您当前的位置：首页 > 高新科技译丛 麦克风阵列信号处理 （加）贝内斯特 等著；邹霞，周彬，贾冲 等译 2016年版 > 下载地址1
高新科技译丛 麦克风阵列信号处理 （加）贝内斯特 等著；邹霞，周彬，贾冲 等译 2016年版
- 名 称：高新科技译丛 麦克风阵列信号处理 （加）贝内斯特 等著；邹霞，周彬，贾冲 等译 2016年版 - 下载地址1
- 类 别：电子信息
- 下载地址：[下载地址1]
- 提 取 码：
- 浏览次数：3
发表评论 加入收藏夹 错误报告目录| 新闻评论（共有 0 条评论） |
资料介绍
高新科技译丛 麦克风阵列信号处理
作者： （加）贝内斯特 等著；邹霞，周彬，贾冲 等译
出版时间：2016年版
内容简介
《麦克风阵列信号处理》与传统的阵列信号处理书籍不同。传统的阵列信号处理书籍是从窄带信号处理的角度来描述，如假定信号是窄带的、采用的信号处理算法是窄带的等。这些方法对于解决诸如天线阵列等问题来说是有效的，但对于解决明显具有宽带信号特征的声音及语音信号的问题时则会遇到很多不可克服的困难。而《麦克风阵列信号处理》真正从宽带信号处理角度来分析、解决问题。从声音信号的独特特性出发，完整的阐述了麦克风阵列信号处理的基本理论、基础方法和关键技术，使读者可以从根本上摒除传统窄带阵列信号处理的观念，真正意义上进入麦克风阵列的宽带处理时代。
目录
第1章 绪论
1．1 基于麦克风阵列的信号处理技术研究
1．2 本书的内容与结构
第2章 经典最优滤波器
2．1 引言
2．2 维纳滤波器
2．3 Frost滤波器
2．3．1 算法
2．3．2 广义旁瓣抵消结构
2．3．3 在线性内插中的应用
2．4 卡尔曼滤波
2．5 可替代MSE的准则
2．5．1 Pearson相关系数
2．5．2 SPCC的重要性质
2．5．3 由SPCC推导最优滤波器举例
2．6 总结
第3章 传统波束形成技术
3．1 引言
3．2 问题描述
3．3 延迟一求和技术
3．4 固定波束形成的设计
3．5 最大信噪比滤波器
3．6 最小方差无失真响应滤波器
3．7 基于参考信号的方法
3．8 响应不变宽带波束形成
3．9 陷零技术
3．10 麦克风阵列方向图函数
3．10．1 第一种信号模型
3．10．2 第二种信号模型
3．11 总结
第4章 LCMV滤波器在室内声学环境下的应用
4．1 引言
4．2 信号模型
4．2．1 无回声模型
4．2．2 混响模型
4．2．3 空一时模型
4．3 基于无回声模型的LCMV滤波器
4．4 基于混响模型的LCMV滤波器
4．5 基于空一时模型的LCMV滤波
4．5．1 实验结果
4．6 频域LCMV滤波
4．7 总结
第5章 多麦克风噪声抑制：统一处理
5．1 引言
5．2 信号模型和问题描述
5．3 有用的定义
5．4 维纳滤波
5．5 子空间方法
5．6 空一时预测方法
5．7 噪声完全相干的情况
5．8 自适应噪声消除
5．9 卡尔曼滤波
5．10 仿真
5．10．1 声学环境和实验设置
5．10．2 实验结果
5．11 总结
第6章 非因果(频域)最优滤波
6．1 引言
6．2 信号模型和问题描述
6．3 性能测度
6．4 非因果维纳滤波
6．5 参数化维纳滤波
6．6 推广到多通道的情况
6．6．1 信号模型
6．6．2 定义
6．6．3 多通道维纳滤波
6．6．4 空间最大SNR滤波
6．6．5 最小方差无失真响应滤波
6．6．6 无失真多通道维纳滤波
6．7 总结
第7章 多输入多输出视角下的麦克风阵列
7．1 引言
7．2 信号模型与问题描述
7．2．1 SISO模型
7．2．2 SIM0模型
7．2．3 MIS0模型
7．2．4 MIM0模型
7．2．5 问题描述
7．3 二元麦克风阵列
7．3．1 最小二乘法
7．3．2 Frost算法
7．3．3 广义旁瓣消除结构
7．4 N元麦克风阵列
7．4．1 最小二乘和MINT方法
7．4．2 Frost算法
7．4．3 广义旁瓣消除结构
7．4．4 最小方差无失真响应方法
7．5 仿真
7．5．1 声环境与实验设置
7．6 总结
第8章 逐级分离和去混响：两级方法
8．1 引言
8．2 信号模型与问题描述
8．3 源分离
8．3．1 2×3MIM0系统
8．3．2 MxNMIMO系统
8．4 语音去混响
8．4．1 直接反向法
8．4．2 最小均方误差和最小二乘法
8．4．3 MINT方法
8．5 总结
第9章 到达方向和到达时间差估计
9．1 引言
9．2 问题描述和信号模型
9．2．1 单源自由场模型
9．2．2 多源自由场模型
9．2．3 单源混响模型
9．2．4 多源混响模型
9．3 互相关方法
9．4 广义互相关方法族
9．4．1 经典互相关
9．4．2 平滑相干变换
9．4．3 相位变换
9．5 空间线性预测方法
9．6 多通道互相关系数算法
9．7 基于特征矢量的技术
9．7．1 窄带MUSIC
9．7．2 宽带MIJSIC
9．8 最小熵方法
9．8．1 高斯源信号
9．8．2 语音源信号
9．9 自适应特征值分解算法
9．10 基于自适应多通道盲辨识的方法
9．11 多源TDOA估计
9．12 总结
第10章 未涉及的问题
10．1 引言
10．2 语音源数目估计
10．3 鸡尾酒会效应和盲源分离
10．4 盲MIMO辨识
10．5 总结
参考文献
作者： （加）贝内斯特 等著；邹霞，周彬，贾冲 等译
出版时间：2016年版
内容简介
《麦克风阵列信号处理》与传统的阵列信号处理书籍不同。传统的阵列信号处理书籍是从窄带信号处理的角度来描述，如假定信号是窄带的、采用的信号处理算法是窄带的等。这些方法对于解决诸如天线阵列等问题来说是有效的，但对于解决明显具有宽带信号特征的声音及语音信号的问题时则会遇到很多不可克服的困难。而《麦克风阵列信号处理》真正从宽带信号处理角度来分析、解决问题。从声音信号的独特特性出发，完整的阐述了麦克风阵列信号处理的基本理论、基础方法和关键技术，使读者可以从根本上摒除传统窄带阵列信号处理的观念，真正意义上进入麦克风阵列的宽带处理时代。
目录
第1章 绪论
1．1 基于麦克风阵列的信号处理技术研究
1．2 本书的内容与结构
第2章 经典最优滤波器
2．1 引言
2．2 维纳滤波器
2．3 Frost滤波器
2．3．1 算法
2．3．2 广义旁瓣抵消结构
2．3．3 在线性内插中的应用
2．4 卡尔曼滤波
2．5 可替代MSE的准则
2．5．1 Pearson相关系数
2．5．2 SPCC的重要性质
2．5．3 由SPCC推导最优滤波器举例
2．6 总结
第3章 传统波束形成技术
3．1 引言
3．2 问题描述
3．3 延迟一求和技术
3．4 固定波束形成的设计
3．5 最大信噪比滤波器
3．6 最小方差无失真响应滤波器
3．7 基于参考信号的方法
3．8 响应不变宽带波束形成
3．9 陷零技术
3．10 麦克风阵列方向图函数
3．10．1 第一种信号模型
3．10．2 第二种信号模型
3．11 总结
第4章 LCMV滤波器在室内声学环境下的应用
4．1 引言
4．2 信号模型
4．2．1 无回声模型
4．2．2 混响模型
4．2．3 空一时模型
4．3 基于无回声模型的LCMV滤波器
4．4 基于混响模型的LCMV滤波器
4．5 基于空一时模型的LCMV滤波
4．5．1 实验结果
4．6 频域LCMV滤波
4．7 总结
第5章 多麦克风噪声抑制：统一处理
5．1 引言
5．2 信号模型和问题描述
5．3 有用的定义
5．4 维纳滤波
5．5 子空间方法
5．6 空一时预测方法
5．7 噪声完全相干的情况
5．8 自适应噪声消除
5．9 卡尔曼滤波
5．10 仿真
5．10．1 声学环境和实验设置
5．10．2 实验结果
5．11 总结
第6章 非因果(频域)最优滤波
6．1 引言
6．2 信号模型和问题描述
6．3 性能测度
6．4 非因果维纳滤波
6．5 参数化维纳滤波
6．6 推广到多通道的情况
6．6．1 信号模型
6．6．2 定义
6．6．3 多通道维纳滤波
6．6．4 空间最大SNR滤波
6．6．5 最小方差无失真响应滤波
6．6．6 无失真多通道维纳滤波
6．7 总结
第7章 多输入多输出视角下的麦克风阵列
7．1 引言
7．2 信号模型与问题描述
7．2．1 SISO模型
7．2．2 SIM0模型
7．2．3 MIS0模型
7．2．4 MIM0模型
7．2．5 问题描述
7．3 二元麦克风阵列
7．3．1 最小二乘法
7．3．2 Frost算法
7．3．3 广义旁瓣消除结构
7．4 N元麦克风阵列
7．4．1 最小二乘和MINT方法
7．4．2 Frost算法
7．4．3 广义旁瓣消除结构
7．4．4 最小方差无失真响应方法
7．5 仿真
7．5．1 声环境与实验设置
7．6 总结
第8章 逐级分离和去混响：两级方法
8．1 引言
8．2 信号模型与问题描述
8．3 源分离
8．3．1 2×3MIM0系统
8．3．2 MxNMIMO系统
8．4 语音去混响
8．4．1 直接反向法
8．4．2 最小均方误差和最小二乘法
8．4．3 MINT方法
8．5 总结
第9章 到达方向和到达时间差估计
9．1 引言
9．2 问题描述和信号模型
9．2．1 单源自由场模型
9．2．2 多源自由场模型
9．2．3 单源混响模型
9．2．4 多源混响模型
9．3 互相关方法
9．4 广义互相关方法族
9．4．1 经典互相关
9．4．2 平滑相干变换
9．4．3 相位变换
9．5 空间线性预测方法
9．6 多通道互相关系数算法
9．7 基于特征矢量的技术
9．7．1 窄带MUSIC
9．7．2 宽带MIJSIC
9．8 最小熵方法
9．8．1 高斯源信号
9．8．2 语音源信号
9．9 自适应特征值分解算法
9．10 基于自适应多通道盲辨识的方法
9．11 多源TDOA估计
9．12 总结
第10章 未涉及的问题
10．1 引言
10．2 语音源数目估计
10．3 鸡尾酒会效应和盲源分离
10．4 盲MIMO辨识
10．5 总结
参考文献
