CN105205091B - 一种声景观信息的可视化方法 - Google Patents
一种声景观信息的可视化方法 Download PDFInfo
- Publication number
- CN105205091B CN105205091B CN201510305753.8A CN201510305753A CN105205091B CN 105205091 B CN105205091 B CN 105205091B CN 201510305753 A CN201510305753 A CN 201510305753A CN 105205091 B CN105205091 B CN 105205091B
- Authority
- CN
- China
- Prior art keywords
- index
- ndsci
- acoustic
- acoustic landscape
- landscape
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000012800 visualization Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000003595 spectral effect Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000005236 sound signal Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000013079 data visualisation Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 241000271566 Aves Species 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005183 environmental health Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- -1 oceanic tide Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
- G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
- G10L21/10—Transforming into visible information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种声景观信息的可视化方法。本发明包括如下步骤:步骤(1).采集声景观的音频文件,并测量该采样点的地理坐标;步骤(2).对采集的音频文件进行频谱分析,计算声景观指数NDSCI;步骤(3).对音频文件的采集时间、地理坐标和声景观指数进行综合绑定并可视化,然后生成kml文件,在Google Earth加载kml文件,实现结果的空间显示与信息查询。本发明能够实现声景观信息的分析与可视化,实现数据分析与可视化等一整套流程,具有实施过程可行强、NDSCI声景观指数能有效反映生态系统的复杂特征,以Google Earth客户端平台的展现,通用、直观、形象。
Description
技术领域
本发明属于环境信息分析可视化领域,具体涉及一种声景观信息的可视化方法。该可视化过程首先将采集的数据进行声景观指数计算,将声景观指数计算结果设计成可视化程序,生成kml文件,最终在Google Earth中实现声景观信息的空间可视化。
背景技术
声景观生态学是景观生态学的一个新兴的重要研究领域,可以为景观生态的综合特征提供重要的参考信息,同时也是生态健康的重要指示因子[1]。声景观研究的主要内容是:研究不同时空尺度下,自然声学、人类声学、生态环境声学的耦合与表现特征[2]。20世纪60年代晚期,加拿大的R.Murray Schafer创立了一个以教育和科研为目的的“世界声景计划”(World Soundscape Project,WSP)团队,首次提出声景生态学的概念,倡导人类与声环境的和谐,推广环境声音景观和噪音污染方面的知识[3]。声景观生态学的新理论和方法,已被广泛应用于各种领域,如城市规划、环境监测与管理、生物多样性、生态系统健康、近岸海洋、岛屿和沿海系统等[4-9]。
声景观的音频构成来自于生态系统、地球物理过程和人类活动的耦合。不同区域生态环境,如湿地、森林或城市公园、生物成分和其音频特征也是不同的。与此同时,声景观存在日变化和季节变化的特征。在过去的研究中,声音频率的范围可分为三个主要组成部分,生物频谱(Biophony),来自于自然界的发声生物如鸟类、昆虫、青蛙等;地球频谱(Geophony),来自于地球表面过程如河流流水、海洋潮汐、沙丘移动、风云雷电等;人类频谱(Anthrophony),来自于人类活动如车辆行驶、道路建设、人们行走等[1,2,10]。复杂的声波数据的处理和分析需要先进的计算技术、发展新的算法和友好的分析软件工具[11]。目前,声学景观计算的特征参数包括声音复杂指数(Acoustic Complexity Index,ACI)[12]、归一化声景观指数(Normalized Difference Soundscape Index,NDSI)、声音多样性指数(Acoustic Diversity Index,ADI)、声音均匀性指数(Acoustic Eveness Index,AEI)等[13]。声音分析的相关软件包括Seawave软件包和Song Scope Software等。
声景观信息的采集、分析、管理查询与时空制图是声景观研究的重要组成部分,对于声学景观信息的采集,目前美国的Wildlife声学公司的产品最为出色,硬件的采集产品包括Song Meter系列产品,软件部分包括Song scope software系列产品,该公司新的产品已经做到了手持式的采集和分析。在海量数据的采集分析和管理方面,美国密歇根州立大学的REAL实验室(Remote Environmental Assessment Laboratory)已经做到了数据的在线处理、查询与分析的功能。
数据的可视化展现,对于把握声学景观的动态特征意义十分重大,本发明为解决声景观信息可视化显示的现实问题,设计了声景观计算算法与模型及基于Google Earth平台的空间可视化方法。
引证文件
[1].Jiaguo Qi,StuartGage,WooyeongJoo,Napoletano,Brian Napoletano,S.Biswas.2008.Soundscape characteristics of an environment:a new ecologicalindicator of ecosystem health.Edited by Wei Ji,Chapter 17 in Wetland andWater Resource Modeling and Assessment,CRC Press,New York,USA,201-211.
[2].Bryan C.Pijanowski,Almo Farina,Stuart H.Gage,Sarah L.Dumyahn,Bernie L.Krause,2011.What is soundscape ecology?An introduction and overviewof an emerging new science.Landscape Ecology,26(9):1213-1232
[3].R.Murray Schafer,The New Soundscape,Toronto,1969.
[4].P.Jennings,R.Cain,2013.A framework for improving urbansoundscapes,Applied Acoustics,74:293-299.
[5].Manon Raimbault,Danie`le Dubois,2005.Urban soundscapes:Experiences and knowledge,Cities 22(5):339-350.
[6].Jiang Liu,Jian Kang,Tao Luoa,Holger Behm,Timothy Coppack,2013.Spatiotemporal variability of soundscapes in a multiple functional urbanarea,Landscape and Urban Planning,115:1-9.
[7].Alexandra Rodriguez,Amandine Gasc,Sandrine Pavoine,PhilippeGrandcolas,Philippe Gaucher,Sueur,2013.Temporal and spatial variabilityof animal sound within a neotropical forest,Ecological Informatics(Article inpress).
[8].Almo Farina,Nadia Pieretti,Luigi Piccioli,2011.The soundscapemethodology for long-term bird monitoring:A Mediterranean Europe case-study,Ecological Informatics,6:354-363.
[9].Almo Farina,Nadia Pieretti,2012.The soundscape ecology:A newfrontier of landscape research and its application to islands and coastalsystems,Journal of Marine and Island Cultures,1:21-26.
[10].Stuart H.Gage,Brian M.Napoletano,Michael C.Cooper,2001.Assessment of ecosystem biodiversity by acoustic diversityindices.Journal of the Acoustical Society of America,109,2430.
[11].Eric P.Kasten,Stuart H.Gage,Jordan Fox,Wooyeong Joo,2012.Theremote environmental assessment laboratory's acoustic library:An archive forstudying soundscape ecology,Ecological Informatics,12:50-67.
[12].N.Pieretti,A.Farina,D.Morri,2011.A new methodology to infer thesinging activity of an avian community:The Acoustic Complexity Index(ACI).Ecological Indicators,11:868-873.
[13].Luis J.Villanueva-Rivera,Bryan C.Pijanowski,Jarrod Doucette,Burak Pekin.2011.A primer of acoustic analysis for landscapeecologists.Landscape Ecology,26(9):1233-1246.
发明内容
本发明的目的是针对现有技术的不足以及生态环境监测和科学研究的需要,提出的一种声景观信息的可视化方法,本发明包括2个重要组成部分,包括声景观信息数据分析指标计算方法和基于Google Earth平台的空间可视化技术。该技术方法高效、快捷、可靠,适用于环境信息声学景观信息处理分析与可视化展示。
本发明解决其关键技术问题所采用的技术方案具体包括如下步骤:
步骤(1).采集声景观的音频文件,并测量该采样点的地理坐标;
步骤(2).对采集的音频文件进行频谱分析,计算声景观指数NDSCI(NormalizedDifference Soundscape Complexity Index);
步骤(3).对音频文件的采集时间、地理坐标和声景观指数进行综合绑定并可视化,然后生成kml文件,在Google Earth加载kml文件,实现结果的空间显示与信息查询。
所述步骤(1)中利用声景观采集仪器采集声景观的音频文件,并测量该采样点的地理坐标;
所述步骤(2)中对采集的音频文件进行频谱分析,计算相关声景观指数NDSCI的具体过程如下:
2-1:音频文件的快速傅立叶分析生成语谱图
通过短时傅里叶分析算法分析音频文件,得到文件的频谱特征和各频率段内随时间变化功率谱密度(PSD),并生成语谱图。
2-2:计算声景观参数
在步骤2-1的音频文件的快速傅立叶分析基础上计算音频信号的功率谱密度(PSD),开始进行NDSCI声景观指数的计算。NDSCI声景观指数是在ACI指数的基础上进行的改进,具体计算如下:
计算语谱图中第l个频段上k、k+1两时间段功率谱密度差异dl(k);
dl(k)=|Il(k)-Il(k+1)| (1)
其中Il(k)指代第k个时间段内的功率谱密度值,k指代第k个时间段;k取值范围是0~n,n为分析音频文件的时间段个数。
计算第l个频段上分析文件时间长度内功率谱密度差异之和Dl;
△tk指代第k个时间段的时长,j指代分析文件的总时长,n指代分析文件中的时间段的个数,通常每段分析文件的时间长度取一样。
计算第l个频段上的复杂度指数ACIl;
统计计算频段在1~2KHz频率范围上的复杂度指数,记为αACI;
△f(l)指代第l个频率段上下频率之差,fα指代1~2KHz的上下频率差,即为1KHz,q1指代1~2KHz内频率段的个数。
统计计算频段在2~8KHz上的复杂度指数,记为βACI;
fβ指代2~8KHz的上下频率差,即为6KHz,q2指代2~8KHz内频率段的个数。
计算声景观指数NDSCI;
步骤(3)所述的对音频文件的采集时间、地理坐标和声景观指数进行综合绑定并可视化,具体如下:
本发明选择的可视化平台为Google Earth客户端平台,Google Earth对于地理信息的加载显示采用了kml文件技术标准,它是基于xml语法和文件格式的文件,用来描述和保存地理和相关属性信息,使得采集的音频数据计算的声景观结果显示更加直观;
将声景观指数NDSCI通过经纬度坐标与Google Earth点位的图标进行关联;然后将声景观指数NDSCI与色标RGB颜色索引进行关联,且与色标RGB颜色索引进行关联的算法如下:
声景观指数NDSCI的值在(1,0.715)之间时,计算公式如下:
声景观指数NDSCI的值在[0.715,0.43)之间时,计算公式如下:
声景观指数NDSCI的值在[0.43,0.143)之间时,计算公式如下:
声景观指数NDSCI的值在[0.143,-0.143)之间时,计算公式如下:
声景观指数NDSCI的值在[-0.143,-0.43)之间时,计算公式如下:
声景观指数NDSCI的值在[-0.43,-0.715)之间时,计算公式如下:
声景观指数NDSCI的值在[-0.715,-1]之间时,计算公式如下:
将采集时间、地理坐标和声景观指数写入kml文件,按照kml技术标准和xml语法进行组织编写程序文件即可。要想空间直观显示已经分析的声景观数据,按照上述步骤将色标和属性绑定,生成kml文件即可在Google Earth客户端平台进行显示、查询。
本发明有益效果如下:
本发明能够实现声景观信息的分析与可视化,发明主要为了使采集的音频数据更能反映“人类-自然-生物”生态系统的复杂特征,提出了NDSCI声景观指数,由于声景观信息具有典型的时空特征,进一步设计了将NDSCI声景观指数、时间、空间属性进行综合关联,将NDSCI声景观指数通过RGB彩色表示大小特征,最后,借助xml语法要求对上述属性进行整合,生成了kml文件,实现了在Google Earth客户端平台的展现。
该发明可以实现数据分析与可视化等一整套流程,具有实施过程可行强、NDSCI声景观指数能有效反映生态系统的复杂特征,模型算法过程便于程序集成、且在计算结果的可视化方面选择了NDSCI声景观指数与RGB彩色色标关联方法、以Google Earth客户端平台的展现,通用、直观、形象,该发明在环境、生态监测,地理信息行业具有较高的推广价值和应用前景。
附图说明
图1为本发明中声景观参数计算原理图。
图2为本发明中空间显示与查询logo图标和色标选择。
图3本发明的声景观信息可视化与属性查询结果。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1~图3所示,一种声景观信息的可视化方法,具体包括如下步骤:
步骤(1).采集声景观的音频文件,并测量该采样点的地理坐标;
步骤(2).对采集的音频文件进行频谱分析,计算声景观指数NDSCI(NormalizedDifference Soundscape Complexity Index);
步骤(3).对音频文件的采集时间、地理坐标和声景观指数进行综合绑定并可视化,然后生成kml文件,在Google Earth加载kml文件,实现结果的空间显示与信息查询。
所述步骤(1)中利用声景观采集仪器采集声景观的音频文件,并测量该采样点的地理坐标;
所述步骤(2)中对采集的音频文件进行频谱分析,计算相关声景观指数NDSCI的具体过程如下:
2-1:音频文件的快速傅立叶分析生成语谱图
通过短时傅里叶分析算法分析音频文件,得到文件的频谱特征和各频率段内随时间变化功率谱密度(PSD),并生成语谱图。
2-2:计算声景观参数
在步骤2-1的音频文件的快速傅立叶分析基础上计算音频信号的功率谱密度(PSD),并绘制语谱图(图1),开始进行NDSCI声景观指数的计算。
NDSCI指数是在ACI指数的基础上进行的改进,具体计算方法如下:
计算语谱图中第l个频段上k、k+1两时间段功率谱密度差异dl(k),(图1);
dl(k)=|Il(k)-Il(k+1)| (1)
其中Il(k)指代第k个时间段内的功率谱密度值,k指代第k个时间段;k取值范围是0~n,n为分析音频文件的时间段个数。
计算第l个频段上分析文件时间长度内功率谱密度差异之和Dl;
△tk指代第k个时间段的时长,j指代分析文件的总时长,n指代分析文件中的时间段的个数,通常每段分析文件的时间长度取一样。
计算第l个频段上的复杂度指数ACIl;
统计计算频段在1~2KHz频率范围上的复杂度指数,记为αACI;
△f(l)指代第l个频率段上下频率之差,fα指代1~2KHz的上下频率差,即为1KHz,q1指代1~2KHz内频率段的个数。
统计计算频段在2~8KHz上的复杂度指数,记为βACI;
fβ指代2~8KHz的上下频率差,即为6KHz,q2指代2~8KHz内频率段的个数。
计算声景观指数NDSCI;
步骤(3)所述的音频文件采集时间、空间和声景观指数综合绑定可视化方法,具体方法如下:
本发明选择的可视化平台为Google Earth客户端平台,Google Earth对于地理信息的加载显示采用了kml文件技术标准,它是一个基于xml语法和文件格式的文件,用来描述和保存地理和相关属性信息,为了使得采集的音频数据计算的声景观结果显示更加直观,本发明设计了将NDSCI的计算结果与点位的logo图标进行了关联,logo图标和色标选择如图2所示。
将声景观指数NDSCI通过经纬度坐标与Google Earth点位的图标进行关联;然后将声景观指数NDSCI与色标RGB颜色索引进行关联,且与色标RGB颜色索引进行关联的算法如下:
声景观指数NDSCI的值在(1,0.715)之间时,计算公式如下:
声景观指数NDSCI的值在[0.715,0.43)之间时,计算公式如下:
声景观指数NDSCI的值在[0.43,0.143)之间时,计算公式如下:
声景观指数NDSCI的值在[0.143,-0.143)之间时,计算公式如下:
声景观指数NDSCI的值在[-0.143,-0.43)之间时,计算公式如下:
声景观指数NDSCI的值在[-0.43,-0.715)之间时,计算公式如下:
声景观指数NDSCI的值在[-0.715,-1]之间时,计算公式如下:
将采集时间、地理坐标和声景观指数写入kml文件,按照kml技术标准和xml语法进行组织编写程序文件即可。要想空间直观显示已经分析的声景观数据,按照上述步骤将色标和属性绑定,生成kml文件即可在Google Earth客户端平台进行显示、查询。
按照前文的设计生成的kml文件,在Google Earth客户端平台显示的结果如图3所示。
Claims (1)
1.一种声景观信息的可视化方法,其特征在于包括如下步骤:
步骤(1).采集声景观的音频文件,并测量采样点的地理坐标;
步骤(2).对采集的音频文件进行频谱分析,计算声景观指数NDSCI;
步骤(3).对音频文件的采集时间、地理坐标和声景观指数进行综合绑定并可视化,然后生成kml文件,在Google Earth加载kml文件,实现结果的空间显示与信息查询;
所述步骤(1)中利用声景观采集仪器采集声景观的音频文件,并测量该采样点的地理坐标;
步骤(2)中对采集的音频文件进行频谱分析,计算相关声景观指数NDSCI的具体过程如下:
2-1:音频文件的快速傅立叶分析生成语谱图
通过短时傅里叶分析算法分析音频文件,得到文件的频谱特征和各频率段内随时间变化功率谱密度,并生成语谱图;
2-2:计算声景观参数
在步骤2-1的音频文件的快速傅立叶分析基础上计算音频信号的功率谱密度,开始进行NDSCI声景观指数的计算;
NDSCI声景观指数是在ACI指数的基础上进行的改进,具体计算如下:
计算语谱图中第l个频段上k、k+1两时间段功率谱密度差异dl(k);
dl(k)=|Il(k)-Il(k+1)| (1)
其中Il(k)指代第k个时间段内的功率谱密度值,k指代第k个时间段;k取值范围是0~n,n为分析音频文件的时间段个数;
计算第l个频段上分析文件时间长度内功率谱密度差异之和Dl;
Δtk指代第k个时间段的时长,j指代分析文件的总时长,n指代分析文件中的时间段的个数,每段分析文件的时间长度取一样;
计算第l个频段上的复杂度指数ACIl;
统计计算频段在1~2KHz频率范围上的复杂度指数,记为αACI;
Δf(l)指代第l个频率段上下频率之差,fα指代1~2KHz的上下频率差,即为1KHz,q1指代1~2KHz内频率段的个数;
统计计算频段在2~8KHz上的复杂度指数,记为βACI;
fβ指代2~8KHz的上下频率差,即为6KHz,q2指代2~8KHz内频率段的个数;
计算声景观指数NDSCI;
步骤(3)所述的对音频文件的采集时间、地理坐标和声景观指数进行综合绑定并可视化,具体如下:
选择Google Earth客户端平台的作为可视化平台,Google Earth对于地理信息的加载显示采用了kml文件技术标准,将声景观指数NDSCI通过经纬度坐标与Google Earth点位的图标进行关联;然后将声景观指数NDSCI与色标RGB颜色索引进行关联,且与色标RGB颜色索引进行关联的算法如下:
声景观指数NDSCI的值在(0.715,1)之间时,计算公式如下:
声景观指数NDSCI的值在(0.43,0.715]之间时,计算公式如下:
声景观指数NDSCI的值在(0.143,0.43]之间时,计算公式如下:
声景观指数NDSCI的值在(-0.143,0.143]之间时,计算公式如下:
声景观指数NDSCI的值在(-0.43,-0.143]之间时,计算公式如下:
声景观指数NDSCI的值在(-0.715,-0.43]之间时,计算公式如下:
声景观指数NDSCI的值在[-1,-0.715]之间时,计算公式如下:
将采集时间、地理坐标和声景观指数写入kml文件,按照kml技术标准和xml语法进行组织编写程序文件即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510305753.8A CN105205091B (zh) | 2015-06-04 | 2015-06-04 | 一种声景观信息的可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510305753.8A CN105205091B (zh) | 2015-06-04 | 2015-06-04 | 一种声景观信息的可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105205091A CN105205091A (zh) | 2015-12-30 |
CN105205091B true CN105205091B (zh) | 2019-01-22 |
Family
ID=54952776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510305753.8A Active CN105205091B (zh) | 2015-06-04 | 2015-06-04 | 一种声景观信息的可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205091B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545904B (zh) * | 2016-06-23 | 2021-06-18 | 杭州海康威视数字技术股份有限公司 | 一种音频检测方法及装置 |
CN107610715B (zh) * | 2017-10-10 | 2021-03-02 | 昆明理工大学 | 一种基于多种声音特征的相似度计算方法 |
CN110191352A (zh) * | 2019-05-29 | 2019-08-30 | 哈尔滨工业大学 | 一种面向视频内容智能处理的综合展示系统 |
WO2022040237A1 (en) | 2020-08-17 | 2022-02-24 | LiquidView Corp | Virtual window apparatus and system |
CN112687280B (zh) * | 2020-12-25 | 2023-09-12 | 浙江弄潮儿智慧科技有限公司 | 一种具有频谱-时间空间界面的生物多样性监测系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101446977A (zh) * | 2008-12-31 | 2009-06-03 | 南京信息工程大学 | 一种生态信息表达方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757573B1 (en) * | 1999-11-02 | 2004-06-29 | Microsoft Corporation | Method and system for authoring a soundscape for a media application |
-
2015
- 2015-06-04 CN CN201510305753.8A patent/CN105205091B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101446977A (zh) * | 2008-12-31 | 2009-06-03 | 南京信息工程大学 | 一种生态信息表达方法 |
Non-Patent Citations (3)
Title |
---|
Noise mapping using measured noise and GPS data;Dae Seung Cho 等;《Applied Acoustics》;20070930;第68卷(第9期);1054-1061 |
城市公园声景观声景元素量化主观评价研究;王丹丹;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20090415(第4期);C038-531 |
城市开放空间GIS声景观图及其在声景观解析中的应用;葛坚 等;《城市化进程中的建筑与城市物理环境—第十届全国建筑物理学术会议论文集》;20081108;118-121 |
Also Published As
Publication number | Publication date |
---|---|
CN105205091A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105205091B (zh) | 一种声景观信息的可视化方法 | |
Starkey et al. | Demonstrating the value of community-based (‘citizen science’) observations for catchment modelling and characterisation | |
Gage et al. | Visualization of temporal change in soundscape power of a Michigan lake habitat over a 4-year period | |
Pijanowski et al. | What is soundscape ecology? An introduction and overview of an emerging new science | |
Pekin et al. | Modeling acoustic diversity using soundscape recordings and LIDAR-derived metrics of vertical forest structure in a neotropical rainforest | |
Qi et al. | An unstructured-grid finite-volume surface wave model (FVCOM-SWAVE): Implementation, validations and applications | |
Soomere et al. | Spatial patterns of the wave climate in the Baltic Proper and the Gulf of Finland | |
CN109902885A (zh) | 基于深度学习混合cnn-lstm模型的台风预测方法 | |
Brandt et al. | Annual and semiannual cycle of equatorial Atlantic circulation associated with basin-mode resonance | |
Clark et al. | A year in the acoustic world of bowhead whales in the Bering, Chukchi and Beaufort seas | |
SP Ojha et al. | Downscaling of precipitation for lake catchment in arid region in India using linear multiple regression and neural networks | |
Frolov et al. | Improved statistical prediction of surface currents based on historic HF-radar observations | |
Qi et al. | Soundscape characteristics of an environment: A new ecological indicator of ecosystem health | |
Güner et al. | Estimation of wave parameters based on nearshore wind–wave correlations | |
Petitgas et al. | Ecosystem spatial structure revealed by integrated survey data | |
Foroumandi et al. | Climate change or regional human impacts? Remote sensing tools, artificial neural networks, and wavelet approaches aim to solve the problem | |
Hao et al. | Assessing the effect of human activities on biophony in urban forests using an automated acoustic scene classification model | |
Xiang et al. | Soundscape diversity: Evaluation indices of the sound environment in urban green spaces–Effectiveness, role, and interpretation | |
Liu et al. | A new soundscape analysis tool: Soundscape Analysis and Mapping System (SAMS) | |
Gage et al. | Using GIS to develop a network of acoustic environmental sensors | |
Schoeman et al. | Underwater chatter for the win: a first assessment of underwater soundscapes in two bays along the Eastern Cape Coast of South Africa | |
Schiller et al. | Design requirements for an Argo float array in the Indian Ocean inferred from observing system simulation experiments | |
CN106709162B (zh) | 一种基于下垫面阻力的长时序洪水监测系统和方法 | |
CN108334702A (zh) | 一种无资料流域水文预报华南模型构建方法 | |
de Kleermaeker et al. | A new coastal flood forecasting system for the Netherlands |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |