[發(fā)明專利]一種基于Mel子帶參數(shù)化特征的鳥鳴自動(dòng)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710224881.9
• 申請(qǐng)日: 2017-04-07
• 公開（公告）號(hào): CN108694953A
• 公開（公告）日: 2018-10-23
• 發(fā)明（設(shè)計(jì)）人: 張賽花;趙兆;許志勇
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G10L17/26
• 分類號(hào): G10L17/26;G10L25/21
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 王瑋

1.一種基于Mel子帶參數(shù)化特征的鳥鳴自動(dòng)識(shí)別方法，其特征在于步驟如下：

步驟1、對(duì)野外實(shí)測(cè)的鳥聲連續(xù)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理；

步驟2、對(duì)預(yù)處理后的連續(xù)監(jiān)測(cè)數(shù)據(jù)進(jìn)行自動(dòng)分段，提取鳥鳴聲片段；

步驟3、對(duì)步驟2得到的鳥鳴片段提取參數(shù)化特征；

步驟4、根據(jù)步驟3提取出的特征進(jìn)行鳥類物種的分類識(shí)別。

2.根據(jù)權(quán)利要求1所述的基于Mel子帶參數(shù)化特征的鳥鳴自動(dòng)識(shí)別方法，其特征在于：步驟1對(duì)野外實(shí)測(cè)的鳥聲連續(xù)監(jiān)測(cè)數(shù)據(jù)進(jìn)行預(yù)處理具體包括以下步驟：

步驟1-1、將野外實(shí)測(cè)的連續(xù)鳥聲監(jiān)測(cè)數(shù)據(jù)統(tǒng)一轉(zhuǎn)換為相同的采樣率；

步驟1-2、對(duì)連續(xù)鳥聲監(jiān)測(cè)數(shù)據(jù)進(jìn)行分幀、加窗及短時(shí)傅里葉變換，得到功率譜圖，功率譜圖表示為如下形式：

SP＝[sp(1),sp(2),…,sp(L)]；

式中，L表示幀數(shù)，第l幀(1≤l≤L)頻域向量為：

sp(l)＝[|S(0,l)|²,|S(1,l)|²,…,|S(N/2-1,l)|²]^T；

其中，上標(biāo)T表示轉(zhuǎn)置，S(k,l),0≤k≤N/2-1表示在時(shí)頻點(diǎn)(k,l)處的短時(shí)傅里葉變換結(jié)果，N為每幀信號(hào)進(jìn)行快速傅里葉變換(Fast Fourier Transform,FFT)的點(diǎn)數(shù)，k為頻率序號(hào)。

3.根據(jù)權(quán)利要求1所述的基于Mel子帶參數(shù)化特征的鳥鳴自動(dòng)識(shí)別方法，其特征在于：步驟2對(duì)連續(xù)鳥聲監(jiān)測(cè)數(shù)據(jù)進(jìn)行自動(dòng)分段具體包括以下步驟：

步驟2-1、設(shè)置頻率下限和上限分別為f_L和f_H；

步驟2-2、利用公式確定每一幀的短時(shí)能量；

式中，l為幀序號(hào)，k為頻率序號(hào)，S(k,l)表示在時(shí)頻點(diǎn)(k,l)處的短時(shí)傅里葉變換結(jié)果，N_L和N_H分別表示f_L和f_H對(duì)應(yīng)的頻率點(diǎn)序號(hào)，e(l)為第l幀的短時(shí)能量；

步驟2-3、利用公式le(l)＝log₁₀(e(l))確定每一幀的對(duì)數(shù)能量；

步驟2-4、幀對(duì)數(shù)能量分布用含有兩個(gè)高斯分量的高斯混合模型(Gaussian MixtureModel,GMM)生成，則兩個(gè)高斯分量分別近似為鳴聲事件幀集合以及環(huán)境噪聲幀集合的概率密度函數(shù)，概率密度函數(shù)表示為：

式中，對(duì)應(yīng)于第m個(gè)高斯分量，μ_m為均值，為方差。w_m表示高斯分量權(quán)重系數(shù)，0≤w_m≤1，且滿足

步驟2-5、對(duì)于第l幀，如果該幀屬于環(huán)境噪聲幀集合的后驗(yàn)概率大于屬于鳴聲事件幀集合的后驗(yàn)概率，判決該幀歸屬環(huán)境噪聲，環(huán)境噪聲幀不予處理；如果該幀屬于鳴聲事件幀集合的后驗(yàn)概率大于屬于環(huán)境噪聲幀集合的后驗(yàn)概率，則判決該幀歸屬某個(gè)鳴聲片段，與該幀時(shí)間上連續(xù)且同樣滿足上述條件的其他幀也歸屬為該片段；

鳴聲片段集合記為D＝{AE₁,AE₂,…,AE_K}，其中K為片段個(gè)數(shù)；

步驟2-6、計(jì)算步驟2-5得到的各個(gè)鳴聲片段的對(duì)數(shù)能量，所用公式為：

最大值記為對(duì)于第k個(gè)片段，如果ME-EAE_k≥20dB，則從鳴聲片段集合中剔除這個(gè)生態(tài)研究?jī)r(jià)值較小的過(guò)弱片段。