活技能。在听觉定位的心理声学实验中,测量结果除了与受试者本身定位能力有关,指向方式也会对其产生影响。本论文主要探讨便捷指向方式的可行性,以及基于此的定位实验平台。在声源方向定位实验中,传统的数据收集方式主要是实验助手报告,但是效率低,实验精度也不高。随着科学技术的发展,出现了借助坐标的智能传感设备（如FASTRACK）或者图形用户界面（GUI）的指向方式,相比较而言,前者往往需要特殊硬件装置,软硬件成本较高,而且对测试环境有特殊要求（例如FASTRACK电磁跟踪容易受金属物干扰）。所以,从面向适用的角度,基于GUI的指向方式近年受到研究者的关注。本文在传统的定位实验基础上,设计了一个新的基于GUI的指向方式。作为实例验证,选取2s的粉红噪声作为刺激信号,对水平面上30°间隔共计12个位置进行了定位测试,通过两种传统记录方式和新设计的基于GUI的指向方式对实验数据进行采集。结果表明基于GUI的指向方式相对于其它两种记录均无明显差异,说明基于GUI的指向方式能很好的记录感知结果。接着将该指向方式集成虚拟声源的重放,形成了一个完整的声源定位系统,并通过对比个性化和通用人工头的头相关传输函数（HRTF）所得到的定位结果,进一步验证了该指向方式的准确性。进一步地,为了改进定位效果,甚至起到定位训练的作用,我们借助于音频引擎设计了一个水平面上30°间隔共计12个位置的简单的声源定位游戏。实时刷新声源与角色的相对位置,通过耳机重放使得玩家能感知空间位置变化。在游戏中实时保存角色的运动数据（如旋转角度、行走路径和实验耗时等参数）,从而评价听音者在动态游戏场景下的定位能力,以及随着测试时间的增加声源定位能力的改善情况,从而为空间听觉定位和训练效果的分析提供依据。基于GUI的指向方式和游戏场景的动态定位测试,在满足实验精度的同时提升了实验效率,因而有利于在空间听觉定位实验或训练中推广使用。
麻付强[6]（2020）在《脉冲噪声环境下麦克风阵列的DOA估计技术研究》文中认为随着计算机及物联网技术的迅速发展,声学信息采集趋向于阵列传感器融合方式,有效地提高了系统对环境的感知能力。其中,波达方向（Direction of Arrival,DOA）估计是麦克风阵列的一项重要研究内容,被广泛应用于战场监测和视频会议等声源定位系统中。传统的DOA估计技术一般都是基于高斯噪声模型的假设,但是高斯分布不能有效地描述具有严重拖尾的脉冲噪声。由于地杂波和人为因素的影响,声学环境中的噪声存在着大量数据突变的冲击响应,导致基于二阶统计量的DOA估计算法性能退化甚至失效。同时,随着麦克风阵列信号处理技术的迅速发展,传感器接收的声学信号大多数为宽带信号,并且声学信号的形式越来越复杂。基于窄带信号模型的DOA估计算法已经无法满足实际需求,亟需研究宽带模型下声学信号的DOA估计技术。针对上述问题,本文以提高麦克风阵列系统的DOA估计精度为目的,对声学脉冲噪声、低快拍和低信噪比等情况下DOA估计的性能退化以及宽带DOA估计依赖于初始预估角度等难点进行了系统且深入的研究。本文的主要研究内容和创新点如下:1)两种基于广义最大复值相关熵的DOA估计算法:提出了广义最大复值相关熵准则,能够有效地处理复值信号,且抑制脉冲噪声。针对脉冲噪声环境下基于二阶统计量的DOA估计性能退化问题,分别提出了基于广义最大复值相关熵的中值差分相关熵算法（MDCO）和基于广义最大复值相关熵的复值拟牛顿算法（QN-GMCCC）。（1）MDCO算法构造了中值差分最大相关熵代价函数,将其作为时域信号协方差的权重因子。并根据KL（Kullback-Leibler）散度原理,设计自适应核宽度选择策略,自适应应对脉冲噪声的变化。仿真实验表明,MDCO能有效抑制脉冲噪声,提高DOA估计精度。相对QN-GMCCC,MDCO的计算复杂度较小,可以应用于嵌入式系统。（2）QN-GMCCC算法利用子空间分解原理求解信号残余拟合误差矩阵的GMCC-loss最小化模型,然后采用交替迭代方法将最小化广义最大复值相关熵问题转为凸优化模型,最后利用复值拟牛顿法求解GMCC-loss函数,保证了二阶偏导正定性。仿真实验表明,QN-GMCCC能有效抑制脉冲噪声,实现二阶超线性全局收敛,且在低快拍情况下具有高精度的DOA估计。2)迭代重加权变分贝叶斯学习（OG-WVBL）的DOA估计:针对脉冲噪声环境下低快拍、低信噪比、异常点难以识别等问题,OG-WVBL算法将脉冲噪声的DOA估计转化为稀疏异常点和DOA估计的联合变分贝叶斯学习问题。利用信号和脉冲噪声的稀疏先验分布,OG-WVBL通过最大化KL散度的下界来求解稀疏向量,避免了计算边缘似然函数,从而有效实现DOA估计和识别脉冲噪声位置分布。采用迭代重加权策略对稀疏先验模型中重要信息的稀疏超参数赋予大的权重因子,获得稳定的变分贝叶斯学习的后验概率模型,提高了算法的收敛速度和收敛精度。仿真实验表明,OG-WVBL算法无需信号源数目的先验估计。OG-WVBL算法能够有效识别脉冲噪声位置和幅值,有效解决低快拍、低信噪比等问题,提高DOA估计精度。3)聚焦信号子空间的宽带DOA估计:针对相干信号子空间方法的聚焦变换需要初始角度估计和算法性能依赖预先角度估计精度的问题,提出了基于酉变换聚焦信号子空间的宽带DOA估计算法（FSS）。FSS算法利用宽带信号参考频率点的信号子空间和各个频率点的信号子空间构造酉聚焦变换矩阵。FSS的聚焦矩阵不会使阵列输出的信噪比发生变化,聚焦过程为无损聚焦变换。为了实现解相干和降低算法复杂度,进一步设计了基于实值信号聚焦信号子空间的宽带DOA估计算法（RFSS）。采用酉变换技术构造实值协方差矩阵,并利用前后空间平滑技术实现解相干。仿真实验表明,FSS算法不会受到DOA预估计误差的影响,提高了聚焦精度。RFSS算法能有效估计宽带相干和非相干信号源。4)基于FPGA和DSP的麦克风阵列DOA估计系统:将上述脉冲噪声环境下窄带DOA估计算法与宽带FSS算法相结合,构建了宽带和窄带DOA的统一模型,设计并建立以 FPGA（Field Programmable Gate Array）和 DSP（Digital Signal Processor）为核心的DOA估计平台。分别在实际的高斯噪声和脉冲噪声环境中,验证了创新点1、2、3对静态卡车、动态卡车的DOA估计的有效性。因此,本文可以有效地应用于含有脉冲噪声的战场监测和视频会议等声源定位系统中,具有很好的实际应用价值。
董飞彪[7]（2020）在《声阵列波达方向跟踪算法研究》文中指出随着无人机技术在军事和民用领域的迅速发展,对于反无人机技术的发展和应用需求越来越强烈,特别是随着我国低空空域的逐步开放,“低小慢”等航空器的出现使得现有低空防范体系面临新的挑战。传统雷达、光电探测技术容易受地面建筑物阻挡、多普勒效应不明显、雷达散射截面小和恶劣天气环境的影响,使得“低小慢”目标探测也成了一个世界性难题。基于声阵列的被动探测技术,因其具有很高的隐蔽性、便易性、不受电磁干扰和全天候工作特性,成为当前解决“低小慢”目标探测难题的一种有效途径和研究热点。本文结合“低小慢”声目标探测的实际应用需求,基于声阵列的不同应用场景,对空气声阵列探测系统测试平台和应用于线型声阵列、L型声阵列和互质声阵列的波达方向（Direction of Arrival,DOA）跟踪理论与方法分别开展了探索性研究,为其在运动声源目标探测领域的应用提供一定的理论参考和实验依据。为对声阵列探测算法进行有效的实验验证,设计了声阵列探测系统测试平台,对当前主流的阵列DOA跟踪算法开展了实验研究,总结归纳了各个算法的性能表现。开展对无需信源数的MUSIC-like算法实验研究,提出一种基于对角加载技术的改进MUSIC-like算法,基于线型声阵列的实测结果表明,在单声源和双声源信号场景下,所提方法可有效抑制虚假谱峰的出现,提高了算法实际应用中的稳健性。以上实验结果也验证了该测试平台的有效性和实用性。为实现二维空间中的微弱声源目标的快速波达方向跟踪,开展基于均匀线型声阵列的DOA跟踪算法研究,针对子空间跟踪方法和传统粒子滤波（Particle Filter,PF）算法,在低信噪比环境下跟踪精度下降和在动态目标波达角变化速度较快而致使实时性变差的问题,提出一种基于传播算子算法（Propagator Method,PM）算法空间谱函数的PF跟踪算法,通过将PM算法的空间谱分布应用到PF似然函数的改进中,降低了计算复杂度的同时保留子空间算法的高分辨率特性,增强了预测粒子的筛选性能。理论分析和仿真结果表明,在低信噪比环境下,该方法具有更高的运算效率和更低的跟踪误差,更能适用小型、快速运动声源目标的定位跟踪,实测结果验证了本文PF跟踪算法的有效性。为实现三维空间中相干声源目标的波达方向跟踪,开展了基于L型声阵列的二维DOA跟踪算法研究,针对传统波束形成类、子空间类方法存在需要在二维角度空间内进行谱峰搜索,导致计算量较大,且无法处理相干源的DOA跟踪问题,针对传统稀疏信号重构类方法需要在二维角度空间构造过完备原子库,导致稀疏信号重构过程中的计算量成指数增加,且无法解决多目标场景下方位角和俯仰角之间的配对问题,提出应用两种L型阵列下基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的二维DOA跟踪算法。在第一种L型阵列DOA跟踪算法中,将二维过完备原子库的稀疏信号重构问题降为两个一维过完备字典的信号重构问题,以降低算法的计算复杂度,进一步地,利用SBL算法重构出信号之间幅值的差异性,完成方位角和俯仰角之间的自动配对,该算法能够实现相干信号的DOA估计。在第二种L型阵列DOA跟踪算法中,根据阵列协方差矩阵的共轭对称特性,将L型阵二维DOA稀疏重构问题转换为了两个具有扩展孔径的线型阵列DOA稀疏重构问题,进一步地,分别应用SBL算法重构出来波信号,根据源信号之间幅值的不同,解决待估计参数之间配对问题。理论分析和数值仿真表明,所提算法具有更低的计算复杂度、更大的阵列孔径和更小的空间角度跟踪误差,实验结果验证了本文方法的有效性。为实现在特殊应用场景下的声源目标高效、高精度波达方向跟踪,开展了基于互质声阵列的DOA跟踪算法研究,针对均匀阵列无法突破空间角度分辨率受奈奎斯特采样定理限制的问题,提出了一种基于互质阵列的粒子滤波DOA跟踪算法,针对在低信噪比或快拍数较少环境下,粒子滤波似然函数对预测粒子筛选性能减弱现象,推导了互质阵列的空间平滑PM谱函数,并应用到粒子滤波的似然函数改进中。理论分析和仿真结果表明,本文方法具有更高的估计精度和更低的计算复杂度,实验结果验证了所提算法的有效性。
付波[8]（2020）在《声源电液激振器设计及控制研究》文中研究表明声源电液激振器是一种基于电液伺服技术,利用液压缸活塞杆的往复振动激励振动膜板,产生期望频谱声场的振动设备。声源电液激振器的主要用途之一是产生频谱可控的高能级水下低频声场,来模拟目标声场,进而对水下快速移动的小目标进行定向干扰和破坏。随着现代海洋产业的快速发展和海洋战略的部署,对声源电液激振器性能的要求越来越高,因此对其开展研究具有重大意义。由于系统频宽低、自身非线性因素、外负载影响及与环境耦合振动等原因,声源电液激振器无法准确再现期望振动频谱。为了能够准确再现期望频谱、精确模拟目标声场,本文对声源电液激振器进行设计,并对其控制策略展开研究。声源电液激振器输入信号多为随机振动加速度信号,用功率谱密度（PSD）表征其特性。为了准确复现5～300Hz参考加速度PSD,开展了三参量伺服控制研究,拓宽系统频宽、改善系统性能。为了弥补三参量伺服控制的不足,开展了随机振动功率谱复现研究,在频域上对输入信号进行迭代修正。本文的主要研究内容如下:第1章,通过对电液激振器及其控制策略的研究现状分析发现,在国内电液激振器的研究中,高频、大加速方面有所欠缺,确定本课题的研究内容及研究的意义。第2章,对电液激振器系统进行设计。主要包括液压系统、液压缸的设计;建立系统5阶数学建模,通过对数学模型分析,系统在位置闭环控制下-3d B频宽仅为12Hz;建立系统AMESim模型,为后续控制系统研究打下基础。第3章,开展三参量伺服控制研究。根据根轨迹法设计三参量控制器并进行仿真分析,建立AMESim与Simulink联合仿真模型,对三参量控制器效果进行仿真验证,设计出的三参量伺服控制器能有效拓展系统频宽至243Hz。第4章,开展随机振动功率谱复现研究,在频域对输入信号进行修正补偿。利用H3法进行系统频响函数辨识,利用AR模型法进行PSD估计,进而利用随机振动功率谱修正算法得到驱动谱,同时通过频域随机化和时域随机化生成时域随机驱动信号,最后基于AEMSim模型对随机振动功率谱复现算法进行仿真分析。仿真结果表明:系统能准确复现5～300Hz输入加速度PSD,除低频10Hz以内,响应谱均可收敛到±1d B的容差范围。第5章,首先对控制器的振动信号数值微/积分变换开展研究,结果表明频域积分算法和频域微分算法在振动信号变换中能获得较高的精度。其次完成了控制器软件设计,利用双DSP控制器系统提高系统控制效率,完成上、下位机软件的开发工作。第6章,对本文的研究内容进行总结,提出下一步工作展望。
郭俊汐[9]（2020）在《基于多模态的智能会议系统的设计与研究》文中指出智能会议系统是现代企业运转中的重要环节。然而,现有的智能会议系统只对会议过程中的视频及音频模态信息进行摄录和罗列,未能对会议内容进行抽取和分析。此外,现有的会议记录数据缺少结构化标签,工作人员无法利用其在会后进行分类归档和检索回顾。因此,有效利用和结构化会议过程中多种模态信息的多模态智能会议系统具有重要研究意义和应用价值。现有的多模态模型利用视听模态融合技术能够实现声源在视频中的可视化定位,然而,在会议场景下,由于会场空间有限,导致说话人定位准确率低、声音混响大,诸多因素均给多模态智能会议系统同时集成高精度参会人员定位信息、身份识别、声音识别带来了困难。针对智能会议系统多种模态信息精度较低且难以集成的问题,本文做出了以下几点研究:首先,本文提出了基于多模态模型的说话人定位精度提升方法。会议场景下说话人定位不精准的问题根因在于现有多模态模型的视听模态特征质量低、融合不充分。本文采用长短期记忆网络提升视听融合模态特征信息含量,并结合目标检测得到的人脸模态信息共同完成会议场景下说话人的精准面部定位。改进后的多模态网络模型对视听动作识别任务的准确率相比原模型提升了4.6%,声源漏检率下降了4.53%,对会议场景下正在说话人的定位准确率达到90.8%。其次,本文提出了基于说话人识别的语音分割及声纹过滤技术。本文建立了基于说话人身份矢量的声学模型,对会议音频进行说话人识别、分割,将会议音频嵌入说话人身份标签并实现自动分类和存储。经语音分割后,会议音频的参会人员身份错误拒绝率为6.78%,错误接收率为9.09%,低于相同说话人条件下基于贝叶斯准则的说话人对话语音分割16.67%的错误拒绝率和23.08%的错误接收率。在说话人识别和语音分割的基础上,针对说话人识别模型应用在会场内多人同时说话的场景中识别精度低的问题,本文提出了多人说话环境下基于说话人嵌入码身份标注的音频过滤技术。本文搭建了说话人编码网络和音频过滤网络,并在此基础上完成了混合语音信号的定向声纹过滤。经定向声纹过滤处理后,语音信号偏差比达到12.6d B,相比未经处理的音频信号偏差比提升了4倍。最后,本文提出了多模态会议数据集的构建方法。本文首先提出全景摄像头反变换算法,该算法在提升参会人员视听动作采集效率的同时,有效消除了球面全景摄像头摄录导致的人脸畸变。此外,本文将声纹识别得到的高精度说话人身份标签可视化嵌入至经多模态模型处理的会议视频中,实现了会场说话人面部及身份信息的可视化标注。经过标注及分割处理后,会议视频包含了参会人身份、参会人面部标注、发言内容等多种模态信息,而会议音视频信息则自动生成了会议发言人身份、会议日期等多种标签。多模态会议数据集在包含了会议过程中音视频多种模态信息的同时,实现了会议信息的结构化,为会后整理总结和检索回顾提供便利。
廉盟[10]（2019）在《大型薄壁件壁厚超声自动测量方法与关键技术》文中研究说明大型薄壁件是航空航天、先进轨道交通等领域核心装备中的一类典型结构件,其加工剩余壁厚的制造要求高。精确测量获得毛坯厚度与加工剩余壁厚分布状态,是保障这类零件制造质量的关键环节。使用传统量规、手持测厚仪（射线、超声）等手段进行大型薄壁件的厚度测量,往往存在人工劳动强度大、效率低、结果一致性差等问题,且测点的空间位置坐标未知,不能精确地描述大型薄壁零件的厚度分布状态,无法满足壁厚测量需求。鉴于超声测厚法在测量精度、测量范围、测量可达性方面的优势,若能解决其“自动测量”问题,将是快速获取大型薄壁件壁厚分布状态的有效途径。本论文面向大型薄壁零件壁厚精确、高效测量需求,提出超声自动扫描测厚方法,开展回波声时差精确提取、超声入射偏角自动辨识、耦合间隙随形调整等关键技术研究工作,具体研究内容如下:为了实现大型薄壁件壁厚的快速测量,提出非接触式超声自动扫描测厚方法。定义超声自动测量系统中的各个子坐标系,确立子坐标系之间的坐标变换矩阵,建立超声自动扫描测厚系统的测量运动学模型。根据测厚系统的运动学分析,建立大型薄壁零件壁厚的超声自动扫描测量模型,分析影响大型薄壁零件自动测厚精度的主要因素,为后续关键技术的研究奠定基础。针对动态连续测厚中超声回波声时差的实时精确计算要求,提出基于回波匹配的声时差计算方法。基于自适应滤波理论,通过超声相邻回波信号的傅里叶分析与时域卷积处理,建立具有时延特征的超声回波声时差分析模型,确立减少参与计算回波数量、回波匹配的理论依据。根据相邻回波波形最佳相似原则,建立面向声时差提取的回波匹配模型。为实现回波快速匹配,提出虑及匹配收敛速度和收敛稳定性的步长自适应调整策略,协调迭代步长与匹配误差的关系。针对超声测厚中的回波重叠现象,提出一种基于匹配追踪算法的重叠回波分离方法,形成基于回波匹配的声时差快速精确计算方法。采用一系列不同厚度的样件进行了仿真与实验分析,结果表明与现有的声时差计算方法相比,基于回波匹配的回波声时差提取精度得到有效提高,计算速度提升近35%。针对自动扫描测厚中超声入射偏角引起的厚度测量误差,提出超声入射偏角自动辨识与误差补偿方法。基于声源角谱分解方法,引入等效声源,结合等效声压传播方程,建立虑及超声入射偏角的测量空间声压频谱模型。通过在传感器声源面和接收面内对声压进行频域积分,解析获得不同入射偏角下的表面反射脉冲回波幅值,发现回波能量对入射偏角的敏感性,提出基于首次回波能量衰减算法的入射偏角辨识方法。结合液-固界面声波折射定律,建立超声入射偏角引起的厚度测量误差补偿模型。实验表明,在入射偏角0～2.5°范围内,超声测厚误差最多可减小70%,显着提高超声自动扫描测厚精度。针对非接触式超声扫描测厚过程中超声测厚装置与被测工件表面间的耦合间隙控制难题,提出耦合间隙随形自适应调整方法。制定基于前置涡流位移传感器测量的耦合间隙调整策略,通过涡流传感器测得的位移信息,识别工件的边沿位置,确定超声传感器测量区域。建立耦合间隙状态判别模型,预估耦合间隙的安全调整位置,计算测量装置的自适应随形调整位姿。基于开发的测量平台进行超声耦合间隙自适应调整实验,验证提出的方法可实现耦合间隙状态的准确判别与平稳随形调整,保证超声耦合间隙在非接触扫描测厚中始终保持在合理范围内,有效提高超声自动测厚精度与稳定性。综合应用所提出的大型薄壁零件壁厚超声自动测量方法与关键技术,通过不同形状零件的超声测厚实验,验证系统测厚精度可达0.03mm,满足大型薄壁零件壁厚的测量要求。以大型火箭贮箱壁板为测量对象,研制大型薄壁零件的超声自动测厚系统,开展测量系统的现场实验,验证超声自动测厚系统在工程应用中的可行性及有效性。
二、一种高精度声源自动跟踪系统的设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种高精度声源自动跟踪系统的设计（论文提纲范文）
（1）基于波束形成的机器人声源定位方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 声源定位技术国内外现状 |
| 1.2.2 波束形成算法国内外现状 |
| 1.2.3 机器人声源定位研究现状 |
| 1.3 噪声信号及声音信号模型 |
| 1.3.1 噪声来源和特性分析 |
| 1.3.2 近场模型 |
| 1.3.3 远场模型 |
| 1.4 论文研究内容和章节安排 |
| 第二章 麦克风阵列结构 |
| 2.1 常见的麦克阵列结构 |
| 2.1.1 一维阵列结构 |
| 2.1.2 二维阵列结构 |
| 2.1.3 三维阵列结构 |
| 2.2 二维麦克阵列方向图分析 |
| 2.2.1 均匀圆形阵列 |
| 2.2.2 方形阵列 |
| 2.2.3 传统十字形阵列计算方法 |
| 2.2.4 改进的十字形阵列计算方法 |
| 2.3 麦克风阵列自身影响因素 |
| 2.3.1 阵元个数 |
| 2.3.2 阵元间距 |
| 2.4 本章小结 |
| 第三章 声源定位算法及两维角度估计 |
| 3.1 常用的声源定位算法 |
| 3.1.1 基于时延估计的算法 |
| 3.1.2 基于高分辨率谱估计的算法 |
| 3.1.3 基于可控波束形成的算法 |
| 3.2 两维角度在立体空间的确定 |
| 3.2.1 立体空间角度分析 |
| 3.2.2 方位角和俯仰角的确定 |
| 3.3 十字阵声源定位算法 |
| 3.3.1 基于改进十字阵的时延估计算法 |
| 3.3.2 基于改进十字阵的波束形成算法 |
| 3.4 机器人移动测距方法 |
| 3.5 本章小结 |
| 第四章 机器人声源定位系统设计 |
| 4.1 机器人声源定位系统概述 |
| 4.2 麦克风阵列构建 |
| 4.2.1 麦克风选型 |
| 4.2.2 麦克风阵列设计 |
| 4.3 数据采集模块设计 |
| 4.4 本章小结 |
| 第五章 声源定位软件设计 |
| 5.1 数字信号处理库移植 |
| 5.2 数据采集系统程序设计 |
| 5.2.1 AD7606驱动程序 |
| 5.2.2 信号滤波 |
| 5.3 声源定位算法程序设计 |
| 5.3.1 MVDR算法在改进十字阵算法上的实现 |
| 5.3.2 时延估计互谱法 |
| 5.4 机器人测距程序 |
| 5.5 GUI设计 |
| 5.6 本章小结 |
| 第六章 系统测试及实验结果分析 |
| 6.1 AD7606采样测试 |
| 6.2 机器人声源定位实验结果及分析 |
| 6.3 误差来源 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（2）基于分布式声阵列的目标协同定位关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 本论文的结构安排 |
| 第二章 分布式声阵列目标定位的相关理论 |
| 2.1 分布式声阵列目标定位总体方案 |
| 2.2 声阵列设计理论 |
| 2.2.1 近远场声信号模型 |
| 2.2.2 阵列信号处理基础 |
| 2.3 声阵列设计及分析 |
| 2.3.1 一维线性阵列设计 |
| 2.3.2 二维“L”型阵列设计 |
| 2.4 波束形成技术 |
| 2.4.1 传统波束形成算法 |
| 2.4.2 MUSIC算法推导 |
| 2.5 本章小结 |
| 第三章 传感器阵列设计与多节点协同探测定位算法 |
| 3.1 一维线性阵列微小化设计 |
| 3.1.1 单个宽带声源信号微小型阵列定位性能分析 |
| 3.1.2 两个宽带声源信号微小型阵列定位性能分析 |
| 3.1.3 三个宽带声源信号微小型阵列定位性能分析 |
| 3.2 多节点协同探测算法设计与仿真验证 |
| 3.2.1 多声传感器阵列协同定位算法设计 |
| 3.2.2 分布式声阵列协同定位仿真验证 |
| 3.3 本章小结 |
| 第四章 分布式声阵列目标定位原理样机设计与实现 |
| 4.1 分布式声阵列目标定位原理样机整体设计 |
| 4.1.1 声传感器选择 |
| 4.1.2 前置信号调理电路设计 |
| 4.1.3 数据采集模块选型 |
| 4.1.4 无线传输模块选型 |
| 4.2 采集软件设计与实现 |
| 4.3 本章小结 |
| 第五章 分布式声阵列目标定位实验验证 |
| 5.1 分布式声阵列目标定位实验方案设计 |
| 5.2 单节点目标定位测试实验 |
| 5.2.1 单节点目标定向测试实验环境 |
| 5.2.2 单节点目标定向测试实验过程 |
| 5.2.3 单节点目标定向测试实验结果 |
| 5.3 分布式声阵列半实物协同目标定位实验 |
| 5.3.1 分布式声阵列半实物协同目标定位实验环境 |
| 5.3.2 分布式声阵列半实物协同目标定位实验过程 |
| 5.3.3 分布式声阵列半实物协同目标定位实验结果 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（3）水下便携式可应答同步编码声源系统研究（论文提纲范文）
| 1 系统设计 |
| 1.1 组成及原理 |
| 1.2 声源信标结构 |
| 1.3 声源安装结构 |
| 2 关键技术分析 |
| 2.1 信号产生与功率放大 |
| 2.2 样机研制 |
| 3 试验测试 |
| 4 结论 |
（4）水下轻便微小型多功能编码声源系统研究（论文提纲范文）
| 0 引 言 |
| 1 系统设计与研制方案 |
| 1.1 系统总体设计方案 |
| 1.2 系统主要技术指标 |
| 1.3 系统组成 |
| 1.4 基本工作流程 |
| 2 关键技术分析 |
| 2.1 信号产生与功率放大 |
| 2.2 样机研制 |
| 3 试验测试 |
| 4 结 语 |
（5）声源方向定位实验的坐标采集系统 ——基于App的设计与验证（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 方向定位因素及讨论 |
| 1.1.1 方向定位因素 |
| 1.1.2 声学定位因素量化与HRTF |
| 1.1.3 本文关注点 |
| 1.2 定位实验与重放方式 |
| 1.2.1 非消声室自由场环境的定位实验 |
| 1.2.2 消声室环境下的扬声器重放定位 |
| 1.2.3 基于耳机重放的虚拟声源定位 |
| 1.2.4 声源重放方式对实验结果的影响 |
| 1.3 方向定位实验的类型 |
| 1.3.1 MAA的测量 |
| 1.3.2 绝对方向判断 |
| 1.3.3 两种方式的区别及影响因素 |
| 1.4 方向定位实验在临床中的应用 |
| 1.4.1 面向临床的低分辨率的空间方向测听 |
| 1.4.2 声源方向定位的训练效果 |
| 1.4.3 试听交互游戏中的声源定位应用 |
| 1.4.4 上述方向定位应用的不足 |
| 1.5 本文的主要工作和创新点 |
| 第二章 声源方向定位实验的报告方法及误差来源 |
| 2.1 内中心指向法 |
| 2.2 外中心指向法 |
| 2.3 不同方式的对比及本文的选择 |
| 2.4 本章小结 |
| 第三章 基于GUI的方位角报告系统 |
| 3.1 GUI指向设计 |
| 3.2 实验设计 |
| 3.2.1 受试者 |
| 3.2.2 实验环境 |
| 3.2.3 声源和配置 |
| 3.2.4 基于GUI的系统 |
| 3.3 GUI指向的准确性验证 |
| 3.4 虚拟声源定位检测系统的可行性 |
| 3.5 本章小结 |
| 第四章 基于游戏场景的声源动态定位测试与训练 |
| 4.1 游戏设计 |
| 4.1.1 游戏场景设计与实验参数定义 |
| 4.1.2 虚拟声信号处理 |
| 4.1.3 实验描述 |
| 4.2 基于游戏场景的声源动态定位测试与分析 |
| 4.2.1 初始旋转角的方向和跨度 |
| 4.2.2 寻找声源的耗时 |
| 4.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）脉冲噪声环境下麦克风阵列的DOA估计技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写和符号清单 |
| 术语表 |
| 1 引言 |
| 1.1 课题背景 |
| 1.2 研究意义 |
| 1.3 论文内容安排 |
| 2 文献综述 |
| 2.1 DOA估计研究现状 |
| 2.2 脉冲噪声下DOA估计研究现状 |
| 2.2.1 脉冲噪声的研究进展 |
| 2.2.2 脉冲噪声下DOA估计进展 |
| 2.2.3 基于相关熵的脉冲噪声处理研究进展 |
| 2.3 宽带信号的DOA估计研究现状 |
| 2.4 稀疏恢复的DOA估计研究现状 |
| 2.5 本章小结 |
| 3 脉冲噪声环境下DOA估计数学基础 |
| 3.1 脉冲噪声分布模型 |
| 3.1.1 alpha稳定分布 |
| 3.1.2 混合高斯分布 |
| 3.1.3 广义高斯分布 |
| 3.2 DOA估计数学模型 |
| 3.3 MUSIC算法 |
| 3.4 DOA估计性能指标 |
| 3.5 本章小结 |
| 4 基于广义最大复值相关熵的鲁棒性DOA估计 |
| 4.1 脉冲噪声环境下信号模型定义 |
| 4.2 广义最大复值相关熵理论 |
| 4.2.1 广义最大复值相关熵准则的定义 |
| 4.2.2 广义最大复值相关熵准则的属性 |
| 4.3 基于广义最大复值相关熵的中值差分相关熵的DOA估计 |
| 4.3.1 中值差分相关熵的DOA估计算法 |
| 4.3.2 MDCO算法的性能分析 |
| 4.3.3 MDCO算法的计算复杂度分析 |
| 4.4 基于广义最大复值相关熵的复值拟牛顿算法 |
| 4.4.1 QN-GMCCC算法的GMCC-loss代价函数 |
| 4.4.2 QN-GMCCC算法的交替迭代凸优化最小化 |
| 4.4.3 QN-GMCCC算法的稳态性能分析 |
| 4.4.4 QN-GMCCC算法的计算复杂度分析 |
| 4.5 实验验证 |
| 4.5.1 记忆因子对MDCO算法的影响 |
| 4.5.2 QN-GMCCC算法的内核参数 |
| 4.5.3 QN-GMCCC算法的稳态性能 |
| 4.5.4 QN-GMCCC算法的收敛性能 |
| 4.5.5 GSNR对QN-GMCCC和MDCO算法的影响 |
| 4.5.6 角度分离对QN-GMCCC和MDCO算法的影响 |
| 4.5.7 特征指数对QN-GMCCC和MDCO算法的影响 |
| 4.5.8 采样快拍数对QN-GMCCC和MDCO算法的影响 |
| 4.6 本章小结 |
| 5 迭代重加权变分贝叶斯学习的DOA估计 |
| 5.1 脉冲噪声环境下off-grid模型定义 |
| 5.2 基于off-grid的迭代重加权变分贝叶斯学习算法 |
| 5.2.1 基于KL散度的稀疏信号更新 |
| 5.2.2 基于KL散度的脉冲噪声矩阵更新 |
| 5.2.3 OG-WVBL的迭代重加权策略 |
| 5.3 OG-WVBL算法的计算复杂度分析 |
| 5.4 实验验证 |
| 5.4.1 OG-WVBL算法的超参数收敛性能 |
| 5.4.2 GSNR对OG-WVBL算法的影响 |
| 5.4.3 角度分离对OG-WVBL算法的影响 |
| 5.4.4 特征指数对OG-WVBL算法的影响 |
| 5.4.5 网格区间对OG-WVBL算法的影响 |
| 5.5 本章小结 |
| 6 聚焦信号子空间的宽带DOA估计算法 |
| 6.1 宽带DOA信号模型 |
| 6.2 基于酉变换聚焦信号子空间的宽带DOA估计 |
| 6.3 基于实值信号聚焦信号子空间的宽带DOA估计 |
| 6.4 FSS算法的聚焦性能分析 |
| 6.5 实验验证 |
| 6.5.1 FSS算法的空间谱 |
| 6.5.2 SNR对FSS和RFSS算法的影响 |
| 6.5.3 快拍数对FSS和RFSS算法性能的影响 |
| 6.5.4 角度分离对FSS算法性能的影响 |
| 6.6 本章小结 |
| 7 基于FPGA和DSP的麦克风阵列系统 |
| 7.1 硬件设计 |
| 7.1.1 声学传感器选型 |
| 7.1.2 放大电路设计 |
| 7.1.3 滤波电路设计 |
| 7.1.4 信号采集模块测试 |
| 7.2 系统测试验证 |
| 7.2.1 卡车环境中脉冲噪声分布统计 |
| 7.2.2 QN-GMCCC和MDCO算法空间谱性能 |
| 7.2.3 OG-WVBL算法空间谱性能 |
| 7.2.4 脉冲噪声环境下声源距离对不同算法的影响 |
| 7.2.5 高斯噪声环境下声源距离对FSS算法的影响 |
| 7.2.6 高斯噪声环境下FSS定位性能 |
| 7.2.7 脉冲噪声环境下不同算法的定位性能 |
| 7.3 本章小结 |
| 8 结论与展望 |
| 8.1 本文工作总结 |
| 8.2 未来工作展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（7）声阵列波达方向跟踪算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 静止目标DOA估计算法研究现状 |
| 1.2.2 运动目标DOA估计算法研究现状 |
| 1.2.3 声阵列DOA估计研究现状 |
| 1.3 论文研究目标、内容及贡献 |
| 1.3.1 论文研究目标 |
| 1.3.2 论文主要内容与贡献 |
| 1.4 论文的结构安排 |
| 第二章 阵列信号处理相关基础 |
| 2.1 引言 |
| 2.2 DOA估计信号模型及其分析 |
| 2.2.1 均匀线阵信号模型 |
| 2.2.2 L型阵列信号模型 |
| 2.2.3 互质阵列信号模型 |
| 2.3 矩阵代数相关知识 |
| 2.3.1 特征分解和奇异值分解 |
| 2.3.2 Toeplitz矩阵 |
| 2.3.3 Vandermonde矩阵 |
| 2.3.4 矩阵的Kronecker积 |
| 2.3.5 矩阵的向量化 |
| 2.4 本章小结 |
| 第三章 声探测系统测试平台设计与实现及算法验证 |
| 3.1 引言 |
| 3.2 声阵列探测系统测试平台设计 |
| 3.2.1 系统总体结构 |
| 3.2.2 系统主要模块 |
| 3.3 阵列波达方向估计算法 |
| 3.3.1 Capon算法 |
| 3.3.2 MUSIC算法 |
| 3.3.3 PM算法 |
| 3.3.4 PASTd算法 |
| 3.3.5 ?_(p,q)范数重构算法 |
| 3.3.6 SBL算法 |
| 3.3.7 SPICE算法 |
| 3.4 基于线型声阵列的单源DOA跟踪实验 |
| 3.4.1 试验概况 |
| 3.4.2 实验结果与分析 |
| 3.5 基于线型声阵列的双源DOA跟踪实验 |
| 3.5.1 试验概况 |
| 3.5.2 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 均匀线阵DOA跟踪算法研究及实验验证 |
| 4.1 引言 |
| 4.2 基于粒子滤波的DOA跟踪估计算法 |
| 4.2.1 阵列观测模型建立 |
| 4.2.2 目标状态模型建立 |
| 4.2.3 基于粒子滤波的DOA跟踪算法 |
| 4.2.4 似然函数推导 |
| 4.3 基于改进的粒子滤波的DOA跟踪估计算法 |
| 4.3.1 计算复杂度分析 |
| 4.3.2 仿真结果与分析 |
| 4.4 基于线型声阵列的DOA跟踪实验 |
| 4.4.1 试验概况 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 L型阵二维DOA跟踪算法研究及实验验证 |
| 5.1 引言 |
| 5.2 贝叶斯学习理论推导 |
| 5.2.1 观测模型 |
| 5.2.2 信号先验稀疏模型 |
| 5.2.3 贝叶斯后验理论 |
| 5.3 L型阵列高效DOA跟踪算法 |
| 5.3.1 算法描述 |
| 5.3.2 角度配对 |
| 5.3.3 仿真结果与分析 |
| 5.4 L型阵列孔径扩展DOA跟踪算法 |
| 5.4.1 算法描述 |
| 5.4.2 仿真结果与分析 |
| 5.5 基于L型声阵列的双源DOA跟踪实验 |
| 5.5.1 试验概况 |
| 5.5.2 实验结果与分析 |
| 5.6 本章小结 |
| 第六章 互质阵列DOA跟踪算法研究及实验验证 |
| 6.1 引言 |
| 6.2 互质阵列信号模型 |
| 6.2.1 互质阵观测模型 |
| 6.2.2 目标运动模型 |
| 6.3 互质阵DOA跟踪估计算法 |
| 6.3.1 算法描述 |
| 6.3.2 计算复杂度分析 |
| 6.3.3 仿真结果与分析 |
| 6.4 基于互质线型声阵列的DOA跟踪实验 |
| 6.4.1 实验概况 |
| 6.4.2 实验结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 攻读博士学位期间取得的成果 |
（8）声源电液激振器设计及控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电液激振设备研究现状 |
| 1.2.2 电液激振器伺服控制研究现状 |
| 1.2.3 电液激振器随机振动控制研究现状 |
| 1.2.4 小结 |
| 1.3 主要研究内容 |
| 第2章 声源电液激振器系统设计与建模 |
| 2.1 系统设计 |
| 2.1.1 系统设计指标 |
| 2.1.2 液压原理图 |
| 2.1.3 液压缸设计 |
| 2.1.4 主要元件选型 |
| 2.2 系统数学建模 |
| 2.2.1 负载及液压缸传递函数 |
| 2.2.2 伺服阀传递函数 |
| 2.2.3 放大器传递函数 |
| 2.2.4 位移传感器传递函数 |
| 2.2.5 系统分析 |
| 2.3 系统AMESim建模 |
| 2.3.1 模型搭建 |
| 2.3.2 参数设置 |
| 2.3.3 阶跃响应 |
| 2.4 本章小结 |
| 第3章 声源电液激振器三参量伺服控制研究 |
| 3.1 三参量伺服控制原理 |
| 3.1.1 参考信号发生器 |
| 3.1.2 速度信号调理器 |
| 3.2 根轨迹法设计三参量控制器 |
| 3.2.1 根轨迹理论 |
| 3.2.2 三参量控制器设计 |
| 3.2.3 仿真分析 |
| 3.3 AMESim与 Simulink联合仿真 |
| 3.3.1 联合仿真设置 |
| 3.3.2 模型搭建 |
| 3.3.3 仿真分析 |
| 3.4 本章小结 |
| 第4章 声源电液激振器随机振动功率谱复现研究 |
| 4.1 随机振动功率谱修正 |
| 4.2 系统频响函数辨识 |
| 4.2.1 H1频响函数辨识法 |
| 4.2.2 H2频响函数辨识法 |
| 4.2.3 改进的频响函数辨识法 |
| 4.3 功率谱密度估计 |
| 4.3.1 Welch法 |
| 4.3.2 AR模型法 |
| 4.3.3 仿真分析 |
| 4.4 时域驱动信号生成 |
| 4.4.1 频域随机化 |
| 4.4.2 时域随机化 |
| 4.5 基于AMESim模型仿真分析 |
| 4.5.1 模型搭建 |
| 4.5.2 仿真分析 |
| 4.6 本章小结 |
| 第5章 声源电液激振器信号处理及控制器软件设计 |
| 5.1 振动信号的积分和微分变换 |
| 5.1.1 加速度信号数值积分变换 |
| 5.1.2 位移信号数值微分变换 |
| 5.1.3 仿真计算 |
| 5.2 控制器软件设计 |
| 5.2.1 上位机软件 |
| 5.2.2 下位机软件 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间科研成果及奖励 |
（9）基于多模态的智能会议系统的设计与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究状况 |
| 1.2.1 多模态机器学习研究状况 |
| 1.2.2 会议场景下的说话人识别研究状况 |
| 1.2.3 声纹识别研究状况 |
| 1.2.4 现有技术存在的问题 |
| 1.3 本文创新工作 |
| 1.4 文章结构安排 |
| 第二章 深度学习及语音识别相关技术介绍 |
| 2.1 深度学习理论基础 |
| 2.1.1 深度学习的基本概念 |
| 2.1.2 卷积神经网络基础知识 |
| 2.1.3 长短期记忆网络基本理论 |
| 2.2 目标检测常用技术 |
| 2.3 声纹识别流程及常用技术 |
| 2.4 人声分离技术 |
| 2.5 像素级声纹定位的技术手段 |
| 2.6 本章小结 |
| 第三章 基于多模态网络优化的会场说话人定位算法 |
| 3.1 基于多模态网络的像素级声源定位 |
| 3.2 会议场景下的像素级声源定位 |
| 3.2.1 会议场景数据集构建 |
| 3.2.2 会场声源定位 |
| 3.3 基于多模态网络的视听特征融合优化 |
| 3.3.1 多模态深度自编码器 |
| 3.3.2 基于脉冲耦合神经网络的特征融合 |
| 3.3.3 基于标准粒子滤波算法的音视频特征融合 |
| 3.3.4 基于长短期记忆网络的音视频特征融合 |
| 3.4 基于多模态网络的会场说话人定位 |
| 3.5 数据集与模型评估指标 |
| 3.5.1 视听特征融合程度评测数据集 |
| 3.5.2 模型评估指标 |
| 3.6 实验结果与分析 |
| 3.6.1 训练集和测试集设计 |
| 3.6.2 实验设置与相关参数 |
| 3.6.3 结果与分析 |
| 3.7 本章小结 |
| 第四章 基于说话人识别的语音分割及声纹过滤 |
| 4.1 基于声纹特征的说话人识别 |
| 4.1.1 基于梅尔频率倒谱系数的特征参数提取 |
| 4.1.2 基于身份向量的说话人识别 |
| 4.1.3 基于概率线性判别分析的说话人打分 |
| 4.2 基于说话人识别的语音分割 |
| 4.3 基于说话人嵌入码的声纹过滤 |
| 4.3.1 说话人编码网络 |
| 4.3.2 声纹过滤网络 |
| 4.4 数据集与模型评估指标 |
| 4.4.1 语音分割数据集与模型评估指标 |
| 4.4.2 定向声纹过滤数据集与模型评估指标 |
| 4.5 实验结果与分析 |
| 4.5.1 语音分割结果与分析 |
| 4.5.2 定向声纹过滤结果与分析 |
| 4.6 本章小结 |
| 第五章 多模态会议数据集的构建 |
| 5.1 基于全景视频反变换的预处理 |
| 5.2 多模态会议信息结构化 |
| 5.3 实验结果与分析 |
| 5.3.1 全景摄像头反变换结果与分析 |
| 5.3.2 多模态会议信息结构化结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（10）大型薄壁件壁厚超声自动测量方法与关键技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 零件厚度测量方法 |
| 1.2.2 超声自动测厚中的关键技术研究现状 |
| 1.2.3 现有超声自动测厚方法存在的问题 |
| 1.3 课题来源与主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 2 非接触式超声扫描测厚方法 |
| 2.1 测量系统运动学建模 |
| 2.1.1 测量系统坐标系定义 |
| 2.1.2 传递矩阵计算 |
| 2.2 超声测点信息提取方法 |
| 2.2.1 测点坐标提取模型 |
| 2.2.2 壁厚计算模型 |
| 2.2.3 测量精度影响因素分析 |
| 2.3 本章小结 |
| 3 基于回波匹配的声时差快速精确计算 |
| 3.1 超声回波声时差特征分析 |
| 3.2 回波匹配算法 |
| 3.2.1 基于LMS的回波匹配模型 |
| 3.2.2 步长自适应调整策略 |
| 3.2.3 声时差快速提取流程 |
| 3.3 重叠回波分离算法 |
| 3.4 回波声时差提取仿真实验 |
| 3.4.1 基于回波匹配的声时差提取仿真 |
| 3.4.2 重叠回波分离仿真 |
| 3.5 声时差提取算法验证实验 |
| 3.5.1 实验系统 |
| 3.5.2 实验结果 |
| 3.6 本章小结 |
| 4 超声入射偏角自动辨识与误差补偿 |
| 4.1 基于角谱分析法的入射偏角影响机理 |
| 4.2 入射偏角自动辨识算法 |
| 4.2.1 首次回波能量衰减计算 |
| 4.2.2 超声入射偏角辨识流程 |
| 4.3 测厚误差补偿模型 |
| 4.4 入射偏角辨识实验 |
| 4.4.1 标定实验 |
| 4.4.2 实验验证 |
| 4.5 本章小结 |
| 5 超声耦合间隙随形自适应调整 |
| 5.1 耦合间隙自适应调整策略 |
| 5.2 测量装置自动寻边 |
| 5.2.1 涡流传感器边沿扫描输出信号分析 |
| 5.2.2 边沿位置识别方法 |
| 5.3 基于面形跟踪的耦合间隙调整计算 |
| 5.3.1 耦合间隙调整位置预估 |
| 5.3.2 随形调整位姿计算 |
| 5.4 耦合间隙自适应调整实验 |
| 5.4.1 自动寻边实验 |
| 5.4.2 随形调整算法验证实验 |
| 5.5 本章小结 |
| 6 大型栅格壁板超声自动测厚系统开发与实验 |
| 6.1 超声自动测厚系统研制 |
| 6.2 测量系统精度验证 |
| 6.3 现场测量应用与实验 |
| 6.3.1 集成于壁板镜像铣削装备的超声自动测量系统 |
| 6.3.2 龙门式壁板壁厚自动测量装备 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录A 加工前壁板壁厚超声测量部分数据 |
| 附录B 加工后壁板壁厚超声测量部分数据 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
四、一种高精度声源自动跟踪系统的设计（论文参考文献）
- [1]基于波束形成的机器人声源定位方法研究[D]. 韩智轩. 南京信息工程大学, 2021(01)
- [2]基于分布式声阵列的目标协同定位关键技术研究[D]. 王世豪. 电子科技大学, 2020(01)
- [3]水下便携式可应答同步编码声源系统研究[J]. 张庆国,李兴武,沈雁,连莉. 海洋技术学报, 2020(03)
- [4]水下轻便微小型多功能编码声源系统研究[J]. 张庆国,李兴武,连莉,颜家雄. 海洋工程装备与技术, 2020(03)
- [5]声源方向定位实验的坐标采集系统 ——基于App的设计与验证[D]. 崔冬. 华南理工大学, 2020
- [6]脉冲噪声环境下麦克风阵列的DOA估计技术研究[D]. 麻付强. 北京科技大学, 2020(01)
- [7]声阵列波达方向跟踪算法研究[D]. 董飞彪. 电子科技大学, 2020(07)
- [8]声源电液激振器设计及控制研究[D]. 付波. 浙江大学, 2020(06)
- [9]基于多模态的智能会议系统的设计与研究[D]. 郭俊汐. 上海交通大学, 2020(09)
- [10]大型薄壁件壁厚超声自动测量方法与关键技术[D]. 廉盟. 大连理工大学, 2019(08)