基于TDOA的聲源定位及與視頻信息融合的研究.pdf_第1頁
已閱讀1頁，還剩68頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、對說話人進行定位與跟蹤已成為人機交互研究中的重要課題。它可以應用于多媒體系統(tǒng)、視頻會議系統(tǒng)、視頻監(jiān)控系統(tǒng)以及智能機器人系統(tǒng)等。由于在實際環(huán)境中通常存在較高的噪聲和嚴重混響，基于音頻信息進行說話人定位與跟蹤是一個極具挑戰(zhàn)性的課題。本文主要研究一種魯棒的方法利用音頻信息對話者定位以及聯合音視頻信息對說話人進行跟蹤。
　　 本文首先介紹估計麥克風對之間的延時(TDOA)的經典方法以及在多麥克風對基礎上基于多信道互相關系數的延時估計法。

2、由于在實際情況中噪聲以及混響的影響，傳統(tǒng)的TDOA估計方法經常失效。對語音信號進行分幀處理發(fā)現，短時的語音信號可以分為有效幀與無效幀。本文提出對圓形麥克風陣列各扇區(qū)活躍值進行概率建模，從而估計出語音信號的有效幀。在所獲得的有效幀的基礎上提出一種基于TDOA估計的魯棒RANSAC算法對說話人進行定位。與傳統(tǒng)算法相比，論文提出的方法在音頻定位的魯棒性和精度方面得到較大的提高。本文進一步介紹了利用視頻信息使用均值漂移(Mean Shift)進

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論