南瓶鼻海豚哨声增强与分类技术研究.pdfVIP

南瓶鼻海豚哨声增强与分类技术研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

南瓶鼻海豚哨声增强与分类技术研究

摘要

鲸豚位于海洋生态系统中的食物链顶端,对维持海洋生态系统的稳定性起到了至

关重要的作用。然而,受过度捕捞、误捕、污染以及栖息地破坏等人类活动的影响,

世界范围内的鲸豚资源破坏严重,很多种类已经极度濒危,处于濒临灭绝的边缘。被

动声学监测(PAM)因其可靠性高、监测时间长、操作便捷以及成本低等特点,逐渐

成为了测量和研究鲸豚种群分布、栖息地行为以及相互作用的重要技术。鲸豚复杂而

高度发达的通信系统反映了其社会关系的复杂性,且不同类型的哨声与鲸豚的行为高

度相关。因此,开展基于PAM的鲸豚哨声信号处理技术的相关研究对于维持海洋生

态系统具有十分重要的意义。本文针对水下PAM的几个关键技术展开了研究:

(1)开展了在低信噪比宽带平稳噪声下的哨声信号增强的研究。为了更好提取哨

声信号的包络特性,在本文中提出了一种基于改进局部均值分解与自适应噪声估计和

对数谱幅度相结合的鲁棒无监督哨声增强方案。将哨声信号增强分为三个主要部分,

首先为了进一步缓解分解中的模态混叠问题的影响,实现更好的模态谱分离,提出了

一种带有自适应噪声的完备集成经验最优包络局部均值分解算法,将带噪哨声信号自

适应的分解为具有调幅和调频特性的乘积函数;其次将分解后的每个带噪乘积函数采

用自适应噪声估计与对数谱幅度方法进行子模态增强;然后采用赫斯特指数重构受噪

声干扰最小的子模态完成对于哨声信号的重构。最终,在采集到的真实南瓶鼻海豚哨

声数据集中,证明了所提出的基于宽带平稳噪声干扰下的哨声信号增强方案的优越性。

(2)开展了在低信噪比水下脉冲噪声干扰下的哨声信号增强研究。由于哨声信号

的时频谱图体现出的分组与聚类特性,本文提出了一种基于非凸时频正则化重叠群收

缩的哨声增强算法,通过结合带噪哨声信号预定义的时频结构先验与非凸惩罚项后迭

代地获得纯净的稀疏哨声信号。其次采用基于优化最小化(MM)原理的迭代最小化

算法快速地对该凸优化问题进行求解。与常规的凸正则化相比,非凸项能够进一步地

促进对于重构哨声信号的稀疏性。最终,将所提出的方案应用于在SαS分布建模的水

下脉冲噪声(枪虾噪声)干扰下的典型南瓶鼻海豚哨声信号中,分别验证了在不同信

噪比以及基于不同参数的水下脉冲噪声下的哨声增强结果。

(3)开展了在大量脉冲点击序列干扰和动态连续背景噪声下的鲸豚哨声事件检测

研究。为了在时频谱图中滤除所采集到的鲸豚哨声的所受到的干扰,本文提出了一种

无偏的Gammatone多通道Savizky-Golay哨声时频表示增强算法。其次,为了从增强

后的谱图中准确地找到哨声轮廓的前后端点,采用了一套最大移动滤波器组,用于在

哈尔滨工程大学博士论文

增强谱图中提取不同哨声时长和轮廓多样性的哨声信号多尺度和多方向特征,在特征

谱图的统计直方图中得到哨声事件在帧级二元自适应决策。最终,在采集到的真实南

瓶鼻海豚哨声数据集中证明了所提出的哨声信号事件检测方案的优越性。

(4)开展了在哨声信号类别样本不平衡的情况下,单种群鲸豚的类内信号分类研

究。首先,针对每个哨声类别下样本数量不平衡的问题,提出了一种带有五种音频畸

变算法的随机串联扩增算法。通过对每种算法设定相应的开启概率,同时在特定范围

内随机选择每种扩增因子从而提高训练后模型的泛化能力。其次,针对被动声监测和

数据扩增后得到的大量数据进行训练时的高时间复杂度的问题,采用了一种用于鲸豚

哨声分类的轻量化卷积神经网络模型。最终,在采集到的真实南瓶鼻海豚哨声数据集

中证明了所提出的样本类别不平衡的哨声信号分类方案的优越性。

关键词:被动声学监测;南瓶鼻海豚;哨声增强;水下脉冲噪声干扰消除;哨声事件

检测;哨声分类

南瓶鼻海豚哨声增强与分类技术研究

ABSTRACT

Whalesarelocatedatthetopofthefoodchaininmarineecosystemsandplayav

文档评论(0)

n1u1 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档