[发明专利]一种辅助鸟类繁殖期的物候研究的鸟类声音识别方法

说明书

一种辅助鸟类繁殖期的物候研究的鸟类声音识别方法，其特征在于，首先读取现场的录音片段，声音中包含着若干鸟类鸣声的片段，然后识别算法会识别录音中叫声片段所属的鸟类的种类，给出一个识别的可信度，并且记录下这段声音的实际录制日期，最后结合算法的识别结果计算出该地区全部录音中这种发出鸣声的鸟类的数量，也就是进入繁殖期的鸟类的数量，当某个时间以后这个数量超过一个预先设定的阈值以后，即可认为在该地区这种鸟类从这个时候开始进入繁殖期，反之，当数量减少超过一个阈值以后，即可认为该种鸟结束了繁殖期。

技术领域

本发明涉及鸟类声音识别技术领域，具体是一种辅助鸟类繁殖期的物候研究的鸟类声音识别方法。

背景技术

生物学上，鸟类的叫声分为叫声(bird call)，鸣声(bird song)。其中，鸣声(birdsong)指的是鸟类在繁殖期发出的叫声。同一种鸟类的鸣声模式非常固定。而不同鸟类的鸣声区别往往很大。因此可以使用鸟类的鸣声作为识别鸟类种类的一种手段。

所谓物候是研究动物与环境周期变化关系研究的学科。其中一个分支是研究鸟类的繁殖期与环境周期变化的关系。而鸟类的繁殖期可以通过识别鸟类的声音获得。因此，可以通过鸟类声音识别辅助鸟类繁殖期的物候的研究。

发明内容

本发明所要解决的技术问题在于提供一种辅助鸟类繁殖期的物候研究的鸟类声音识别方法。

为解决上述技术问题，采用如下技术方案：一种辅助鸟类繁殖期的物候研究的鸟类声音识别方法，其特征在于，首先读取现场的录音片段，声音中包含着若干鸟类鸣声的片段，然后识别算法会识别录音中叫声片段所属的鸟类的种类，给出一个识别的可信度，并且记录该段叫声在录音片段中的出现时间，最后结合录音的时间可以计算这种发出鸣声的鸟类的数量，也就是进入繁殖期的鸟类的数量，当某个时间以后这个数量超过一个预先设定的阈值以后，即可认为在该地区这种鸟类从这个时候开始进入繁殖期，反之，当数量减少超过一个阈值以后，即可认为该种鸟结束了繁殖期。

识别算法的具体步骤为：1)采用半监督的非负矩阵分解用来做源分离，2)将信号通过一个低通滤波器，然后进行频率补偿；3)对声音进行分割：使用短时能量找到空白到叫声的转换点，首先算出录音的短时能量：然后根据阈值找出声音片段；4)特征提取：首先将声音片段加上重叠的窗，每一窗成为一帧，针对每个窗内的值提取时域特征和频域特征，大部分频域特征是基于短时傅里叶变换(STFT)的，然后把时域特征和频域特征合成一个向量，作为这一帧的特征向量；5)降维和降噪：使用PCA作为降维的手段；6)采用隐式马尔科夫链为每一种鸟类鸣声建立数学模型，首先采用segmental kmeans进行模型初始化，然后使用前向-后向算法(forward-backward algorithm)对HMM进行训练，HMM模型建立好了以后，对于新的需要处理的录音，进行源分离，预处理，分割，特征提取，PCA，然后将得到的特征序列与每一个训练好的HMM进行比对。即采用维特比算法(Viterbi Algorithm)进行解码，得到可信度。选取可信度最大的那个模型作为识别结果。

附图说明

图1为本发明一技术线路示意图

具体实施方式

下面结合附图对本发明作进一步详细说明。

首先读取现场的录音片段，声音中包含着若干鸟类鸣声的片段，然后识别算法会识别录音中叫声片段所属的鸟类的种类，给出一个识别的可信度，并且记录该段叫声在录音片段中的出现时间，最后结合录音的时间可以计算这种发出鸣声的鸟类的数量，也就是进入繁殖期的鸟类的数量，当某个时间以后这个数量超过一个预先设定的阈值以后，即可认为在该地区这种鸟类从这个时候开始进入繁殖期，反之，当数量减少超过一个阈值以后，即可认为该种鸟结束了繁殖期。

识别算法具体的步骤为：

1)semi-supervised NMF