[发明专利]一种基于声音的生物种群识别方法及系统

权利要求书

1.一种基于声音的生物种群识别方法，其特征在于，所述方法包括：

判断获取的声音序列中是否包含待识别的所选物种的声音；

在所述声音序列中含有所述待识别的所选物种的声音时，从所述声音序列中提取含有待识别的所选物种的声音序列；

将在所述含有待识别的所选物种的声音序列中提取出的所有特征组成目标特征向量；

将所述目标特征向量进行降维并组合形成新的所述目标特征向量，在降维后得到重新组合的目标特征向量：MFCC、信号带宽、信号平坦度、信号扩展度、短时自相关分析、Teager能量和频谱重心；

将目标特征向量的值作极值处理，获取满足极值要求的目标特征向量；

将所述目标特征向量作为分类数据，并采用K-近邻法对利用所述分类数据创建的分类模型进行训练。

2.根据权利要求1所述的方法，其特征在于，在所述判断获取的声音序列中是否包含待识别的所选物种的声音之前，所述方法还包括：

采集随机选取的物种的声音，从所述声音中读取声音序列，并将所述声音序列划分为多个帧声音序列；

分帧后的声音还需要加汉明窗，构造一个函数，这个函数在某一区间内有非零值，而在其余区间内皆为0。

3.根据权利要求1所述的方法，其特征在于，所述对所述目标特征向量的值作极值处理包括：

确定所述极值的极大值和极小值；

获取所有所述目标特征向量的值；

将获取的所有所述目标特征向量的值的平均值作为基准值；

判断所述目标特征向量的值与所述基准值的差值是否包含在所述极大值与所述极小值之间；

当所述目标特征向量的值与所述基准值的差值在所述极大值与所述极小值之间时，将所述目标特征向量作为分类数据，并对利用所述分类数据创建的分类模型进行训练；

当所述目标特征向量的值与所述基准值的差值不包含在所述极大值与所述极小值之间时，将所述不包含在所述极大值与所述极小值之间的所述目标特征向量删除。

4.根据权利要求1所述的方法，其特征在于，所述对利用所述分类数据创建的分类模型进行训练好后，所述方法还包括：

采集新的声音序列对所述模型进行测试。

5.一种基于声音的生物种群识别系统，其特征在于，所述系统包括：

判断单元，用于判断获取的声音序列中是否包含待识别的所选物种的声音；

提取单元，用于在所述声音序列中含有所述待识别的所选物种的声音时，从所述声音序列中提取含有所述待识别的所选物种的声音序列；

第一组合单元，用于将在所述含有待识别的所选物种的声音序列中提取出的所有特征组成目标特征向量；

第二组合单元，用于将所述目标特征向量进行降维并组合形成新的所述目标特征向量；

处理单元，用于将所述目标特征向量的值作极值处理，获取满足极值要求的所述目标特征向量；

训练单元，用于将所述目标特征向量作为分类数据，并采用K-近邻法对利用所述分类数据创建的分类模型进行训练。

6.根据权利要求5所述的系统，其特征在于，所述系统还包括：

预处理单元，用于采集随机选取的物种的声音，从所述声音中读取声音序列，并将所述声音序列划分为多个帧声音序列；分帧后的声音还需要加汉明窗，构造一个函数，这个函数在某一区间内有非零值，而在其余区间内皆为0；

测试单元，用于采集新的所述声音序列对所述模型进行测试。

7.根据权利要求5所述的系统，其特征在于，所述处理单元包括：

确定单元，用于确定所述极值的极大值和极小值；

获取单元，用于获取所有所述目标特征向量的值；

预设单元，用于将获取的所有所述目标特征向量的值的平均值预设为基准值；

第一判断单元，用于判断所述目标特征向量的值与所述基准值的差值是否包含在所述极大值与所述极小值之间；

建模单元，用于当所述目标特征向量的值与所述基准值的差值在所述极大值与所述极小值之间时，将所述目标特征向量作为分类数据，并对利用所述分类数据创建的分类模型进行训练；

删除单元，用于当所述目标特征向量的值与所述基准值的差值不包含在所述极大值与所述极小值之间时，将所述不包含在所述极大值与所述极小值之间的所述目标特征向量删除。