智能會(huì)議室環(huán)境下基于音頻特征的多說(shuō)話人識(shí)別與跟蹤.pdf

1、通過(guò)麥克風(fēng)陣列獲取語(yǔ)音信號(hào)，從中提取出能夠反應(yīng)說(shuō)話人位置的有效信息并不斷跟蹤說(shuō)話人的當(dāng)前位置是信號(hào)處理和目標(biāo)跟蹤領(lǐng)域中的一項(xiàng)重要研究?jī)?nèi)容，在智能會(huì)議系統(tǒng)、語(yǔ)音增強(qiáng)、機(jī)器人導(dǎo)航中具有廣泛的應(yīng)用。真實(shí)的智能環(huán)境中往往存在著多個(gè)說(shuō)話人，說(shuō)話人的數(shù)量和位置信息時(shí)刻都在變化，因此，研究數(shù)目可變的多說(shuō)話人識(shí)別與跟蹤問(wèn)題對(duì)于構(gòu)建可實(shí)施的智能會(huì)議系統(tǒng)、促進(jìn)人機(jī)交互等具有更加實(shí)際的應(yīng)用價(jià)值。本文的主要研究?jī)?nèi)容如下：
　　(1)針對(duì)粒子濾波算法中重采

2、樣部分難以并行的問(wèn)題，重采樣導(dǎo)致了粒子濾波算法并行執(zhí)行效率較低，因此在粒子濾波算法中引入并行策略，并在并行規(guī)約算法的基礎(chǔ)上，結(jié)合并行前綴和的方法，克服粒子濾波算法在重采樣時(shí)的粒子間依賴性，從而解決粒子濾波算法在并行實(shí)現(xiàn)過(guò)程中難以并行的問(wèn)題。
　　(2)針對(duì)并行粒子濾波算法在并行后的計(jì)算復(fù)雜性問(wèn)題，分析了并行規(guī)約算法在GPU中內(nèi)存訪問(wèn)模式，并行規(guī)約算法存在嚴(yán)重的內(nèi)存訪問(wèn)沖突，本文利用填充尋址的并行前綴和方式，通過(guò)在每個(gè)共享數(shù)組索引中

3、添加一個(gè)填充，實(shí)現(xiàn)改進(jìn)共享內(nèi)存數(shù)組的訪問(wèn)，解決并行規(guī)約在進(jìn)行內(nèi)存訪問(wèn)時(shí)存在嚴(yán)重的內(nèi)存訪問(wèn)沖突問(wèn)題，提高GPU硬件資源的利用率和算法實(shí)時(shí)性。
　　(3)針對(duì)音頻多目標(biāo)跟蹤中粒子濾波需要將量測(cè)值關(guān)聯(lián)至對(duì)應(yīng)目標(biāo)，且每個(gè)目標(biāo)需要一個(gè)粒子濾波器導(dǎo)致跟蹤算法的計(jì)算量和所需粒子數(shù)量增加的問(wèn)題，本文在并行粒子濾波算法的基礎(chǔ)上，結(jié)合基于GPU的K均值聚類算法，實(shí)現(xiàn)音頻多目標(biāo)的跟蹤，粒子濾波將多目標(biāo)的狀態(tài)作為整體進(jìn)行更新和預(yù)測(cè)，然后利用基于GPU的K