CN113567969B - 一种基于水下声信号的非法采砂船自动监控方法及系统 - Google Patents
一种基于水下声信号的非法采砂船自动监控方法及系统 Download PDFInfo
- Publication number
- CN113567969B CN113567969B CN202111113687.6A CN202111113687A CN113567969B CN 113567969 B CN113567969 B CN 113567969B CN 202111113687 A CN202111113687 A CN 202111113687A CN 113567969 B CN113567969 B CN 113567969B
- Authority
- CN
- China
- Prior art keywords
- underwater acoustic
- signals
- hydrophone
- signal
- underwater
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于水下声信号的非法采砂船自动监控方法及系统,方法采用水听器采集水声数据,通过水听器自带信号线传输至边缘计算模块,边缘计算模块中的水声信号处理模块对水听器采集的信号进行放大、滤波预处理操作,去除水下背景噪声,放大水下目标声纹信号,并将处理后的信号发送给目标特征判断模块,目标特征判断模块通过信号变换算法提取信号的声学特征,与预先建立的采砂船声纹特征库内的特征进行匹配,当匹配程度达到设定阈值后,发送提醒信号。
Description
技术领域
本发明涉及船舶自动监控技术领域,具体涉及一种基于水下声信号的非法采砂船自动监控方法及系统。
背景技术
基于声学特征的目标识别,是最近二十年来国内外人工智能领域研究的重要方向之一。目前,在这一领域中的人声语音识别技术、动物声音识别技术已经日臻成熟并得到广泛应用。 在船只声纹特征判定方面,已经形成了成熟的依据船舶发动机、船型,在船舶设计、建筑过程中,利用测试水池的方法进行声纹采样,并建立声纹库,随后进行船只特征判定应用的方法。另一方面,对于水面、水下目标的声学特征提取和识别,也已经在沉船打捞、潜航器跟踪等方面得到了广泛应用。但由于水下环境复杂,这些技术多用于海洋、水库等泥沙含量较小且目标在水下部分体积较大的侦测领域,在内河这种水流湍急、泥沙含量较高的环境下,应用并不广泛。目前,对采砂船侦测识别最常见的方法是针对采砂船的行为特征进行监测,常用方法为结合岸基雷达、视频监测、甚高频通讯或AIS数据,形成VTS监测站,通过目标行为特征、船舶注册信息综合判断目标是否为采砂船。
现有的水下侦听技术以及VTS监控技术,主要有以下问题:一是现有水下侦听技术无法对采砂船、内河环境背景声进行区分、过滤,无法有效建立背景纯净的采砂船声学特征采集环境,在实际应用中难以实用化。二是基于船舶发动机特征的声纹库建立,需要考虑不同功率、不同安装位置的采砂船发动机特性,而非法采砂船大多是违法改装而来,且依托船型各不相同,无法建立起覆盖所有船型的声纹库。三是VTS监控技术主要结合雷达回波和AIS非注册信息判定疑似采砂船信息,但在夜间,船舶有抛锚休息、缓行等行为,会同采砂行为混淆。同时,AIS设备在内河的开机率一般不到2成,因此AIS可参与判定的船舶数量不足以支撑应用。
发明内容
本发明的目的在于针对现有技术的不足,根据水听器监听内河水下声学特征,提供一种基于水下声信号的非法采砂船自动监控方法及系统。
本发明公开的一种基于水下声信号的非法采砂船自动监控方法,采用水听器采集水声数据,通过水听器自带信号线传输至边缘计算模块,边缘计算模块中的水声信号处理模块对水听器采集的信号进行放大、滤波预处理操作,去除水下背景噪声,放大水下目标声纹信号,并将处理后的信号发送给目标特征判断模块,目标特征模块通过信号变换算法提取信号的声学特征,与预先建立的采砂船声纹特征库内的特征进行匹配,当匹配程度达到设定阈值后,发送提醒信号。
进一步地,所述水声信号处理模块设定采样接收参数,接收水听器采集的信号,并根据设定参数,对采样数据利用FFT算法进行时-频域变换,变换完成后,剔除高频信号,保留低频信号,FFT变化公式如下:
其中,X为离散的声音信号,W为声波的周期相位,k为周期序列,N为采样周期数。
进一步地,所述水声信号处理模块提取保留的低频信号,利用LMS自适应降噪算法对低频信号的背景噪声进行剔除,LMS滤波算法过程如下:
步骤一:给定w(0),且1<μ<1/λmax;
步骤二:计算输出值:y(k)=w(k)Tx(k);
步骤三:计算估计误差:e(k)=d(k)−y(k);
步骤四:权重更新:w(k+1)=w(k)+μe(k)x(k);
其中w为输入声音信号,y为输出信号,Tx为滤波参数,d为期望信号值,μ为梯度的特征根值,λmax为最大梯度矩阵的特征根值;
进一步地,所述目标特征判断模块对滤波后信号进行连续频谱变换算法,减少由于音量高低、声波相位移动造成的差异性,将频域谱进行能量倒谱,倒谱公式如下:
其中,M(f)为倒谱后的信号值,a、b、c为转换系数;
对倒谱后的信号进行归一,将不同时段的声波归一到统一的计算框架内,对齐基音、0时位置,归一方法采用最小二乘法递归计算各个频段、时序的偏移量,最小二乘法计算公式如下:
其中,x为归一化后的声音信号值,f1为倒谱后信号值,N为信号采样数,t为转换参数;
提取全频段声纹连续谱、分频段的能量密度统计谱,并据此计算不同能量特征参数,形成判定参数数据包。
进一步地,建立采砂船声纹特征库,通过水听器采集试验场和试验采砂船数据,水声信号处理模块对水听器采集的信号进行放大、滤波预处理操作,目标特征判断模块通过信号变换算法提取信号的声学特征参数,利用多层卷积,递归分析特征参数,剔除无效参数,保留有效参数,形成初步模型库,包括以下步骤:
步骤一:将采砂船声音样本分为多个频段,形成不同频段的样本集;
步骤二:按采样时间将采砂船声音样本分为多个片段,形成不同片段的样本集;
步骤三:将不同频段、片段样本集按频谱、时序输入卷积网络,抽取特征;
步骤四:对不同时序、同一频段的样本进行连接,形成多层连接网络;
步骤五:对模型库进行标识、整理,再进入卷积计算,提高模型准确度,形成最终的判断模型。
本发明还公开了一种基于水下声信号的非法采砂船自动监控系统,采用上述基于水下声信号的非法采砂船自动监控方法,该系统包括水听器、水声信号处理模块和目标特征判断模块,其中,水听器置于水下,水声信号处理模块和目标特征判断模块为软件模块,安装在边缘计算模块中,边缘计算模块置于岸边固定的监测塔杆中;
其连接方式为:水听器通过信号缆与边缘计算模块中的水声信号处理模块连接,水听器通过电源缆与岸基监测塔杆连接;
以该连接方式构成的系统,对采砂船的监控方式为:水听器接收水下声学信号并通过信号缆传输给边缘计算模块中的水声信号处理模块,由水声信号处理模块处理后,交由目标特征判断模块进行目标特征识别判断。
本发明与现有技术相比的有益效果:
(1)本发明是基于有限试验数据,在内河嘈杂、浑浊水下环境中,抓取采砂船工作时的声纹特征,并将其与背景环境分离的技术方案。其中,声纹特征利用水听器进行采集,并进行初步的电信号噪声处理,由水声信号处理模块对声纹数据进行降噪、频谱转换、特征提取工作;
(2)本发明利用水声信号处理模块处理后的数据,结合采砂船特征数据库将不同工况、环境下的内河采砂行为特征进行持续监测并判断采砂行为符合度的数值化标定,其中,采砂船特征数据库可基于利用水听器在不同环境下进去采集,并通过水声信号处理模块进行处理后,由人工结合机器学习算法进行标定,抽取采砂船声纹特征。采砂船数值判定基于采砂船特征数据库和采砂船处理算法处理后的声纹数据,根据本发明制定的标准化数值分类系统对信号活动强度进行分级,形成不同级别的采砂活动强度分类。
附图说明
图1为本发明公开的系统组成图;
图2为本发明公开的方法流程图;
图3为本发明公开的水听器特征提取与转换的算法框架。
具体实施方式
如图1所示,本发明公开了一种基于水下声信号的非法采砂船自动监控系统,该系统包括水听器1、水声信号处理模块2和目标特征判断模块3,其中,水听器1置于水下,水声信号处理模块2和目标特征判断模块3为软件模块,安装在边缘计算模块4中,边缘计算模块4置于岸边固定的监测塔杆中。
其连接方式为:水听器1通过信号缆与边缘计算模块4连接,水听器1通过电源缆与岸基监测塔杆连接。
以该连接方式构成的系统,对采砂船的监控方式为:水听器1接收水下声学信号并通过信号缆传输给边缘计算模块4中的水声信号处理模块2,由水声信号处理模块2处理后,交由目标特征判断模块3进行目标特征识别判断。
在本实施例中,边缘计算模块4布设于岸边固定点位,水听器1通过采用电缆、信号缆与边缘计算模块4连接,并布设于离岸数米的江(河)水底,在确认通电、信号可正常传输后,即可开始正常的监控活动;其中,采用敏感度高于-220hz 的水听器1采集水声数据。
如图2和图3所示,本发明公开的基于水下声信号的非法采砂船自动监控系统的自动监控方法,包括以下步骤:
步骤一:水听器1监听到可疑船只5的水声特征,通过信号缆将水声信号传输至边缘计算模块4。
步骤二:边缘计算模块中的水声信号处理模块2接收水声信号,并对水声信号进行放大、滤波预处理操作,并将滤波后的信号传输给目标特征判断模块3。
水声信号处理模块2数据处理的方法如下:
步骤201:水声信号处理模块接收声学数据进行滤波:设定采样接收参数,接收水听器数据。并根据前期设定参数,对采样数据利用FFT算法进行时-频域变换,变换完成后,剔除高频信号,保留低频信号。FFT变化公式如下:
其中,X为离散的声音信号,W为声波的周期相位,k为周期序列,N为采样周期数。
步骤202:提取保留信号,利用LMS自适应降噪算法对保留信号的背景噪声进行剔除,以降低回声、杂波对信号的影响,提高信号质量,LMS滤波算法过程如下:
(1)给定w(0),且1<μ<1/λmax;
(2)计算输出值:y(k)=w(k)Tx(k);
(3)计算估计误差:e(k)=d(k)−y(k);
(4)权重更新:w(k+1)=w(k)+μe(k)x(k)。
其中w为输入声音信号,y为输出信号,Tx为滤波参数,d为期望信号值,μ为梯度的特征根值,λmax为最大梯度矩阵的特征根值,w(0)为数组第一个输入声音信号;
上式中,w(0)、e(k)限值均根据前期在较安静环境下对水声环境、船舶行驶拉锯试验采集数据得来。提取后的信号,剔除了对目标特征判断影响较大的随机噪声,保留了水下环境的正常背景噪声、船舶发动机以及采砂工况综合声纹。
步骤三:目标特征判断模块3接收滤波后的水声信号,提取水声信号特征,放入特征库中,将提取的特征与特征库内的特征进行匹配,当匹配程度达到设定阈值后,如果是采砂船,则发出报警。具体包括如下步骤:
步骤301:目标特征判断模块对滤波后信号进行连续频谱变换算法,减少由于音量高低、声波相位移动造成的差异性,将不同时段的声波归一到统一的计算框架内,便于后续计算。频谱变换步骤如下:
(1)将频域谱进行能量倒谱,倒谱公式如下:
其中,M(f)为倒谱后的信号值,a、b、c为梅尔倒普系数。
根据前期多次试验,从多笔样本倒谱结果中,选择误差最小、结果最优谱线的系数。
(2)对倒谱后的信号进行归一,对齐基音、0时位置,归一方法采用最小二乘法递归计算各个频段、时序的偏移量,最小二乘法计算公式如下:
其中,x为归一化后的声音信号值,f1为倒谱后信号值,N为信号采样数,t为转换参数;
步骤302:对采集到的信号,提取全频段声纹连续谱、分频段的能量密度统计谱,并据此计算不同频段内的峰值、谷值、斜度、累计能量等能量特征参数,形成判定参数数据包。
步骤303:将判断参数与事先建立好的联合特征模型库,包括水声背景模型库、水下船舶动力模型库、水下噪声模型库、采砂行为特征库进行联合判定,找出相似性最高,符合度最高特征,并根据特征因子有效性,给出特征符合度百分比。
步骤304:持续监听、判断、留存不同时段的水声信号,根据声音连续性,峰值频次做二次判断,在时域谱上进行二次判断,剔除误报数据,将持续具备某类特征的信号提出,并加权形成采砂活动强度、背景噪声强度、水声音量、周围航船活动强度四个指标,各个指标取值范围1-10之间,取值高于6时,代表指标可信度较高,强度较强。
在上述过程中,预先建立的采砂船声纹特征库,通过如下方法建立:
(1)选择试验场,采集多批次的短时、长时水声信号,并记录采集时间,采集时段的航路船舶通行情况;
(2)选择试验船舶,利用水听器采集不同距离、不同工况、不同载荷情况下的声纹特征;
(3)根据上述方法技术方案的步骤二至步骤三提取特征参数;
(4)利用多层卷积,递归分析特征参数,剔除无效参数,保留有效参数,形成初步模型库。多层卷积的建立方法如下:
(401)将声音样本分为多个频段,形成不同频段的样本集;
(402)按采样时间将声音样本分为多个片段,形成不同片段的样本集;
(403)将不同频段、片段样本集按频谱、时序输入卷积网络,抽取特征;
(404)对不同时序、同一频段的样本进行连接,形成多层连接网络;
(5)对模型库进行标识、整理,再进入卷积计算,提高模型准确度,形成最终的判断模型,其标识技术实现过程如下:
(501)检查样本库与水声背景的特征线差异、能量差异,检查样本库之间的特征线差异、能量差异;
(502)检查样本库的噪声水平、归类聚合率;
(503)剔除与背景特征线高度一致的样本以及高噪声、低聚合率的样本;
(504)运行测试数据,检查修正后的样本有效性,如果测试数据误报率、漏报率低于预期,样本即为有效。
Claims (5)
1.一种基于水下声信号的非法采砂船自动监控方法,其特征在于:采用水听器(1)采集水声数据,通过水听器自带信号线传输至边缘计算模块(4),边缘计算模块中的水声信号处理模块(2)对水听器(1)采集的信号进行放大、滤波预处理操作,去除水下背景噪声,放大水下目标声纹信号,并将处理后的信号发送给目标特征判断模块(3),目标特征判断模块(3)通过信号变换算法提取信号的声学特征,与预先建立的采砂船声纹特征库内的特征进行匹配,当匹配程度达到设定阈值后,发送提醒信号,所述目标特征判断模块(3)对滤波后信号进行连续频谱变换算法,减少由于音量高低、声波相位移动造成的差异性,将频域谱进行能量倒谱,倒谱公式如下:
其中,M(f)为倒谱后的信号值,a、b、c为转换系数,f为原始声音信号值;
对倒谱后的信号进行归一,将不同时段的声波归一到统一的计算框架内,对齐基音、0时位置,归一方法采用最小二乘法递归计算各个频段、时序的偏移量,最小二乘法计算公式如下:
其中,x为归一化后的声音信号值,f1为倒谱后信号值,N为信号采样数,t为转换参数;
提取全频段声纹连续谱、分频段的能量密度统计谱,并据此计算不同能量特征参数,形成判定参数数据包。
3.根据权利要求2所述的基于水下声信号的非法采砂船自动监控方法,其特征在于:所述水声信号处理模块(2)提取保留的低频信号,利用LMS自适应降噪算法对低频信号的背景噪声进行剔除,LMS滤波算法过程如下:
步骤一:给定w(0),且1<μ<1/λmax;
步骤二:计算输出值:y(k)=w(k)Tx(k);
步骤三:计算估计误差:e(k)=d(k)−y(k);
步骤四:权重更新:w(k+1)=w(k)+μe(k)x(k);
其中,w为输入声音信号,y为输出信号,Tx为滤波参数,d为期望信号值,μ为梯度的特征根值,λmax为最大梯度矩阵的特征根值。
4.根据权利要求1-3任一项所述的基于水下声信号的非法采砂船自动监控方法,其特征在于:建立采砂船声纹特征库,通过水听器(1)采集试验场和试验采砂船数据,水声信号处理模块对水听器(1)采集的信号进行放大、滤波预处理操作,目标特征判断模块(3)通过信号变换算法提取信号的声学特征参数,利用多层卷积,递归分析特征参数,剔除无效参数,保留有效参数,形成初步模型库,包括以下步骤:
步骤一:将采砂船声音样本分为多个频段,形成不同频段的样本集;
步骤二:按采样时间将采砂船声音样本分为多个片段,形成不同片段的样本集;
步骤三:将不同频段、片段样本集按频谱、时序输入卷积网络,抽取特征;
步骤四:对不同时序、同一频段的样本进行连接,形成多层连接网络;
步骤五:对模型库进行标识、整理,再进入卷积计算,提高模型准确度,形成最终的判断模型。
5.一种基于水下声信号的非法采砂船自动监控系统,采用权利要求4所述的基于水下声信号的非法采砂船自动监控方法,其特征在于:包括水听器(1)、水声信号处理模块(2)和目标特征判断模块(3),其中,水听器(1)置于水下,水声信号处理模块(2)和目标特征判断模块(3)为软件模块,安装在边缘计算模块(4)中,边缘计算模块(4)置于岸边固定的监测塔杆中;水听器(1)通过信号缆与边缘计算模块(4)中的水声信号处理模块(2)连接,水听器(1)通过电源缆与岸基监测塔杆连接;水听器(1)接收水下声学信号并通过信号缆传输给边缘计算模块(4)中的水声信号处理模块(2),由水声信号处理模块(2)处理后,交由目标特征判断模块(3)进行目标特征识别判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111113687.6A CN113567969B (zh) | 2021-09-23 | 2021-09-23 | 一种基于水下声信号的非法采砂船自动监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111113687.6A CN113567969B (zh) | 2021-09-23 | 2021-09-23 | 一种基于水下声信号的非法采砂船自动监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113567969A CN113567969A (zh) | 2021-10-29 |
CN113567969B true CN113567969B (zh) | 2021-12-17 |
Family
ID=78174043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111113687.6A Active CN113567969B (zh) | 2021-09-23 | 2021-09-23 | 一种基于水下声信号的非法采砂船自动监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113567969B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460566B (zh) * | 2022-01-04 | 2024-04-30 | 中国科学院声学研究所东海研究站 | 水声目标实时识别方法、系统及装置 |
CN114455042B (zh) * | 2022-01-26 | 2022-10-11 | 浙江咸临智能科技有限责任公司 | 一种基于水下滑翔机的智能水声探测系统 |
CN115266914B (zh) * | 2022-03-28 | 2024-03-29 | 华南理工大学 | 基于声学信号处理的沉桩质量监测系统及监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1758332A (zh) * | 2005-10-31 | 2006-04-12 | 浙江大学 | 基于倒谱特征线性情感补偿的说话人识别方法 |
CN108564956A (zh) * | 2018-03-26 | 2018-09-21 | 京北方信息技术股份有限公司 | 一种声纹识别方法和装置、服务器、存储介质 |
CN109186752A (zh) * | 2018-09-22 | 2019-01-11 | 天津大学 | 基于图形处理器的水下声学信号采集、传输和检测系统 |
CN109597342A (zh) * | 2019-01-16 | 2019-04-09 | 郑州轻工业学院 | 一种动态组网智能辨识的采砂船监测装置及方法 |
CN109884591A (zh) * | 2019-02-25 | 2019-06-14 | 南京理工大学 | 一种基于麦克风阵列的多旋翼无人机声信号增强方法 |
CN111489763A (zh) * | 2020-04-13 | 2020-08-04 | 武汉大学 | 一种基于gmm模型的复杂环境下说话人识别自适应方法 |
CN112684750A (zh) * | 2020-12-04 | 2021-04-20 | 江苏科技大学 | 一种采砂船水下智能监测的设备及方法 |
-
2021
- 2021-09-23 CN CN202111113687.6A patent/CN113567969B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1758332A (zh) * | 2005-10-31 | 2006-04-12 | 浙江大学 | 基于倒谱特征线性情感补偿的说话人识别方法 |
CN108564956A (zh) * | 2018-03-26 | 2018-09-21 | 京北方信息技术股份有限公司 | 一种声纹识别方法和装置、服务器、存储介质 |
CN109186752A (zh) * | 2018-09-22 | 2019-01-11 | 天津大学 | 基于图形处理器的水下声学信号采集、传输和检测系统 |
CN109597342A (zh) * | 2019-01-16 | 2019-04-09 | 郑州轻工业学院 | 一种动态组网智能辨识的采砂船监测装置及方法 |
CN109884591A (zh) * | 2019-02-25 | 2019-06-14 | 南京理工大学 | 一种基于麦克风阵列的多旋翼无人机声信号增强方法 |
CN111489763A (zh) * | 2020-04-13 | 2020-08-04 | 武汉大学 | 一种基于gmm模型的复杂环境下说话人识别自适应方法 |
CN112684750A (zh) * | 2020-12-04 | 2021-04-20 | 江苏科技大学 | 一种采砂船水下智能监测的设备及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113567969A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113567969B (zh) | 一种基于水下声信号的非法采砂船自动监控方法及系统 | |
CN110135316B (zh) | 一种舰船辐射噪声中低频线谱的自动检测和提取方法 | |
CN111414832B (zh) | 一种基于鲸豚类低频水声信号的实时在线识别分类系统 | |
CN106052852B (zh) | 一种脉冲声信号的检测方法及装置 | |
CN106772331A (zh) | 目标识别方法和目标识别装置 | |
CN109741759B (zh) | 一种面向特定鸟类物种的声学自动检测方法 | |
CN113077813B (zh) | 一种基于全息谱和深度学习的舰船噪声识别方法 | |
CN105785346B (zh) | 一种基于相位方差加权的未知目标线谱检测方法及系统 | |
Sorensen et al. | Passive acoustic sensing for detection of small vessels | |
CN111175729A (zh) | 一种基于齿鲸类高频声呐信号的实时在线监测预警系统 | |
CN114513262B (zh) | 一种基于水下滑翔机的水声信号处理方法 | |
CN114487733A (zh) | 一种基于声纹的局部放电检测方法 | |
CN109061591A (zh) | 一种基于序贯聚类的时频线谱检测方法 | |
CN108281155A (zh) | 基于瑞丽散射的过零检测方法在光纤水听系统中的应用 | |
CN114927141B (zh) | 异常水声信号的检测方法及系统 | |
Qiao et al. | Spectral entropy based dolphin whistle detection algorithm and its possible application for biologically inspired communication | |
CN106382978A (zh) | 一种对时变舰船激励所产生水声信号自动目标检测方法 | |
CN115932808A (zh) | 一种基于多特征融合的被动声纳智能探测方法 | |
Urazghildiiev et al. | Acoustic detection and recognition of fin whale and North Atlantic right whale sounds | |
Sánchez-García et al. | A novel image-processing based method for the automatic detection, extraction and characterization of marine mammal tonal calls | |
Bougher et al. | Generalized marine mammal detection based on improved band-limited processing | |
CN112185396B (zh) | 一种基于被动声学的海上风电场生物监测方法及系统 | |
Ranasinghe et al. | Enhanced Frequency Domain Analysis for Detecting Wild Elephants in Asia using Acoustics | |
CN115424639A (zh) | 一种基于时频特征的环境噪声下海豚声音端点检测方法 | |
CN117912493A (zh) | 一种应用于深海生物监测平台的鲸豚声音检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |