CN115050386A - 一种中华白海豚哨叫声信号自动检测和提取方法 - Google Patents
一种中华白海豚哨叫声信号自动检测和提取方法 Download PDFInfo
- Publication number
- CN115050386A CN115050386A CN202210541058.1A CN202210541058A CN115050386A CN 115050386 A CN115050386 A CN 115050386A CN 202210541058 A CN202210541058 A CN 202210541058A CN 115050386 A CN115050386 A CN 115050386A
- Authority
- CN
- China
- Prior art keywords
- time
- sound signal
- whistle sound
- chinese white
- cross
- 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.)
- Granted
Links
- 230000005236 sound signal Effects 0.000 title claims abstract description 82
- 241001479123 Sousa chinensis Species 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000000605 extraction Methods 0.000 title claims abstract description 14
- 241001481833 Coryphaena hippurus Species 0.000 claims abstract description 18
- 238000010586 diagram Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims abstract description 3
- 238000005070 sampling Methods 0.000 claims description 65
- 239000011159 matrix material Substances 0.000 claims description 40
- 239000013598 vector Substances 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000010354 integration Effects 0.000 description 3
- 238000011065 in-situ storage Methods 0.000 description 2
- 241000283153 Cetacea Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/45—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of analysis window
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种中华白海豚哨叫声信号自动检测和提取方法,步骤1:对采集到的包含中华白海豚哨叫声信号的数据进行预处理;步骤2:得到的包含中华白海豚哨叫声信号的数据进行截取,切分成若干个时间片段,对全部时间片段逐个执行如下操作,得到含有中华白海豚哨叫声信号的信号起止时间结果;步骤3:根据步骤2中自动检测并保存的含有中华白海豚哨叫声信号的信号起止时间结果,重新对步骤1预处理后的信号进行切分,然后对切分后得到的包含中华白海豚哨叫声信号的信号生成时频图,并自动将每段信号生成的时频图保存。本发明实现针对在海豚研究中进行长期声呐信号采集获得的海量数据的全自动检测和提取,降低对人工干预的依赖,提升效率。
Description
技术领域
本发明属于水生生物学、水声学和水声信号处理领域,涉及一种中华白海豚哨叫声信号自动检测和提取方法。
背景技术
在遗传或者形态学数据无法获得的情况下,中华白海豚的哨叫声可以揭示不同地区种群之间关系,确定独立种群,特别是在地理上相邻的中华白海豚种群,对于预测其种群状况和调节其保护是至关重要的,因此哨声信号受到了广大研究人员的重视。但是从茫茫大海中采集并快速提取到高质量的中华白海豚哨叫声信号目前还有很大的难度,主要在于,包含中华白海豚哨叫声的信号在所有采集信号中占比非常小,并且对于其拾取目前主要通过人工手段对海量的信号进行筛选,对于人工成本和时间成本都是极大的开销。因此,如果能使用自动手段对走航和原位式方式采集的信号进行分析,从中自动检测并提取出具有高质量中华白海豚哨叫声信号的片段,对于研究效率将具有极大的提升。
发明内容
针对上述现有技术,本发明要解决的技术问题是提供一种中华白海豚哨叫声信号自动检测和提取方法,自动从海量声纳数据中检测并提取中华白海豚哨叫声信号,自动对走航和原位式方式采集的信号进行分析,从中自动检测并提取出具有高质量中华白海豚哨叫声信号的片段,提升工作效率,克服目前仅通过人工手段对海量的声纳信号进行筛选的问题。
为解决上述技术问题,本发明的一种中华白海豚哨叫声信号自动检测和提取方法,包括以下步骤:
步骤1:对采集到的包含中华白海豚哨叫声信号的数据进行预处理;
步骤2:对步骤1得到的包含中华白海豚哨叫声信号的数据进行截取,切分成若干个时间片段,对全部时间片段逐个执行如下操作,得到含有中华白海豚哨叫声信号的信号起止时间结果:
步骤A:对时间片段逐帧进行短时功率谱计算,形成二维时频图;
步骤B:对时间片段的二维时频图,设置相关样本长度CorrNum和时间窗长度SegNum,满足SegNum>CorrNum,CorrNum表示每一个采样点计算与之相关的后续点个数,SegNum表示每个时间片段被切分为若干个时间窗的长度,将时间片段按时间窗长度SegNum划分为若干个时间窗,对每个时间窗执行以下操作:对时间窗内的所有采样点对应的时频图进行互相关计算,得到互相关矩阵secCoordsup,对矩阵secCoordsup沿行方向求和,得到时间窗内的积分列向量;
步骤C:求取时间片段的互相关积分曲线;
步骤D:根据设定的阈值判断时间片段的互相关积分曲线中是否存在中华白海豚哨叫声信号,并得到信号起止时间;
步骤3:根据步骤2中自动检测并保存的含有中华白海豚哨叫声信号的信号起止时间结果,重新对步骤1预处理后的信号进行切分,然后对切分后得到的包含中华白海豚哨叫声信号的信号按照步骤2中方法生成时频图,并自动将每段信号生成的时频图保存。
进一步的,步骤1中预处理包括:降采样处理、高通滤波和时域平滑滤波。
进一步的,步骤B中对时间窗内的所有采样点对应的时频图进行互相关计算,得到互相关矩阵secCoordsup包括:
对时间窗内的所有采样点对应的功率谱进行互相关计算:
其中,ρXY为第X列和第Y列的互相关值,Cov(X,Y)代表时频图第X列和第Y列的协方差,σX代表时频图第X列的标准差,σY代表时频图第Y列的标准差;ρXY作为互相关矩阵secCoord第X行、第Y列的元素,得到互相关矩阵secCoord,所述互相关矩阵secCoord为SegNum维方阵;取secCoord的上三角矩阵secCoordutri,每行保留从secCoordutri主对角线元素开始的前CorrNum个元素取值,其他位置全部置0,令q=SegNum-CorrNum+1,从第q+i开始,每行补充i个元素ρ(q+i)(SegNum+a)得到矩阵secCoordsup,其中i=1,2,3,…,CorrNum-1,a=1,2,…,i。
进一步的,步骤C中求取时间片段的互相关积分曲线包括:
将时间片段内全部时间窗的积分列向量依次连接组成一个列向量矩阵,所述列向量矩阵中第m行元素表示时间片段内第m个采样点对应的互相关值,然后将列向量矩阵转置,建立以时间为横坐标轴、以互相关值为纵坐标轴的二维坐标系,以采样点的采样时间为横坐标,以采样点的互相关值为纵坐标,得到时间片段各个采样点的互相关积分曲线。
进一步的,步骤D中根据设定的阈值判断时间片段的互相关积分曲线中是否存在中华白海豚哨叫声信号,并计算其起止时间包括:
当采样点的互相关值大于设定的阈值,则判断所述采样点包含中华白海豚哨叫声信号,在所述采样点前的采样点中,距离所述采样点最近且互相关值与阈值重合的采样点对应的采样时间为中华白海豚哨叫声信号的起始时间,记为tstart;
当采样点的互相关值小于设定的阈值,则判断所述采样点中华白海豚哨叫声信号消失,在所述采样点前的采样点中,距离所述采样点最近且互相关值与阈值重合的采样点对应的采样时间为中华白海豚哨叫声信号的终止时间,记为tend;
当时间片段中包含中华白海豚哨叫声信号起始时间但不包含其终止时间时,记录中华白海豚哨叫声信号的起始时间,并在下个时间片段时记录中华白海豚哨叫声信号的终止时间。
本发明的有益效果:本发明利用中华白海豚的哨叫声信号相比于click信号及其他噪声信号具有显著的周期性和强相关性的特点,采用适当的方式去除不同机理产生的干扰噪声,从而突出哨叫声信号特征,提升了检测精度,并实现了全自动化检测和提取。本发明可以实现针对在海豚研究中进行长期声纳信号采集获得的海量数据的全自动检测和提取,降低对人工干预的依赖,提升效率。
附图说明
图1是本发明的整体流程框图;
图2是自动提取的中华白海豚哨叫声结果;
图3是自动提取的中华白海豚哨叫声保存结果。
具体实施方式
下面结合说明书附图和实施例对本发明做进一步说明。
由于实际采集到鲸目动物哨声观测信号中并不是每一时刻都含有哨声,因此需要一个合适的哨声信号检测方法,从观测信号中检测并确定哨声信号位置,通过检测出的信号位置重新切分并生成时频图。结合图1,本发明包含以下步骤:
步骤1:中华白海豚哨叫声信号预处理。对采集到的包含中华白海豚哨叫声信号的数据进行降采样处理,提高处理速度;针对中华白海豚的哨叫声信号的频域特点,选择合适频带对降采样的信号进行高通滤波,滤除掉显著低于哨叫声信号频带内的杂波,去除海洋背景噪声的干扰,提高信噪比;针对中华白海豚在浅海时会同时发出哨叫声和click信号(回声定位信号串)的特点,使用最小二乘平滑滤波对信号进行时域平滑滤波,剔除掉click信号和同类脉冲信号干扰,降低短时脉冲信号对哨叫声频谱分析的干扰,提高信噪比。
步骤2:中华白海豚哨叫声信号自动检测。针对中华白海豚哨叫声信号持续时间有一定范围,对包含中华白海豚哨叫声信号的数据进行截取,切分成若干个时间片段,每次取1个时间片段逐帧(帧是指每个时间点)进行短时功率谱计算,形成二维时频图;根据中华白海豚哨叫声在一个周期内的各帧功率谱是连续的且彼此具有强相关性的特点,对于各个时间片段的二维时频图,设置相关样本长度和时间窗长度(时间片段长度大于时间窗长度大于相关样本长度),相关样本长度用以决定对于每一个采样点需要计算与之相关的后续点的个数,时间窗长度用以决定每个时间片段被切分为若干个时间窗的长度,之后逐个对时间窗内的所有采样点对应的时频图进行互相关计算,得到互相关矩阵。为简化计算,取其上三角矩阵,沿对角线方向每一行的保留的长度等于相关样本长度,其他位置全部置0。由于是上三角矩阵,会出现保留长度小于相关样本长度的情况,因此要补充对应缺失的值。对于补充值后的矩阵,沿行方向对其求和,得到时间窗内的积分列向量。对每一个时间窗重复上述步骤,将全部时间窗的互相关积分组成一个新的矩阵,该向量是当前时间片段内所有采样点对应的互相关值,即第一行代表第一个采样点的互相关值,然后将该向量转置,按照每个采样点的顺序依次将互相关值画在二维坐标系上,得到当前时间片段各个时间点的互相关积分曲线。
相关积分阈值分析。对当前时间片段的相关积分按时间点形成的互相关积分曲线,通过设置合理的阈值对其进行判决,自动从互相关积分曲线中判断是否存在海豚的哨叫声信号,并计算其起止时间,某个时间点的互相关积分结果大于阈值,则判断为当前时间点有海豚哨叫声信号,在大于阈值之前的那个重合点即为哨叫声信号的起始时间;某个时间点的互相关积分结果小于阈值,则判断为当前时间点海豚哨叫声信号消失,在小于阈值之前的那个重合点即为哨叫声信号的终止时间。由于每次切片时间为1-2秒,当前时间片段白海豚哨叫声会出现有始无终的情况,此时,仅记录哨叫声起点,根据中华白海豚哨叫声信号持续时间范围是60-1972ms,在下个时间片段记录哨叫声终点,并将最后将起止时间记录并保存。
之后对每个时间片段进行以上的步骤,得到全部信号的起止时间。
步骤3:中华白海豚哨叫声信号自动提取。
根据步骤2中自动检测并保存的含有中华白海豚哨叫声信号的起止时间结果,重新对全部时间信号切分,对这些信号使用步骤2中的参数生成时频图,并自动将每段信号生成的时频图保存。
下面结合具体参数给出实施例。
结合图1,本发明包括以下步骤:
步骤1:中华白海豚哨叫声信号预处理。
波形信号降采样,提高处理速度。由于中华白海豚(中国海南地区)的哨叫声信号频率范围0.17-15.80kHz,因此首先将信号采样率降至36-42kHz,得到数据dataRaw_ds。
波形信号降噪,提高信噪比和检测精度。由于信号采集过程中,在700Hz以下的频段存在大量背景噪声,且中华白海豚哨叫声信号基频范围是0.71-17.30kHz,因此对时序信号dataRaw_ds进行高通滤波,设置通带频率fpass为700Hz,得到滤波后信号data_hipass。针对夹杂在中华白海豚哨叫声信号中的click信号,其频带和强度均会对信号的检测产生显著的干扰,但是click信号属于典型的脉冲信号,可以使用时域平滑进行降噪,在本专利中,对data_hipass进行基于时域的最小二乘平滑滤波,用一阶Savitzky-Golay滤波器平滑,得到平滑后的时序信号data_dn。
步骤2:中华白海豚哨叫声信号自动检测。
针对中华白海豚哨叫声信号持续时间范围是60-1972ms,对降噪后的观测信号进行截取,切分成若干个长度为2s时间片段,信号长度为Ns,设置采样率为Fs,即每个时间片段包含2Fs个采样点;然后每次取出1个时间片段:Si(n),n=1,2,3,...,2Fs,其傅里叶变换结果表示为Xi(k),k=1,2,3,...,2Fs,再计算信号的功率谱k=1,2,3,...,2Fs,对该时间片段应用平滑的汉宁窗、680点的FFT、98%窗口重叠率、500Hz频率分辨率计算0-20kHz的功率谱并生成时频图。
计算互相关矩阵。对该时间片段内的时频图,设置相关样本长度CorrNum和时间窗长度SegNum(SegNum>CorrNum),CorrNum用以决定对于每一个采样点需要计算与之相关的后续点的个数,SegNum用以判断时间窗的长度。依次取SegNum个采样点集合SecMeta(j),j=1,...,M,M=2Fs/SegNum;之后对SecMeta(j)中的所有采样点对应的功率谱进行互相关计算:
其中,ρXY代表时频图的第X列和第Y列的互相关值即Pearson相关系数,Cov(X,Y)代表时频图第X列和第Y列的协方差,σX代表时频图第X列的标准差。之后得到该SecMeta集合的互相关矩阵secCoord,其中secCoord为SegNum维方阵,secCoord矩阵为:
互相关矩阵简化处理。secCoord为对称矩阵,为了简化计算,取其上三角矩阵,记为secCoordutri:
由于每一次计算只关心与每一个采样点临近的CorrNum个采样点的相关性,因此,矩阵secCoordutri沿对角线方向每一行只保留前CorrNum个值,其后的全部位置的点均被置为0,记为secCoordtrap:
但当CorrNum+q-1=SegNum时,即q=SegNum-CorrNum+1时,第q行以后(不含q行)的每行不足CorrNum个值(共CorrNum-1行不足CorrNum个值),故第q+1行补一个值为ρ(q+1)(SegNum+1),第q+2行补两个值为ρ(q+2)(SegNum+1)和ρ(q+2)(SegNum+2),依此类推,第SegNum行(最后一行)补CorrNum-1个值。补值后的矩阵记为secCoordsup:
生成互相关积分曲线。对于矩阵secCoordsup,沿行方向对其求和,得到积分向量之后对每个时间窗重复上述步骤,即对每一个SecMeta(j),j=1,2,3,...,2Fs/SegNum均计算积分向量CCAvg(j),并将所有CCAvg(j)按顺序连接起来,得到第i个时间片段的总相关积分向量AllCCAvg(i),AllCCAvg(i)的维度是1列,2Fs行。该向量是当前时间片段内所有采样点对应的互相关值,即第一行代表第一个采样点的互相关值,然后将该向量转置,按照每个采样点的顺序依次将互相关值画在二维坐标系上,得到当前时间片段各个时间点的互相关积分曲线。
相关积分阈值分析。对于由总相关积分向量AllCCAvg(i)按时间点形成的互相关积分曲线,通过设置合理的阈值shd对其进行判决,根据设置好的阈值,自动从互相关积分曲线中判断是否存在海豚的哨叫声信号,并计算其起止时间,一个时间点的互相关积分结果大于阈值,则判断为当前时间点有海豚哨叫声信号,在大于阈值之前的那个重合点即为哨叫声信号的起始时间,记为tstart;一个时间点的互相关积分结果小于阈值,则判断为当前时间点海豚哨叫声信号消失,在小于阈值之前的那个重合点即为哨叫声信号的终止时间,记为tend,由于每次切片时间为2秒,当前时间片段中华白海豚哨叫声会出现有始无终的情况,此时,仅记录哨叫声起点,根据中华白海豚哨叫声信号持续时间范围是60-1972ms,当处理下个时间片段时记录哨叫声终点。之后对每个时间片段进行以上的步骤,得到全部时间信号的起止时间,并记录保存为
步骤3:中华白海豚哨叫声信号自动提取。
根据步骤2中自动检测并保存的含有中华白海豚哨叫声信号的起止时间结果,重新对全部时间信号切分,对这n段信号使用步骤2中的参数生成时频图,并自动将每段信号生成的时频图保存,保存后的信号如图2和图3所示。
Claims (5)
1.一种中华白海豚哨叫声信号自动检测和提取方法,其特征在于,包括以下步骤:
步骤1:对采集到的包含中华白海豚哨叫声信号的数据进行预处理;
步骤2:对步骤1得到的包含中华白海豚哨叫声信号的数据进行截取,切分成若干个时间片段,对全部时间片段逐个执行如下操作,得到含有中华白海豚哨叫声信号的信号起止时间结果:
步骤A:对时间片段逐帧进行短时功率谱计算,形成二维时频图;
步骤B:对时间片段的二维时频图,设置相关样本长度CorrNum和时间窗长度SegNum,满足SegNum>CorrNum,CorrNum表示每一个采样点计算与之相关的后续点个数,SegNum表示每个时间片段被切分为若干个时间窗的长度,将时间片段按时间窗长度SegNum划分为若干个时间窗,对每个时间窗执行以下操作:对时间窗内的所有采样点对应的时频图进行互相关计算,得到互相关矩阵secCoordsup,对矩阵secCoordsup沿行方向求和,得到时间窗内的积分列向量;
步骤C:求取时间片段的互相关积分曲线;
步骤D:根据设定的阈值判断时间片段的互相关积分曲线中是否存在中华白海豚哨叫声信号,并得到信号起止时间;
步骤3:根据步骤2中自动检测并保存的含有中华白海豚哨叫声信号的信号起止时间结果,重新对步骤1预处理后的信号进行切分,然后对切分后得到的包含中华白海豚哨叫声信号的信号按照步骤2中方法生成时频图,并自动将每段信号生成的时频图保存。
2.根据权利要求1所述的一种中华白海豚哨叫声信号自动检测和提取方法,其特征在于:步骤1所述预处理包括:降采样处理、高通滤波和时域平滑滤波。
3.根据权利要求1所述的一种中华白海豚哨叫声信号自动检测和提取方法,其特征在于:步骤B所述对时间窗内的所有采样点对应的时频图进行互相关计算,得到互相关矩阵secCoordsup包括:
对时间窗内的所有采样点对应的功率谱进行互相关计算:
其中,ρXY为第X列和第Y列的互相关值,Cov(X,Y)代表时频图第X列和第Y列的协方差,σX代表时频图第X列的标准差,σY代表时频图第Y列的标准差;ρXY作为互相关矩阵secCoord第X行、第Y列的元素,得到互相关矩阵secCoord,所述互相关矩阵secCoord为SegNum维方阵;取secCoord的上三角矩阵secCoordutri,每行保留从secCoordutri主对角线元素开始的前CorrNum个元素取值,其他位置全部置0,令q=SegNum-CorrNum+1,从第q+i开始,每行补充i个元素ρ(q+i)(SegNum+a)得到矩阵secCoordsup,其中i=1,2,3,…,CorrNum-1,a=1,2,…,i。
4.根据权利要求1所述的一种中华白海豚哨叫声信号自动检测和提取方法,其特征在于:步骤C所述求取时间片段的互相关积分曲线包括:
将时间片段内全部时间窗的积分列向量依次连接组成一个列向量矩阵,所述列向量矩阵中第m行元素表示时间片段内第m个采样点对应的互相关值,然后将列向量矩阵转置,建立以时间为横坐标轴、以互相关值为纵坐标轴的二维坐标系,以采样点的采样时间为横坐标,以采样点的互相关值为纵坐标,得到时间片段各个采样点的互相关积分曲线。
5.根据权利要求1所述的一种中华白海豚哨叫声信号自动检测和提取方法,其特征在于:步骤D所述根据设定的阈值判断时间片段的互相关积分曲线中是否存在中华白海豚哨叫声信号,并计算其起止时间包括:
当采样点的互相关值大于设定的阈值,则判断所述采样点包含中华白海豚哨叫声信号,在所述采样点前的采样点中,距离所述采样点最近且互相关值与阈值重合的采样点对应的采样时间为中华白海豚哨叫声信号的起始时间,记为tstart;
当采样点的互相关值小于设定的阈值,则判断所述采样点中华白海豚哨叫声信号消失,在所述采样点前的采样点中,距离所述采样点最近且互相关值与阈值重合的采样点对应的采样时间为中华白海豚哨叫声信号的终止时间,记为tend;
当时间片段中包含中华白海豚哨叫声信号起始时间但不包含其终止时间时,记录中华白海豚哨叫声信号的起始时间,并在下个时间片段时记录中华白海豚哨叫声信号的终止时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210541058.1A CN115050386B (zh) | 2022-05-17 | 2022-05-17 | 一种中华白海豚哨叫声信号自动检测和提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210541058.1A CN115050386B (zh) | 2022-05-17 | 2022-05-17 | 一种中华白海豚哨叫声信号自动检测和提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115050386A true CN115050386A (zh) | 2022-09-13 |
CN115050386B CN115050386B (zh) | 2024-05-28 |
Family
ID=83159591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210541058.1A Active CN115050386B (zh) | 2022-05-17 | 2022-05-17 | 一种中华白海豚哨叫声信号自动检测和提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115050386B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116660876A (zh) * | 2023-05-26 | 2023-08-29 | 吉林大学 | 一种中华白海豚回声定位信号自动检测和定位方法 |
CN117031402A (zh) * | 2023-10-10 | 2023-11-10 | 南方海洋科学与工程广东省实验室(珠海) | 一种基于小型浮标的声光融合监测设备及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0279099A (ja) * | 1988-09-14 | 1990-03-19 | Nec Corp | マルチパルス音声処理装置 |
CN101650430A (zh) * | 2008-12-26 | 2010-02-17 | 中国科学院声学研究所 | 一种海豚声信号录取系统及方法 |
KR20110010407A (ko) * | 2009-07-24 | 2011-02-01 | 세종대학교산학협력단 | 신호 검출 및 패턴 정보 획득 장치 및 그 방법 |
US20110282654A1 (en) * | 2010-05-17 | 2011-11-17 | Yohei Takechi | Quality evaluation method and quality evaluation apparatus |
CN102606891A (zh) * | 2012-04-11 | 2012-07-25 | 广州东芝白云自动化系统有限公司 | 漏水检测仪及检测系统、及检测方法 |
CN102682765A (zh) * | 2012-04-27 | 2012-09-19 | 中咨泰克交通工程集团有限公司 | 高速公路音频车辆检测装置及其方法 |
US20140321653A1 (en) * | 2013-04-25 | 2014-10-30 | Sony Corporation | Sound processing apparatus, method, and program |
CN107024718A (zh) * | 2017-05-31 | 2017-08-08 | 西南石油大学 | 基于ceemd‑spwvd时频谱分析的叠后地震流体预测方法 |
CN107533839A (zh) * | 2015-12-17 | 2018-01-02 | 华为技术有限公司 | 一种对周围环境音的处理方法及设备 |
CN107635181A (zh) * | 2017-09-15 | 2018-01-26 | 哈尔滨工程大学 | 一种基于信道学习的多址感知源反馈优化方法 |
CN110211596A (zh) * | 2019-05-29 | 2019-09-06 | 哈尔滨工程大学 | 一种基于Mel子带谱熵鲸目动物哨声信号检测方法 |
-
2022
- 2022-05-17 CN CN202210541058.1A patent/CN115050386B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0279099A (ja) * | 1988-09-14 | 1990-03-19 | Nec Corp | マルチパルス音声処理装置 |
CN101650430A (zh) * | 2008-12-26 | 2010-02-17 | 中国科学院声学研究所 | 一种海豚声信号录取系统及方法 |
KR20110010407A (ko) * | 2009-07-24 | 2011-02-01 | 세종대학교산학협력단 | 신호 검출 및 패턴 정보 획득 장치 및 그 방법 |
US20110282654A1 (en) * | 2010-05-17 | 2011-11-17 | Yohei Takechi | Quality evaluation method and quality evaluation apparatus |
CN102606891A (zh) * | 2012-04-11 | 2012-07-25 | 广州东芝白云自动化系统有限公司 | 漏水检测仪及检测系统、及检测方法 |
CN102682765A (zh) * | 2012-04-27 | 2012-09-19 | 中咨泰克交通工程集团有限公司 | 高速公路音频车辆检测装置及其方法 |
US20140321653A1 (en) * | 2013-04-25 | 2014-10-30 | Sony Corporation | Sound processing apparatus, method, and program |
CN107533839A (zh) * | 2015-12-17 | 2018-01-02 | 华为技术有限公司 | 一种对周围环境音的处理方法及设备 |
CN107024718A (zh) * | 2017-05-31 | 2017-08-08 | 西南石油大学 | 基于ceemd‑spwvd时频谱分析的叠后地震流体预测方法 |
CN107635181A (zh) * | 2017-09-15 | 2018-01-26 | 哈尔滨工程大学 | 一种基于信道学习的多址感知源反馈优化方法 |
CN110211596A (zh) * | 2019-05-29 | 2019-09-06 | 哈尔滨工程大学 | 一种基于Mel子带谱熵鲸目动物哨声信号检测方法 |
Non-Patent Citations (4)
Title |
---|
杨武夷;孙馨喆;宋忠长;张宇;杨燕明;: "宽吻海豚Click信号的时频滤波检测方法", 声学学报, no. 04, 15 July 2017 (2017-07-15) * |
殷敬伟;刘强;陈阳;朱广平;生雪莉;: "基于海豚whistle信号的仿生主动声纳隐蔽探测技术研究", 兵工学报, no. 05, 15 May 2016 (2016-05-15) * |
牛富强;杨燕明;许肖梅;文洪涛;刘贞文;: "厦门海域中华白海豚定位click信号特性", 厦门大学学报(自然科学版), no. 05, 28 September 2012 (2012-09-28) * |
陈志全;杨骏;乔树山;: "基于单类支持向量机的异常声音检测", 电子设计工程, no. 23, 5 December 2016 (2016-12-05) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116660876A (zh) * | 2023-05-26 | 2023-08-29 | 吉林大学 | 一种中华白海豚回声定位信号自动检测和定位方法 |
CN117031402A (zh) * | 2023-10-10 | 2023-11-10 | 南方海洋科学与工程广东省实验室(珠海) | 一种基于小型浮标的声光融合监测设备及方法 |
CN117031402B (zh) * | 2023-10-10 | 2023-12-12 | 南方海洋科学与工程广东省实验室(珠海) | 一种基于小型浮标的声光融合监测设备及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115050386B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115050386B (zh) | 一种中华白海豚哨叫声信号自动检测和提取方法 | |
Mellinger et al. | A method for detecting whistles, moans, and other frequency contour sounds | |
CN110852201B (zh) | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 | |
CN115206334B (zh) | 一种极地声信号增强和识别方法 | |
EP0573760B1 (en) | Method for identifying speech and call-progression signals | |
CN1151490C (zh) | 用于语音识别的高精度高分辨率基频提取方法 | |
CN108814590B (zh) | 一种心电qrs波群的检测方法及其心电分析方法 | |
CN106098079B (zh) | 音频信号的信号提取方法与装置 | |
CN109741759B (zh) | 一种面向特定鸟类物种的声学自动检测方法 | |
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 | |
CN108919241B (zh) | 一种基于恒虚警检测的水下信号时频端点参数估计方法 | |
CN111414832A (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 | |
CN115061203A (zh) | 一种基于频域奇异值分解的矿山单通道微震信号降噪方法及应用 | |
CN1216361C (zh) | 利用二进制信号估计语音信号的音调 | |
CN111929666A (zh) | 一种基于序贯环境学习的弱水声目标线谱自主提取方法 | |
CN110335613B (zh) | 一种采用拾音器实时探测的鸟类识别方法 | |
CN104849546B (zh) | 一种民航飞机散射信号多普勒频率估计方法 | |
CN115330792A (zh) | 一种基于人工智能的污水检测方法及系统 | |
CN112086105B (zh) | 一种基于Gammatone分频带连续谱特征的目标识别方法 | |
CN115064182A (zh) | 自适应梅尔滤波器在强噪声环境下风机故障特征识别方法 | |
CN109577393B (zh) | 基桩检测中超声波形首波智能判读方法和系统 | |
CN110046676B (zh) | 一种基于声暴露级的海洋工程信号自动提取方法 | |
CN111352156B (zh) | 多次波无关的地震资料自动速度分析方法 | |
Madhusudhana et al. | Frequency based algorithm for robust contour extraction of blue whale B and D calls | |
CN116230015B (zh) | 一种基于音频时序信息加权的频域特征表示异音检测方法 |
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 |