应用语音辨识技术於鸟鸣声辨识.PDF

應用語音辨識技術於鳥鳴聲辨識 廖偉恩 黎欣捷 蔡偉和 國立台北科技大學 國立台北科技大學 國立台北科技大學 電腦與通訊研究所 電腦與通訊研究所 電腦與通訊研究所 t8418044@.tw t9419004@.tw whtsai@.tw 摘要 野外賞鳥已成為大眾休閒的新趨勢，但 一般民眾常只能看見鳥或聽見鳥鳴聲，卻不 知其種類為何。為了協助大眾識別鳥類 ，本論文探討鳥鳴聲自動辨識問題，透過語音辨 識相關技術，設計鳥鳴聲辨識系統。我們分別從音色及音高兩個層面進行分析，利用梅 爾刻度倒頻譜係數表示鳥鳴聲的音色特徵，並搭配高斯混合模型進行特徵的參數模型化 與比對；而音高層面分析則詴圖求取鳥鳴聲所對應的音符，再利用雙連文模型捕捉音符 的動態變化資訊，並據以比對未知鳥鳴聲 。我們挑選出大台北地區常見的十種鳥類，並 從商業 CD及鳥類相關網站上 收集鳥鳴聲資料 ，使系統訓練和測詴音檔分別屬不同的來 源。實驗結果發現，採用音色、音高、與結合兩者的系統辨識正確率分別為 71.1% 、72.1% 、 與75.04% 。 關鍵詞 ：音色 、音高 、高斯混合模型 、雙連文模型 。 1.前言 目前全世界大約有九千七百多種鳥類，而台灣這樣一個小島就佔了約二十分之一的 種類，雖然我們周遭住有許多這些可愛的鄰居，但往往都只聽到它們的叫聲，卻不知它 們是誰。鳥類的鳴聲豐富且多變，我們期望藉由物種之間的鳴聲差異性，發展出一套鳥 鳴聲辨識系統，讓不是鳥類專家的一般民眾，也可以從自己隨意錄製的一段鳥鳴聲音檔 中，讓 系統判斷所屬鳥種 並獲得之相關訊息。 目前鳥鳴聲自動辨識的相關研究仍十分有限。文獻 [1]中使用動態時間校正 (Dynamic Time Warping ，DTW)演算法，將測詴聲音檔的頻譜圖（spectrogram ）與事先經過專家挑 選的樣板音檔作比對。文獻 [2]中分別比較 DTW 和隱藏式馬可夫模型 (Hidden Markov Model ，HMM)在辨識鳥類聲音上的效能，其中使用 6種特徵參數：線性預估編碼參數 (Linear Predict Coding ，LPC) 、線性預估倒頻譜係數、LPC reflection 、梅爾倒頻譜係數 (Mel-frequency Cepstral Coefficients ，MFCC) [3] 、log mel-filter bank channel和 linear mel-filter bank channel 。實驗結果顯示，使用DTW的辨識效能不錯，但是對於雜訊較大 的輸入聲音檔或是容易混淆的短促鳴叫聲，則需要挑選更適合的頻譜圖樣本，這道手續 通常需要經驗豐富的專家反覆地詴驗。對於使用 HMM ，辨識效果則取決於輸入參數的 鑑別度，但效能不一定比 DTW 好。而不論是DTW或 HMM ，所使用的辨識線索皆來 自於音色 (timbre)特徵。本論文所提出之辨識系統，除了考慮音色特徵參數外，更加上音 高 (pitch )特徵參數。實驗結果發現將這兩種特徵參數進行結合後可有效提升鳥鳴聲辨識 正確率。 207 本論文的章節組織如下：第二章描述辨識系統架構；第三章說明音色特徵參數擷取 及 統計模型；第四章描述音高特徵參數擷取及統計模型；第五章結合音色與音高 特徵來 設計 辨識系統；第六章將說明本研究所使用的鳥鳴聲資料庫並呈現實驗結果；第六章進 行本研究之總結 。 2. 辨識系統架構 本論文所提出的辨識系統如圖1 。我們可將其分成三個單元，分別是「音色 分析」、 「音高分析」、與「整合決策」。各單元皆包含兩種操作模式，一為訓練、另一為測詴， 簡介如下： (1) 音色分析 此單元目標是擷取各種鳥之鳴聲的音色特徵，並表示為統計模型，以便識別未知鳥 鳴聲。 (2) 音高分析 此單元目標是擷取各種鳥之鳴聲的音高特徵，並表示為統計模型，以便識別未知鳥