WO2020128272A1 - Détermination de l'évolution d'un environnement sous-marin par analyse acoustique - Google Patents

Détermination de l'évolution d'un environnement sous-marin par analyse acoustique Download PDF

Info

Publication number
WO2020128272A1
WO2020128272A1 PCT/FR2019/053083 FR2019053083W WO2020128272A1 WO 2020128272 A1 WO2020128272 A1 WO 2020128272A1 FR 2019053083 W FR2019053083 W FR 2019053083W WO 2020128272 A1 WO2020128272 A1 WO 2020128272A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
detection
frequency
frequency band
time
Prior art date
Application number
PCT/FR2019/053083
Other languages
English (en)
Inventor
Eric Blin
Delphine MATHIAS
Original Assignee
Suez Eau France
Societe D'observation Multimodale De L'environnement
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suez Eau France, Societe D'observation Multimodale De L'environnement filed Critical Suez Eau France
Publication of WO2020128272A1 publication Critical patent/WO2020128272A1/fr

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/001—Acoustic presence detection

Definitions

  • the present invention relates to the monitoring and evolution of an underwater environment by acoustic analysis.
  • the invention relates to the detection of sounds coming from living organisms and the passage of boats in a maritime space whose sound environment is acquired in the form of an acoustic signal, and more precisely the detection within the same acoustic signal of sounds of different natures: boat passages, fish vocalizations, impulse signals, also called clicks, emitted in particular by benthos and odontocetes, so as to assess the quality of the underwater environment and its temporal evolution, in particular in the shallow and near-coastal environments.
  • Autonomous buoys such as Argos buoys, allow autonomous measurements to be made and are intended to transmit environmental data relating to the marine environment in which they are installed.
  • this type of tag is generally expensive, bulky, and is not suitable for monitoring water quality in a coastal or near-coastal environment.
  • a document for detecting underwater animals is also known, such as patent document EP2546680A relating to the automatic detection of marine animals, or the scientific publication Le Bot, O., Mars, JI, Gervaise, C. & Simard, Y. (2015). Rythmic analysis for click train detection and source separation with examples on beluga whales relating to beluga detection.
  • this publication only intended for the targeted detection of marine animals, does not allow a reliable assessment of the evolution of the aquatic environment heard.
  • a first pulse signal detection process comprising, for a plurality of distinct moments, the following steps:
  • a step of time-rhythm transform adapted to allow the detection of a rhythmic sequence
  • a step of transforming the source acoustic signal into a second time-frequency plane a step of determining the evolution of the frequency energy levels of the signal over time for a plurality of predetermined frequency bands;
  • the evolution of the underwater environment can be estimated by the evolution over time of the emission of the various detected signals.
  • the method comprises a step of analyzing the event signals, evaluating the evolution of the underwater environment from the source acoustic signal, as a function of the evolution of the emissions of impulse signals. and transient signals detected by the first process and the second process.
  • a weakening of the emission of non-rhythmic clicks makes it possible in particular to determine a modification of the sedimentary medium or close to the bottom, generated by a pollution of the medium, a modification of the background currents, a modification of the acidity, or even a change in medium temperature.
  • a weakening of the emission of rhythmic clicks can also sign a modification of the turbidity of the water, underwater currents, pollution or even a noise disturbance of the environment for example by vibrations.
  • the reduction in fish detection also makes it possible to detect changes in water quality in the bottom areas.
  • the detection of the passage of boats makes it possible to correlate the other data with a possible modification of the occupation of the maritime space. Those data acquired thus make it possible to detect, in particular in the near coastal area, the impact on the direct environment, linked to work in progress, wind installations, areas of water discharge, on the underwater environment, quickly and relatively simple.
  • pulse signal means any short-duration signal covering a relatively wide frequency band, in particular any signal of duration less than 1 ms covering a frequency band ranging from 2000 Hz to 40,000 Hz.
  • transient signal is understood to mean any variable signal having a defined duration in a relatively targeted frequency band, for example a signal having a maximum of energy less than 2 kHz and consisting of a succession of variations, also called pulses, the duration of which is generally between 10ms and 100ms per pulse, the signal can be of a duration of up to several seconds.
  • the step of frequency transformation of the source acoustic signal of the first process and / or of the second process comprises the calculation of a short-term Fourier transform of the source acoustic signal.
  • the short-term Fourier transform of the first process and / or of the second process comprises a setting at 2048 points, a recovery rate of 50% and an apodization by Kaiser window with attenuation of the side lobes (a) 180 dB; which makes it possible to obtain a relatively optimal detection of the impulse and / or transient signals.
  • the step of detecting sound pulses of the first process comprises a step of determining a detection threshold and a foot of noise.
  • the step of detecting sound pulses of the first process comprises determining the detection threshold and the noise foot by segmenting said time-frequency plane by applying binary tests of hypotheses, such as a Nyeman-Pearson test.
  • the detection threshold and the noise foot can be obtained relatively optimally.
  • the step of determining the evolution of the frequency energy levels of the signal over time for a plurality of predetermined frequency bands comprises segmentation of the time-frequency plane so as to detect zones d energy predetermined.
  • a time-frequency analysis is carried out which makes it possible to detect, in a relatively simple manner, energy zones which are of interest as regards the detection of transient signals from fish or boats.
  • the determination step comprises, for each predetermined frequency band, the calculation of the percentage of coverage of the predetermined energy zones in said predetermined frequency bands.
  • the predetermined frequency bands comprise a first frequency band [200 Hz - 400 Hz] adapted for the detection of a first category of fish, for example ophidions and corbs, a second frequency band [600 Hz - 1200 Hz] for the detection of a second category of fish, for example fish from seagrass beds, and a third frequency band [100 Hz - 4000 Hz] for the detection of boat passages.
  • These frequency bands make it possible to target in a relatively precise manner the frequencies suitable for detecting the signals of interest making it possible to globally assess the evolution of the underwater environment.
  • the first process and the second process are implemented in parallel. In this way, the method can be implemented relatively quickly, for example by separation of the implementation of this method by two processor cores of the same processor, or by two separate processors and sharing the same memory of storage.
  • the first process and the second process are implemented consecutively so that they can be implemented by the same processor core.
  • FIG. 1 is a flowchart representing a first embodiment of the invention
  • FIG. 2 is a flowchart representing an alternative implementation of the first embodiment of the invention.
  • FIG. 3 is a flow diagram of the steps of the first process of the method according to the embodiments of FIGS. 1 and 2;
  • FIG. 4 is a schematic view of the steps of transforming the signal and of calculating a plurality of time series of percentage of occupation for a plurality of frequency bands of interest of the second process according to the embodiments of FIGS. 1 and 2 ;
  • FIG. 5 is a schematic representation of the detection of signals of interest by exceeding the threshold of the second process according to the embodiments of Figures 1 and 2;
  • FIG. 6 is a schematic representation of the step of categorizing the events detected by the second process according to the embodiments of Figures 1 and 2;
  • FIG. 7 is a representation of a spectrogram and of graphical representations of the steps of the second process according to the embodiments of FIGS. 1 and 2, and a representation of the exposure sound level also called SEL (for Sound Exposure Level), corresponding to the logarithm of the sound energy received over an exposure time here equal to 1 second.
  • SEL Sound Exposure Level
  • the method comprises steps of detecting and categorizing signals emitted by marine animals, living aquatic organisms and boats.
  • This method comprises in particular two distinct detection processes 1, 2:
  • a first detection process 1 of impulse signals for example clicks emitted by the benthos, and clicks emitted by the odontocetes, but also any other impulse signal that can be emitted by a living underwater organism;
  • transient signals such as fish vocalizations, signals emitted by the passage of boats, or any other transient underwater signal.
  • the two processes receive as input 60 the same sound source, also called the acoustic source signal, such as a recorded file, compressed or not, comprising the entire sound sequence to be analyzed.
  • the sound sources analyzed are recordings of substantially fifteen consecutive minutes, but their duration is not limiting and can be for example between five minutes and one hour.
  • a fifteen-minute recording provides a relatively optimal compromise between analysis time and the relevance of the data analyzed.
  • the sound source can also be a source acoustic signal transmitted in real time, however the analysis requiring the detection in time of frequency events, a storage of the received signal is then necessary, for example over a period of between fifteen minutes and one hour.
  • the source acoustic signal is acquired for example by a hydrophone, or any other means of underwater sound capture.
  • This source acoustic signal can be acquired in the form of a digital signal by temporal sampling of the captured analog sound.
  • the method of transforming an analog sound source into a digital signal is not detailed in the present description, however the sampling frequency must necessarily be greater than twice the highest frequency potentially detected, in accordance with Shannon's theorem.
  • All the signals detected and categorized thus make it possible to analyze the evolution of an underwater environment, for example by detecting an overall sound evolution of the underwater environment.
  • the main objective of the invention is not, however, to discriminate precisely between each underwater species emitting a sound signal in a given environment.
  • the person skilled in the art is able to associate between 600 and 700 species of fish with their vocalization frequency, all the vocalization signatures are not known or sufficient to ensure precise detection of the species in a sound stream. , especially since several species can coexist in the same frequency band.
  • the invention mainly aims to determine and more generally discriminate the types of signals present so as to be able to evaluate the general evolution of the underwater ecosystem heard.
  • the invention can still be implemented in a similar way, by targeting narrow frequency bands specific to certain election bodies so as to study their development independently of the general ecosystem.
  • this method makes it possible to transform a raw acoustic signal into a plurality of descriptors of the underwater environment, comprising:
  • the underwater and marine environment studied can be analyzed relatively precisely by detecting the majority of identifiable sound sources, in a relatively simple and rapid process.
  • the first detection process 1, which aims to detect impulse signals comprises a first step of transformation 10 of the source acoustic signal in a frequency domain.
  • This transformation of the source acoustic signal is implemented by the application of a discrete local Fourier transform, better known by its English abbreviation Discrete-Time STFT, for Short-Term Fourier Transform.
  • the operation here is an operation of a discrete nature because the processed signal is a digital signal.
  • the local Fourier transform also called according to the uses Fourier transform with sliding window, short-term Fourier transform or more commonly transformed with sliding Fourier, allows obtaining a spectrogram representing the signal in a time-frequency plane .
  • a spectrogram is defined as the square modulus of the short-term Fourier transform.
  • the spectrogram represents the energy of the signal in time, according to the segment analyzed, and in frequency, according to the Fourier coefficient.
  • the step of calculating the spectrogram as a function of the short-term Fourier transform is also called the step of calculating the signal energy.
  • a step of calculating the signal energy is implemented in a frequency band adapted to the detection of impulse signals coming from underwater living organisms, for example benthic clicks and / or clicks of odontocetes, here a frequency band ranging from 2000 Hz to 40,000 Hz.
  • a frequency band ranging from 2000 Hz to 40,000 Hz.
  • this step could be adapted to narrower frequency bands, so as to target certain organisms more precisely.
  • the signal transformed by the sliding Fourier transform is subdivided into a plurality of segments, in this embodiment 2000 segments on a signal of fifteen minutes.
  • the invention is not limited to this duration which can for example be chosen in a period of time between five minutes and one hour.
  • the sliding Fourier transform is parameterized with 2048 points, a recovery rate of 50% and an apodization per Kaiser window with side lobe attenuation with a value of 180 dB.
  • a step of determining a signal detection threshold l, for each instant t, in the frequency band is carried out by analyzing the energy levels, and a noise foot N, corresponding to a noise level N in the frequency band of the signal studied.
  • the noise N present in the source signal is an additive Gaussian noise, that is to say a totally random signal, which therefore corresponds to white noise, of normal distribution in the time domain, with zero mean. Consequently, the noise N has a constant power spectral density corresponding to the ratio of the power of the noise by the corresponding bandwidth. However, this power spectral density is updated over time, according to a frequency chosen by a person skilled in the art.
  • This step of determining the signal detection threshold l can be carried out according to several methods, such as a predetermination of the values before the implementation of the method, or by way of example a statistical method by segmentation of the time-frequency plane, using the reallocation vector technique, or statistical methods such as binary tests of hypotheses based on the theory of detection, in particular via Bayesian or Neyman-Pearson approaches.
  • the noise foot N of the signal and the detection threshold l are estimated according to the time-frequency plane segmentation method disclosed in the scientific publication Dadouchi, F., Gervaise, C., loana, C., Huillery, J., & Mars, JI (2013). Automated segmentation of linear time-frequency representations of marine mammal sounds. The Journal of Acoustical Society of America, 134 (3), pp. 2546-2555, the content of which must be considered to be part of this request.
  • This method allows a determination by thresholding of the best noise foot N pair of the signal / detection threshold l, the noise foot N corresponding to different noise levels of a set of spectrograms, and the threshold l making it possible to maximize the detections of rhythmic and non-rhythmic clicks by optimally reducing the number of false positives, by applying a Neyman-Pierson test for a plurality of binary spectrograms defined for a plurality of noise levels. We then proceed to a selection of parameters allowing to obtain the best ratio of alerts / false alerts due to noise.
  • the previous detection method comprises steps of defining a set of binary spectrograms corresponding to different noise values N, then for each binary spectrogram, detecting the number of alerts for a plurality of detection threshold values l, and selection of the best pairs of noise foot N / detection threshold values l, reducing the probability of false detections.
  • the second order statistic s2 of the signal is calculated, which will be referred to more simply as being the statistic of the signal s2.
  • the source signal is considered in the present embodiment as a random signal corresponding to a time sequence of random variables.
  • the sequence of functions of the joint probabilities of the pairs of random variables is what is called the second order statistic of the random signal.
  • This second order statistic of the random signal corresponds in this embodiment to the signal power spectral density, which is obtained by the Fourier transform of its autocorrelation function.
  • obtaining the two-order statistics s2 of the signal is implemented by calculating the Fourier transform of the autocorrelation function of the signal analyzed segment by segment.
  • a time-rhythm transform of the series of instants of interest pulses detected in the signal to reveal the existence of a rhythm comprises in this embodiment the calculation of the autocorrelation of the source signal.
  • Non-rhythmic clicks are for example impulse signals generated by the benthos, repeated at a frequency generally between 50 and 200 pulses per second, with no remarkable rhythm.
  • Rhythmic clicks impulse signals for example generated by odontocetes, have a repetition frequency of a click or a sequence of clicks that can range from 5 to 800 clicks per second, repeated at regular intervals.
  • a rhythm is defined by the regularity of the repetition of the click or the sequence of clicks over time. For example, ten successive repetitions of the same click or the same sequence of clicks at regular intervals form a rhythmic sequence.
  • a rhythm for example for an odontocetus rhythm, is detected when a rhythm is detected ranging from 5 clicks per second to 50 clicks per second.
  • non-rhythmic clicks are generally issued irregularly, with a countdown of around 50 clicks per second.
  • the second process makes it possible to detect and distinguish the vocalizations of fish and the passage of boats.
  • This second process 2 comprises a first step 20 of transformation of the source signal in the time-frequency domain.
  • This first step 20 is carried out according to a calculation of a discrete local Fourier transform, as described for the first process 1, making it possible to obtain a spectrogram.
  • the discrete local Fourier transform as for the first process 1, is parameterized with 2048 points, a recovery rate of 50% and an apodization by Kaiser window with attenuation of the side lobes of a value of 180 dB
  • the transformation of step 20 will be configured as a function of a frequency band dependent on the categories of fish that one seeks to detect, for example a bandwidth of [200 Hz, 400Flz] to detect a first category of fish, such as ophidions and corbs, a bandwidth of [600 Hz, 1200 Hz] to detect a second category of fish such as herbarium fish, and with a gross spectrogram over 15 seconds.
  • the bandwidth (s) are defined to group together sets of categories of fish to be detected in the underwater environment studied.
  • the spectrogram obtained thus makes it possible to obtain in a time-frequency plane the frequency distribution of the signal energy.
  • a second step 21 is then implemented of calculating a plurality of time series of percentage of occupancy for a plurality of frequency bands of interest.
  • the second step 21 is implemented for respectively two frequency bands for detecting fish: a first frequency band [200 Hz - 400 Hz], in particular suitable for the detection of ophidions and corbs, a second frequency band [600 Hz - 1200 Hz] especially adapted for the detection of fish from seagrass beds, and a third frequency band [100hz - 4000 Hz] for the detection of boat passages.
  • a first frequency band [200 Hz - 400 Hz]
  • a second frequency band [600 Hz - 1200 Hz] especially adapted for the detection of fish from seagrass beds
  • a third frequency band [100hz - 4000 Hz] for the detection of boat passages.
  • This second step 21 therefore corresponds to the calculation of the spectral energy density of the signal in each specific frequency band, as a function of time, and to the calculation of the percentage of the spectral energy densities in each band of interest with respect to the total signal energy for each instant.
  • the invention is not limited to these particular frequency bands and the method can be implemented for any frequency band of interest relating to the emission of vocalizations of other species of fish or other bands of frequencies which may relate to the passage of ships.
  • a percentage of signal coverage is obtained for each acquisition instant for each frequency band of fish detection, also called the frequency band of interest.
  • the second step of the process is implemented over a period of 15 minutes, by averaging the spectrogram over 2000 segments.
  • the spectrogram is reduced to 2000 analyzed segments, each segment corresponding to the frequency average of the energies of the spectrogram over periods of substantially 0.45 sec per segment.
  • the passage of boats is a phenomenon more spread out in time, and the detection analysis is then carried out over a longer duration and requires less temporal precision.
  • the calculation of the coverage rate with regard to the interest bands for detecting fish is carried out by gross analysis of the spectrogram at 15-second intervals.
  • the signals 23 of interest are detected by exceeding the threshold of the percentage of signal coverage in each fish detection frequency band.
  • the percentage coverage of the signal in a frequency band of interest exceeds a threshold value at a given time, a signal of interest is then detected.
  • the threshold values 25 can vary depending on the organisms or objects detected.
  • the threshold is 100% for the ophidions and the corbs.
  • the threshold 25 is 80% for fish from seagrass beds.
  • the threshold is 50% for the passage of boats.
  • the second process 2 makes it possible to count the number of vocalizations of fish, in this embodiment by distinguishing on the one hand the corbs and ophidions, on the other hand the fish from the herbaria.
  • This second process 2 also makes it possible to detect and estimate the level of sound energy associated with the passage of boats.
  • the analysis data are obtained from a source acoustic signal, corresponding to an underwater sound recording, for example a 15-minute recording:
  • a step of calculating the evolution of the underwater environment which is the subject of the recording of the source acoustic signal is carried out, according to the different analysis data obtained by the two processes 1 , 2, in relation to previously acquired analysis data, so as to evaluate the evolution of the underwater environment heard.
  • method 6, 6 ’ is carried out a plurality of times.
  • the analysis data are stored in a storage memory.
  • the calculation step also carries out a comparative analysis of the evolution of the analysis data compared to previous data so as to determine an evolution of the underwater environment.
  • a reduction or spacing in time of the emissions of non-rhythmic clicks make it possible to determine a modification of the sedimentary medium or close to the bottom, such as pollution of the medium, a modification of the currents of background, a change in acidity, or a change in temperature of the medium.
  • a weakening of the emission of clicks of odontocetes can also be significant of a modification of the turbidity of water, underwater currents, pollution or even a noise disturbance of the environment for example by vibrations.
  • the detection of the passage of boats makes it possible to correlate the other data with a possible modification of the occupation of the maritime space.
  • the measurement data can, according to alternative embodiments of the invention, be compared to fixed, predetermined data or to digital models providing standard data for a given underwater area.

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

L'invention concerne un procédé (6) d'analyse acoustique d'un environnement sous-marin, comprenant : - une étape de fourniture (60) d'un signal acoustique source représenté par une pluralité d'échantillons numériques formant un ensemble d'instants d'acquisition sonore; - un premier processus (1) de détection de signaux impulsionnels, et - un deuxième processus (2) de détection de signaux transitoires.

Description

DESCRIPTION
Titre de l’invention : Détermination de l’évolution d’un environnement sous-marin par analyse acoustique La présente invention se rapporte à la surveillance et l’évolution d’un environnement sous-marin par analyse acoustique.
Plus particulièrement, l’invention porte sur la détection de sons provenant d’organismes vivants et des passages de bateaux dans un espace maritime dont l’environnement sonore est acquis sous forme de signal acoustique, et plus précisément la détection au sein d’un même signal acoustique de sons de différentes natures : les passages de bateaux, les vocalises de poissons, les signaux impulsionnels, aussi appelés clicks, émis notamment par le benthos et les odontocètes, de sorte à évaluer la qualité de l’environnement sous-marin et son évolution temporelle, en particulier dans les environnement de faible profondeurs et proche-côtier.
Dans les zones maritimes soumises à une activité humaine importante, telles que les zones littorales, d’aménagement côtier, les zones d’installations éoliennes ou encore les zones de rejet d’eau usées, une surveillance du milieu maritime est nécessaire pour analyser l’impact de ces activités sur l’environnement marin.
A cet effet, la surveillance de la qualité de l’eau est généralement réalisée par observation directe et par l’analyse d’échantillons d’eau prélevés. Or, ces solutions d’analyse, qui sont généralement réalisées en laboratoire après prélèvement de l’eau, présentent des coûts relativement importants et imposent un temps minimal d’analyse qui ne permet pas de détecter suffisamment rapidement des événements néfastes tels qu’une pollution de l’eau, une modification de la turbidité de l’eau ou encore une augmentation de fréquences sonores perturbatrices du milieu sous-marin.
Des bouées autonomes, telles que les bouées Argos, permettent d’effectuer des mesures autonomes et sont destinées à transmettre des données environnementales relatives au milieu marin dans lequel elles sont installées. Toutefois ce type de balise est généralement coûteux, volumineux, et n’est pas adapté à la surveillance de la qualité de l’eau dans un milieu littoral ou proche-côtier.
On connaît par ailleurs un document de détection d’animaux sous-marins, tel que le document de brevet EP2546680A relatif à la détection automatique d’animaux marins, ou la publication scientifique Le Bot, O., Mars, J.I., Gervaise, C. & Simard, Y. (2015). Rythmic analysis for click train détection and source séparation with examples on béluga whales relative à la détection de béluga. Toutefois cette publication, uniquement destinées à la détection ciblée d’animaux marins, ne permet pas d’évaluer de manière fiable l’évolution du milieu aquatique écouté.
Aussi, il existe le besoin d’une solution pour simplifier la surveillance et l’analyse du milieu sous-marin, en particulier à faible profondeur, de manière fiable et relativement rapide.
A cet effet, on propose un procédé d’analyse acoustique d’un environnement sous-marin, comprenant :
- une étape de fourniture d’un signal acoustique source représenté par une pluralité d’échantillons numériques formant un ensemble d’instants d’acquisition sonore ;
- un premier processus de détection de signaux impulsionnels comprenant, pour une pluralité d’instants distincts, les étapes suivantes :
- une étape de transformation du signal acoustique source dans un premier plan temps-fréquence ;
- une étape de calcul de l’énergie du signal source dans une première bande de fréquence;
- une étape de détection d’impulsions sonores pertinentes à partir de l’énergie calculée dans ladite première bande de fréquence, et
- lorsqu’une pluralité d’impulsions sonores sont détectées pour une pluralité d’instants distincts, une étape de transformée temps-rythme adapté pour permettre la détection d’une séquence rythmique ;
- un deuxième processus de détection de signaux transitoires comprenant pour une pluralité d’instants distincts, les étapes suivantes :
- une étape de transformation du signal acoustique source dans un deuxième plan temps-fréquence ; - une étape de détermination de l’évolution des niveaux d’énergie fréquentielles du signal dans le temps pour une pluralité de bandes de fréquences prédéterminées ;
- pour chaque bande fréquence, une étape de détection de signaux d’événement lorsque le niveau d’énergie dépasse une valeur de seuil prédéterminée ; et
- une étape de catégorisation de chaque signal d’événement détecté, en fonction de sa puissance, de sa durée de dépassement du seuil et de sa répétition dans le temps.
Ainsi, on peut analyser le milieu sous-marin, et plus particulièrement le milieu sous-marin proche-côtier ou de faible profondeur, de manière relativement simple, en mettant en oeuvre ce procédé. En particulier, on peut estimer l’évolution du milieu sous-marin par l’évolution dans le temps de l’émission des différents signaux détectés.
Notamment, on peut détecter par le recoupement des divers signaux des modifications générales quant à la qualité de l’eau : pollution, changement de la turbidité, modification des courants, acidité.
Avantageusement et de manière non limitative, le procédé comprend une étape d’analyse des signaux d’événements, évaluant l’évolution de l’environnement sous-marin à partir du signal acoustique source, en fonction de l’évolution des émissions de signaux impulsionnels et de signaux transitoires détectés par le premier processus et le deuxième processus.
En effet, un affaiblissement de l’émission de clicks non rythmés permet notamment de déterminer une modification du milieu sédimentaire ou proche du fond, générée par une pollution du milieu, une modification des courants de fond, une modification de l’acidité, ou encore un changement de température du milieu. Un affaiblissement de l’émission de clicks rythmés peut aussi signer une modification de la turbidité de l’eau, des courants sous-marins, d’une pollution ou encore d’une perturbation sonore du milieu par exemple par des vibrations. La diminution de la détection de poissons, permet en outre de détecter une évolution de la qualité de l’eau dans les zones de fond. De plus la détection du passage des bateaux permet de corréler les autres données avec une éventuelle modification de l’occupation de l’espace maritime. Ces données acquises permettent ainsi de détecter, notamment dans le domaine proche côtier, l’impact sur l’environnement direct, lié des travaux en cours, des installations éoliennes, des zones de rejet d’eau, sur le milieu sous-marin, de manière rapide et relativement simple.
Ainsi, par la seule analyse acoustique de l’environnement sous-marin selon ce procédé, on peut déterminer de manière relativement simple et rapide une modification de l’environnement sous-marin. Ce procédé permet ainsi de s’affranchir de capteurs et de mesures complexes pour détecter à court terme des modifications d’un environnement écouté, en particulier proche-côtier ou à faible profondeur, par exemple pour des profondeurs inférieures à 40 mètres.
Dans la présente description on entend par signal impulsionnel tout signal de courte durée couvrant une relativement large bande de fréquence, en particulier tout signal de durée inférieure à 1 ms couvrant une bande fréquence allant de 2000 Hz à 40 000 Hz.
On entend par signal transitoire, tout signal variable présentant une durée définie dans une bande fréquence relativement ciblée, par exemple un signal présentant un maximum d’énergie inférieur à 2kHz et constitué d’une succession de variations, aussi appelées puises, dont la durée est généralement comprise entre 10ms et 100ms par puise, le signal pouvant être d’une durée allant jusqu’à plusieurs secondes.
Avantageusement et de manière non limitative, l’étape de transformation fréquentielle du signal acoustique source du premier processus et/ou du deuxième processus comprend le calcul d’une transformée de Fourier à court- terme du signal acoustique source. Ainsi on peut obtenir une détection relativement simple et rapide des signaux impulsionnels et/ou des signaux transitoires.
Avantageusement et de manière non limitative, la transformée de Fourier à court-terme du premier processus et/ou du deuxième processus comprend un paramétrage à 2048 points, un taux de recouvrement de 50% et une apodisation par fenêtre de Kaiser à atténuation des lobes latéraux (a) de 180 dB ; ce qui permet d’obtenir une détection relativement optimale des signaux impulsionnels et/ou transitoires. Avantageusement et de manière non limitative, l’étape de détection d’impulsions sonores du premier processus comprend une étape de détermination d’un seuil de détection et d’un pied de bruit. Ainsi, on peut détecter de manière rapide, par ces seuls deux critères, les impulsions sonores du premier processus.
Avantageusement et de manière non limitative, l’étape de détection d’impulsions sonores du premier processus comprend la détermination du seuil de détection et du pied de bruit par segmentation dudit plan temps-fréquence par application de tests binaires d’hypothèses, tel qu’un test de Nyeman- Pearson. Ainsi, on peut obtenir de manière relativement optimale le seuil de détection et le pied de bruit.
Avantageusement et de manière non limitative, l’étape de détermination de l’évolution des niveaux d’énergie fréquentielles du signal dans le temps pour une pluralité de bande-fréquences prédéterminées comprend une segmentation du plan temps-fréquence de sorte à détecter des zones d’énergie prédéterminées. Ainsi, on procède à une analyse temps-fréquence qui permet de détecter de manière relativement simple des zones d’énergie présentant un intérêt quant à la détection de signaux transitoires de poissons ou de bateaux.
Avantageusement et de manière non limitative, l’étape de détermination comprend, pour chaque bande de fréquences prédéterminées, le calcul du pourcentage de couverture des zones d’énergie prédéterminées dans lesdites bandes de fréquence prédéterminées. Ainsi, on obtient un critère relativement simple pour déterminer l’évolution des niveaux d’énergie fréquentielles.
Avantageusement et de manière non limitative, les bandes de fréquences prédéterminées comprennent une première bande fréquence [200 Hz - 400Hz] adaptée pour la détection d’une première catégorie de poissons, par exemple des ophidions et corbs, une deuxième bande fréquence [600 Hz - 1200 Hz] pour la détection d’une deuxième catégorie de poissons, par exemple des poissons des herbiers, et une troisième bande fréquence [100 Hz - 4000 Hz] pour la détection des passages de bateaux. Ces bandes de fréquences permettent de cibler de manière relativement précise les fréquences adaptées pour détecter les signaux d’intérêt permettant d’évaluer globalement l’évolution du milieu sous-marin. Avantageusement et de manière non limitative, le premier processus et le deuxième processus sont mis en oeuvre en parallèle. De cette manière, le procédé peut être mis en oeuvre de manière relativement rapide, par exemple par séparation de la mise en oeuvre de ce procédé par deux coeurs de processeurs d’un même processeur, ou par deux processeurs distincts et partageant une même mémoire de stockage.
Selon une alternative, le premier processus et le deuxième processus sont mis en oeuvre consécutivement de sorte qu’ils peuvent être mis en oeuvre par un même cœur de processeur.
D’autres particularités et avantages de l’invention ressortiront à la lecture de la description faite ci-après d’un mode de réalisation particulier de l’invention, donné à titre indicatif mais non limitatif, en référence aux dessins annexés sur lesquels :
[Fig. 1 ] est un organigramme représentant un premier mode de réalisation de l’invention ;
[Fig. 2] est un organigramme représentant une alternative de mise en œuvre du premier mode de réalisation de l’invention ;
[Fig. 3] est un organigramme des étapes du premier processus du procédé selon les modes de réalisation des figures 1 et 2;
[Fig. 4] est une vue schématique des étapes de transformation du signal et de calcul d’une pluralité de séries temporelles de pourcentage d’occupation pour une pluralité de bandes de fréquences d’intérêt du deuxième processus selon les modes de réalisation des figures 1 et 2;
[Fig. 5] est une représentation schématique de la détection de signaux d’intérêts par dépassement de seuil du deuxième processus selon les modes de réalisation des figures 1 et 2 ;
[Fig. 6] est une représentation schématique de l’étape de catégorisation des événements détectés par le deuxième processus selon les modes de réalisation des figures 1 et 2 ; et
[Fig. 7] est une représentation d’un spectrogramme et des représentions graphiques des étapes du deuxième processus selon les modes de réalisation des figures 1 et 2, et une représentation du niveau sonore d’exposition aussi appelé SEL (pour Sound Exposure Level), correspondant au logarithme de l’énergie sonore reçue sur une durée d’exposition ici égale à 1 seconde.
Selon un mode de réalisation de l’invention, en référence aux figures 1 à 7, le procédé comprend des étapes de détection et de catégorisation de signaux émis par des animaux marins, des organismes vivants aquatiques et des bateaux. Ce procédé comprend en particulier deux processus de détection 1 , 2 distincts :
- un premier processus de détection 1 de signaux impulsionnels, par exemple des clicks émis par le benthos, et de clicks émis par les odontocètes, mais aussi tout autre signal impulsionnel pouvant être émis par un organisme vivant sous-marin ; et
- un deuxième processus de détection 2 de signaux transitoires, tels que des vocalises de poissons, des signaux émis par le passage de bateaux, ou tout autre signal transitoire sous-marin.
Les deux processus reçoivent en entrée 60 une même source sonore, aussi appelée signal acoustique source, tel qu’un fichier enregistré, compressé ou non, comprenant l’intégralité de la séquence sonore à analyser. Selon ce mode de réalisation, les sources sonores analysées sont des enregistrements de sensiblement quinze minutes consécutives, mais leur durée n’est pas limitative et peut être comprises par exemple entre cinq minutes et une heure.
Plus un enregistrement est long, plus les données analysées peuvent être fiable, mais plus sont traitement est long. Un enregistrement de quinze minutes permet d’obtenir un compromis relativement optimal entre le temps d’analyse et la pertinence des données analysées.
Selon une alternative de mise en oeuvre de l’invention la source sonore peut aussi être un signal acoustique source transmis en temps réel, toutefois l’analyse nécessitant la détection dans le temps d’événements fréquentiels, un stockage du signal reçu est alors nécessaire, par exemple sur une durée comprise entre quinze minutes et une heure.
Le signal acoustique source est acquis par exemple par un hydrophone, ou tout autre moyen de capture sonore sous-marine.
Ce signal acoustique source peut être acquis sous forme de signal numérique par échantillonnage temporel du son analogique capté. Un tel procédé de transformation d’une source sonore analogique en un signal numérique n’est pas détaillé dans la présente description, toutefois la fréquence d’échantillonnage doit nécessairement être supérieure au double de la plus haute fréquence potentiellement détectée, conformément au théorème de Shannon.
Ces deux processus 1 , 2 sont mis en oeuvre en parallèle, tel que représenté sur la figure 1 , selon le mode de réalisation principal de l’invention, par exemple par un même processeur par répartition des tâches, par deux coeurs d’un même processeur, ou encore par deux processeurs distincts
Ces deux processus 1 , 2 peuvent selon une alternative de réalisation, en référence à la figure 2, être mis en oeuvre consécutivement l’un à la suite de l’autre, sans ordre préétabli nécessairement, immédiatement ou séparés par une période de temps prédéterminée. Toutefois ces deux processus 1 , 2 forment un tout dont le résultat final correspond à la détection et la catégorisation de deux types de signaux :
- Les signaux impulsionnels ; et
- Les signaux transitoires ;
de sorte à permettre l’analyse de l’environnement sous-marin écouté.
L’ensemble des signaux détectés et catégorisés permet ainsi d’analyser l’évolution d’un milieu sous-marin, par exemple en détectant une évolution sonore globale du milieu sous-marin.
L’invention n’a toutefois pas pour objectif principal de discriminer précisément chaque espèce sous-marine émettant un signal sonore dans un milieu donné. En effet bien que l’homme du métier soit apte à associer entre 600 et 700 espèces de poissons à leur fréquence de vocalise, toutes les signatures de vocalise ne sont pas connues ou suffisantes pour assurer une détection précise de l’espèce dans un flux sonore, d’autant que plusieurs espèces peuvent coexister dans une même bande fréquence.
L’invention vise principalement à déterminer et à discriminer plus généralement les types de signaux présents de sorte à pouvoir évaluer l’évolution générale de l’écosystème sous-marin écouté. Toutefois l’invention peut tout de même être mise en oeuvre d’une manière similaire, en ciblant des bandes fréquences étroites propres à certains organismes d’élection de sorte à étudier leur évolution indépendamment de l’écosystème général.
Selon le mode de réalisation décrit en tant qu’exemple de mise en oeuvre de l’invention, à titre non limitatif, on détecte :
- des clicks émis par le benthos, sous forme de signal impulsionnel non rythmé ;
- des clicks émis par les odontocètes, sous forme de signal impulsionnel rythmé;
- des vocalises de poissons, sous forme de signal transitoire ; et - le passage de bateaux, sous forme de signal transitoire.
Ceci permet ainsi d’obtenir une connaissance sonore relativement précise de l’environnement sous-marin écouté, en particulier dans un environnement proche-côtier, ou à faible profondeur, par exemple sur des profondeurs inférieures à 100m.
Autrement dit, ce procédé permet de transformer un signal acoustique brut en une pluralité de descripteurs du milieu sous-marin, comprenant :
- des signaux impulsionnels rythmés et le pourcentage de couverture sonore de ces signaux sur une période d’analyse ;
- des signaux impulsionnels non rythmés et leur nombre moyen sur une période d’analyse ;
- des signaux transitoires associés à leur nombre par unité de temps, et leur puissance sonore associée.
Ainsi, on peut analyser de manière relativement précise l’environnement sous-marin et marin étudié par détection de la majorité des sources sonores identifiables, dans un procédé relativement simple et rapide.
A cet effet, le premier processus 1 de détection, qui vise à détecter des signaux impulsionnels comprend une première étape de transformation 10 du signal acoustique source dans un domaine fréquentiel.
Cette transformation du signal acoustique source est mise en oeuvre par l’application d’une transformée de Fourier locale discrète, plus connu sous son abréviation anglophone Discrete-Time STFT, pour Short-Term Fourier Transform. L’opération est ici une opération de nature discrète car le signal traité est un signal numérique.
La transformée de Fourier locale, aussi appelée selon les usages transformée de Fourier à fenêtre glissante, transformée de Fourier à court- terme ou plus communément transformée de Fourier glissante, permet l’obtention d’un spectrogramme représentant le signal dans un plan temps- fréquence. Un tel spectrogramme est défini comme étant le module carré de la transformée de Fourier à court-terme.
Le spectrogramme représente l’énergie du signal dans le temps, selon le segment analysé, et dans la fréquence, selon le coefficient de Fourier.
Aussi, l’étape de calcul du spectrogramme en fonction de la transformée de Fourier à court-terme est aussi appelée étape de calcul de l’énergie du signal.
Dans ce mode de réalisation de l’invention, on met en oeuvre une étape de calcul de l’énergie du signal, dans une bande fréquence adaptée à la détection de signaux impulsionnels provenant d’organismes vivants sous- marins, par exemple les clicks benthiques et/ou les clicks d’odontocètes, ici une bande fréquence allant de 2000 Hz à 40 000 Hz. Toutefois, on peut sélectionner une ou plusieurs bandes fréquences différentes, en fonction des espèces et catégories d’organismes à détecter; notamment on pourrait adapter cette étape à des bandes fréquences plus étroites, de sorte à cibler plus précisément certains organismes.
Le signal transformé par la transformée de Fourier glissante est subdivisé en une pluralité de segments, dans ce mode de réalisation 2000 segments sur un signal de quinze minutes.
Toutefois, l’invention n’est pas limitée à cette durée qui peut être par exemple choisie dans une période de temps comprise entre cinq minutes et une heure.
La transformée de Fourier glissante est paramétrée avec 2048 points, un taux de recouvrement de 50% et une apodisation par fenêtre de Kaiser à atténuation des lobes latéraux d’une valeur a de 180 dB.
Ensuite, on procède à une étape de détermination d’un seuil de détection l de signal, pour chaque instant t, dans la bande fréquence, par analyse des niveaux d’énergie, et un pied de bruit N, correspondant à un niveau de bruit N dans la bande de fréquence du signal étudié.
Au sens de l’invention, le bruit N présent dans le signal source est un bruit additif Gaussien, soit un signal totalement aléatoire, qui correspond donc à un bruit blanc, de distribution normale dans le domaine temporelle, à moyenne nulle. Par conséquent le bruit N présente une densité spectrale de puissance constante correspondant au rapport de la puissance du bruit par la bande passante correspondante. Toutefois cette densité spectrale de puissance est réactualisée dans le temps, selon une fréquence au choix de l’homme du métier.
Cette étape de détermination du seuil de détection l de signal peut être réalisée selon plusieurs méthodes, telle qu’une prédétermination des valeurs avant la mise en oeuvre du procédé, ou à titre d’exemple une méthode statistique par segmentation du plan temps-fréquence, mettant en oeuvre la technique du vecteur de réallocation, ou des méthodes statistiques telles que des tests binaires d’hypothèses se basant sur la théorie de la détection, notamment via des approches Bayésienne ou de Neyman-Pearson.
Dans ce mode de réalisation de l’invention, on estime le pied de bruit N du signal et le seuil de détection l selon la méthode de segmentation du plan temps-fréquence divulguée dans la publication scientifique Dadouchi, F., Gervaise, C., loana, C., Huillery, J., & Mars, J. I. (2013). Automated segmentation of linear time-frequency représentations of marine mammal sounds. The Journal of Acoustical Society of America, 134(3), pp. 2546-2555 dont le contenu doit être considéré comme faisant partie de la présente demande.
Cette méthode permet une détermination par seuillage du meilleur couple pied de bruit N du signal / seuil de détection l, le pied de bruit N correspondant à différents niveaux de bruit d’un ensemble de spectrogrammes, et le seuil l permettant de maximiser les détections de clicks rythmés et non rythmés en réduisant de manière optimisée le nombre de faux positifs, par application d’un test de Neyman-Pierson pour une pluralité de spectrogramme binaires définis pour une pluralité de niveau de bruit. On procède ensuite à une sélection des paramètres permettant d’obtenir le meilleur ratio alertes/fausses alertes dues au bruit.
La méthode de détection précédente comprend des étapes de définition d’un ensemble de spectrogrammes binaires correspondant à différentes valeurs de bruits N, puis pour chaque spectrogramme binaire, la détection du nombre d’alertes pour une pluralité de valeurs de seuil de détection l, et la sélection du meilleur couples de valeurs pied de bruit N / seuil de détection l, en réduisant la probabilités de fausses détections.
Une fois ce couple de valeurs pied de bruit N et seuil l obtenu, on calcule la statistique d’ordre deux s2 du signal, auquel on se référera plus simplement comme étant la statistique du signal s2.
En effet, le signal source est considéré dans le présent mode de réalisation comme un signal aléatoire correspondant à une séquence temporelle de variables aléatoires.
Ces variables aléatoires sont reliées par un lien statistique entre échantillons successifs. Cette relation est fréquemment caractérisée par la densité de probabilité conjointe des deux variables aléatoires correspondantes.
La séquence de fonctions des probabilités conjointes des couples de variables aléatoires est ce qu’on appelle la statistique d’ordre 2 du signal aléatoire.
Cette statistique d’ordre 2 du signal aléatoire correspond dans ce mode de réalisation à la densité spectrale de puissance du signal, qui est obtenue par la transformée de Fourier de sa fonction d’autocorrélation.
Aussi, l’obtention de la statistique d’ordre deux s2 du signal est mise en oeuvre par le calcul de la transformée de Fourier de la fonction d’autocorrélation du signal analysé segment par segment.
On procède alors à la détection 13 de signaux impulsionnels par calcul du rapport de la statistique d’ordre 2 du signal avec l’estimation statistique du pied de bruit N par comparaison avec le seuil de détection l.
Lorsqu’une pluralité d’impulsions d’intérêts, aussi appelés signaux d’intérêts ou encore signaux d’événements, sont détectées, on procède alors à une transformée temps-rythme de la série des instants d’impulsions d’intérêts détectées dans le signal pour révéler l’existence d’un rythme. Cette transformée temps-rythme comprend dans ce mode de réalisation le calcul de l'autocorrélation du signal source.
En effet, comme indiqué précédemment on cherche à discriminer deux types de clicks : les clicks non-rythmés et les clicks rythmés.
Les clicks non rythmés sont par exemple des signaux impulsionnels générés par le benthos, répétés à une fréquence généralement comprise entre 50 et 200 impulsions par seconde, sans rythme remarquable.
Les clicks rythmés quant à eux, signaux impulsionnels par exemple générés par les odontocètes, présentent une fréquence de répétition d’un click ou d’une séquence de clicks pouvant aller de 5 à 800 clicks par seconde, répétés à intervalles réguliers.
Il est par exemple connu qu’une séquence de clicks émise par un dauphin peut être répétée toutes les 2ms, tandis qu’une séquence de clicks émise par un cachalot peut être répétée toutes les 2 secondes.
Un rythme est défini par la régularité de la répétition du click ou de la séquence de clicks dans le temps. Par exemple, dix répétitions successives d’un même click ou d’une même séquence de clicks à intervalles réguliers forment une séquence rythmique.
On peut définir une marge d’erreur dans la durée d’intervalle de répétition, par exemple 5% de la durée de l’intervalle, pour qualifier la régularité de la répétition.
Dans cet exemple de réalisation, on considère qu’un rythme, par exemple pour un rythme d’odontocète, est détecté lorsqu’un rythme est détecté allant de 5 clicks par secondes à 50 clicks par secondes.
A contrario, les clicks non rythmés sont généralement émis de manière irrégulière, avec un décompte autour de 50 clicks par seconde.
Aussi, on peut obtenir le nombre moyen par seconde de clics non rythmés, et le pourcentage de temps couvert par des clicks rythmés sur la plage de temps étudiée.
Le deuxième processus permet quant à lui de détecter et de distinguer les vocalises de poissons et les passages de bateaux.
Ce deuxième processus 2 comprend une première étape 20 de transformation du signal source dans le domaine temps-fréquence. Cette première étape 20 est réalisée selon un calcul d’une transformée de Fourier locale discrète, tel que décrit pour le premier processus 1 , permettant d’obtenir un spectrogramme.
La transformée de Fourier local discrète, comme pour le premier processus 1 , est paramétrée avec 2048 points, un taux de recouvrement de 50% et une apodisation par fenêtre de Kaiser à atténuation des lobes latéraux d’une valeur a de 180 dB
Toutefois, pour une détection de poissons la transformation de l’étape 20 sera paramétrée en fonction d’une bande fréquence dépendante des catégories de poissons que l’on cherche à détecter, par exemple une bande passante de [200 Hz, 400Flz] pour détecter une première catégorie de poissons, tel que des ophidions et corbs, une bande passante de [600 Hz, 1200 Hz] pour détecter une deuxième catégorie de poissons tels que des poissons des herbiers, et avec un spectrogramme brut sur 15 secondes.
La ou les bandes passantes sont définies pour regrouper des ensembles de catégories de poisson à détecter dans l’environnement sous-marin étudié.
Concernant la détection de passages de bateaux, on pourra par exemple sélectionner une bande passante de [100 Hz, 4000 Hz], avec un spectrogramme moyenné pour donner 2000 segments temporels de 15 secondes. La transformée de Fourier glissante étant paramétrée avec 2048 points, un taux de recouvrement de 50% et une apodisation par fenêtre de Kaiser à atténuation des lobes latéraux d’une valeur a de 180 dB. Cette bande passante de [100 Hz, 4000 Hz] est généralement suffisamment large pour détecter une majorité de bateaux.
Le spectrogramme obtenu permet ainsi d’obtenir dans un plan temps- fréquence la répartition fréquentielle de l’énergie du signal.
On met ensuite en oeuvre une deuxième étape 21 de calcul d’une pluralité de séries temporelles de pourcentage d’occupation pour une pluralité de bandes de fréquences d’intérêt.
Dans cet exemple de réalisation, on met en oeuvre la deuxième étape 21 pour respectivement deux bandes de fréquences de détection de poissons : une première bande de fréquences [200 Hz - 400Hz], en particulier adaptée pour la détection des ophidions et corbs, une deuxième bande de fréquences [600 Hz - 1200 Hz] notamment adaptée pour la détection des poissons des herbiers, et une troisième bande de fréquences [100hz - 4000 Hz] pour la détection des passages de bateaux.
Cette deuxième étape 21 correspond donc au calcul de la densité spectrale d’énergie du signal dans chaque bande de fréquence spécifique, en fonction du temps, et au calcul du pourcentage des densités spectrales de d’énergie dans chaque bande d’intérêt par rapport à l’énergie totale du signal pour chaque instant.
Toutefois, l’invention n’est pas limitée à ces bandes de fréquence particulières et le procédé peut être mis en oeuvre pour toute bande fréquence d’intérêt relative à l’émission de vocalises d’autres espèces de poissons ou d’autres bandes de fréquences pouvant être relative au passage de navires.
Ainsi, au cours de la deuxième étape 21 , on obtient pour chaque instant d’acquisition, un pourcentage de couverture du signal pour chaque bande de fréquences de détection de poissons, aussi appelée bande de fréquences d’intérêt.
En ce qui concerne la bande d’intérêt de détection des bateaux, la deuxième étape du procédé est mise en oeuvre sur une période 15 minutes, en moyennant le spectrogramme sur 2000 segments. Autrement dit, le spectrogramme est réduit à 2000 segments analysés, chaque segment correspondant à la moyenne fréquentielle des énergies du spectrogramme sur des périodes de sensiblement 0.45 sec par segment. En effet, le passage des bateaux est un phénomène plus étalé dans le temps, et l’analyse de détection est alors réalisée sur une durée plus longue et nécessite une précision temporelle moindre.
A contrario, le calcul de taux de couverture en ce qui concerne les bandes d’intérêt de détection des poissons est réalisée par analyse brute du spectrogramme par intervalles de 15 secondes.
On procède alors pour chaque bande de fréquence d’intérêt, à la détection 23 de signaux d’intérêts par dépassement de seuil du pourcentage de couverture du signal dans chaque bande de fréquence de détection de poissons. Autrement dit, lorsque le pourcentage de couverture du signal dans une bande de fréquences d’intérêt dépasse une valeur de seuil à un instant donné, un signal d’intérêt est alors détecté.
Les valeurs de seuils 25 peuvent varier en fonction des organismes ou objets détectés.
En particulier, dans cet exemple de réalisation, le seuil est de 100% pour les ophidions et les corbs.
Le seuil 25 est de 80% pour des poissons des herbiers.
Le seuil est de 50% pour le passage de bateaux.
Pour chaque dépassement de seuil, on procède à une étape de catégorisation de l’événement 24, par calcul de la durée de l’événement, qui correspond au temps s’écoulant entre le front montant 240 de dépassement du seuil 25, et le front descendant 241 au cours duquel le pourcentage de couverture repasse sous le seuil 25.
On met ensuite en oeuvre une étape d’estimation de l’énergie du signal pendant la durée de l’événement, qui permet de caractériser l’événement.
Enfin on compte sur une période de temps d’analyse, ici entre 15mn et une heure, le nombre d’événements détectés dans chaque bande de fréquence d’intérêt.
Ainsi, le deuxième processus 2 permet de compter le nombre de vocalises de poissons, dans ce mode de réalisation en distinguant d’une part les corbs et ophidions, d’autre part les poissons des herbiers. Ce deuxième processus 2 permet aussi de détecter et d’estimer le niveau d’énergie sonore associée aux passages de bateaux.
De cette manière, on peut obtenir un procédé unifié permettant de détecter une pluralité d’organismes vivants ainsi que les passages de bateaux à partir d’une seule source d’acquisition sonore, de manière relativement simple et relativement optimisé en temps de calcul.
En particulier, on obtient à partir d’un signal acoustique source, correspondant à un enregistrement sonore sous-marin, par exemple un enregistrement de 15 minutes les données d’analyse :
le nombre moyens de clicks benthiques par secondes ;
le pourcentage de temps couvert par des clicks d’odontocètes ; le nombre de passages de bateau par unité de temps ainsi que l’énergie sonore associée ;
le nombre de vocalises de poissons par unité de temps dans chaque bande fréquence analysée ainsi que la puissance sonore associée dans chaque bande fréquence.
A partir de ces données d’analyse déterminées, on procède à une étape de calcul de l’évolution du milieu sous-marin objet de l’enregistrement du signal acoustique source, en fonction des différentes données d’analyse obtenues par les deux processus 1 , 2, par rapport à des données d’analyse acquises antérieurement, de sorte à évaluer l’évolution du milieu sous-marin écouté.
Dans le mode de réalisation principal, le procédé 6, 6’ est mis en oeuvre une pluralité de fois. A chaque itération du procédé, les données d’analyse sont stockées dans une mémoire de stockage.
Aussi l’étape de calcul procède à une analyse comparative de l’évolution des données d’analyse par rapport à des données antérieures de sorte à déterminer une évolution du milieu sous-marin.
En particulier une diminution ou un espacement dans le temps des émissions de clicks non rythmés, tel que les clicks du benthos, permettent de déterminer une modification du milieu sédimentaire ou proche du fond, tel qu’une pollution du milieu, une modification des courants de fond, une modification de l’acidité, ou encore un changement de température du milieu.
Un affaiblissement de l’émission de clicks d’odontocètes peut aussi être significatif d’une modification de la turbidité de l’eau, des courants sous-marins, d’une pollution ou encore d’une perturbation sonore du milieu par exemple par des vibrations.
La diminution de la détection de poissons des herbiers, permet en outre de détecter une évolution de la qualité de l’eau dans les zones de fond.
La détection du passage des bateaux permet de corréler les autres données avec une éventuelle modification de l’occupation de l’espace maritime.
Ces données peuvent aussi être corrélées les unes avec les autres pour déterminer un impact commun, en prenant en compte notamment une modification de l’environnement connu, tel que des travaux, une zone de rejet ou une augmentation de la fréquentation maritime. Ces données acquises permettent ainsi de détecter, notamment dans le domaine proche côtier, l’impact de l’environnement direct, tel que des travaux en cours, la présence d’installations éoliennes, des zones de rejet d’eau, sur le milieu sous-marin, de manière rapide et relativement simple.
Les données de mesure peuvent selon des alternatives de mise en oeuvre de l’invention, être comparées à des données fixes, prédéterminées où à des modèles numériques prévoyant pour une zone sous-marine donnée des données standard.

Claims

Revendications
[Revendication 1 ] Procédé (6, 6’) d’analyse acoustique d’un environnement sous-marin, comprenant :
- une étape de fourniture (60) d’un signal acoustique source représenté par une pluralité d’échantillons numériques formant un ensemble d’instants d’acquisition sonore ;
- un premier processus (1 ) de détection de signaux impulsionnels comprenant, pour une pluralité d’instants distincts, les étapes suivantes :
- une étape de transformation (10) du signal acoustique source dans un premier plan temps-fréquence ;
- une étape de calcul (12) de l’énergie du signal source dans une première bande de fréquence;
- une étape de détection (13) d’impulsions sonores pertinentes à partir de l’énergie calculée dans ladite première bande de fréquence, et
- lorsqu’une pluralité d’impulsions sonores sont détectées pour une pluralité d’instants distincts, une étape de transformée temps-rythme adapté pour permettre la détection d’une séquence rythmique ;
- un deuxième processus (2) de détection de signaux transitoires comprenant pour une pluralité d’instants distincts, les étapes suivantes :
- une étape de transformation (20) du signal acoustique source dans un deuxième plan temps-fréquence ;
- une étape de détermination (21 ) de l’évolution des niveaux d’énergie fréquentielles du signal dans le temps pour une pluralité de bandes de fréquences prédéterminées ;
- pour chaque bande fréquence, une étape de détection (23) de signaux d’événement lorsque le niveau d’énergie dépasse une valeur de seuil prédéterminée (25) ; et
- une étape de catégorisation (24) de chaque signal d’événement détecté, en fonction de sa puissance, de sa durée de dépassement du seuil (25) et de sa répétition dans le temps. [Revendication 2] Procédé selon la revendication 1 comprenant une étape d’analyse (61 ) des signaux d’événements, évaluant l’évolution de l’environnement sous-marin à partir du signal acoustique source, en fonction de l’évolution des émissions de signaux impulsionnels et de signaux transitoires détectés par le premier processus (1 ) et le deuxième processus
(2).
[Revendication 3] Procédé (6, 6’) selon la revendication 1 ou 2, caractérisé en ce que l’étape de transformation fréquentielle (10) du signal acoustique source du premier processus (1 ) et/ou du deuxième processus (2) comprend le calcul d’une transformée de Fourier à court-terme du signal acoustique source.
[Revendication 4] Procédé (6, 6’) selon la revendication 3, caractérisé en ce que la transformée de Fourier à court-terme du premier processus (1 ) et/ou du deuxième processus (2) comprend un paramétrage à 2048 points, un taux de recouvrement de 50% et une apodisation par fenêtre de Kaiser à atténuation des lobes latéraux (a) de 180 dB.
[Revendication 5] Procédé (6, 6’) selon l’une quelconque des revendications 1 à 4, caractérisé en ce que l’étape de détection (13) d’impulsions sonores du premier processus comprend une étape de détermination d’un seuil de détection (l) et d’un pied de bruit (N).
[Revendication 6] Procédé (6, 6’) selon la revendication 5, caractérisé en ce que l’étape de détection (13) d’impulsions sonores du premier processus (1 ) comprend la détermination du seuil de détection (A) et du pied de bruit (N) par segmentation dudit plan temps-fréquence par application de tests binaires d’hypothèses, tel qu’un test de Nyeman-Pearson.
[Revendication 7] Procédé (6, 6’) selon l’une quelconque des revendications 1 à 6, caractérisé en ce que l’étape de détermination (21 ) de l’évolution des niveaux d’énergie fréquentielles du signal dans le temps pour une pluralité de bande-fréquences prédéterminées comprend une segmentation du plan temps- fréquence de sorte à détecter des zones d’énergie prédéterminées.
[Revendication 8] Procédé (6, 6’) selon la revendication 7, caractérisé en ce que l’étape de détermination (21 ) comprend, pour chaque bande de fréquences prédéterminées, le calcul du pourcentage de couverture des zones d’énergie prédéterminées dans lesdites bandes de fréquence prédéterminées.
[Revendication 9] Procédé (6, 6’) selon l’une quelconque des revendications 1 à 8, caractérisé en ce que les bandes de fréquences prédéterminées comprennent une première bande fréquence [200 Hz - 400Hz] adaptée pour la détection d’une première catégorie de poissons, une deuxième bande fréquence [600 Hz - 1200 Hz] pour la détection d’une deuxième catégorie de poissons, et une troisième bande fréquence [100hz - 4000 Hz] pour la détection des passages de bateaux.
[Revendication 10] Procédé (6) selon l’une quelconque des revendications 1 à 9, caractérisé en ce que le premier processus (1 ) et le deuxième processus (2) sont mis en oeuvre en parallèle.
[Revendication 1 1 ] Procédé (6’) selon l’une quelconque des revendications 1 à 9, caractérisé en ce le premier processus (1 ) et le deuxième processus (2) sont mis en oeuvre consécutivement.
PCT/FR2019/053083 2018-12-17 2019-12-16 Détermination de l'évolution d'un environnement sous-marin par analyse acoustique WO2020128272A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1873071A FR3090131A1 (fr) 2018-12-17 2018-12-17 Détermination de l’évolution d’un environnement sous-marin par analyse acoustique
FR1873071 2018-12-17

Publications (1)

Publication Number Publication Date
WO2020128272A1 true WO2020128272A1 (fr) 2020-06-25

Family

ID=66676675

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2019/053083 WO2020128272A1 (fr) 2018-12-17 2019-12-16 Détermination de l'évolution d'un environnement sous-marin par analyse acoustique

Country Status (2)

Country Link
FR (2) FR3090131A1 (fr)
WO (1) WO2020128272A1 (fr)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2546680A1 (fr) 2011-07-13 2013-01-16 Sercel Procédé et dispositif pour détecter automatiquement des animaux marins

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2546680A1 (fr) 2011-07-13 2013-01-16 Sercel Procédé et dispositif pour détecter automatiquement des animaux marins

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DADOUCHI, F.GERVAISE, C.LOANA, C.HUILLERY, J.MARS, J. I.: "Automated segmentation of linear time-frequency représentations of marine mammal sounds", THE JOURNAL OF ACOUSTICAL SOCIETY OF AMERICA, vol. 134, no. 3, 2013, pages 2546 - 2555, XP055638368, DOI: 10.1121/1.4816579
MARC O. LAMMERS ET AL: "An ecological acoustic recorder (EAR) for long-term monitoring of biological and anthropogenic sounds on coral reefs and other marine habitats", THE JOURNAL OF THE ACOUSTICAL SOCIETY OF AMERICA, vol. 123, no. 3, 1 March 2008 (2008-03-01), New York, NY, US, pages 1720 - 1728, XP055631903, ISSN: 0001-4966, DOI: 10.1121/1.2836780 *
MIRALLES RAMON ET AL: "On the detection of impulsive and tonal events in passive acoustics monitoring", 2017 22ND INTERNATIONAL CONFERENCE ON DIGITAL SIGNAL PROCESSING (DSP), IEEE, 23 August 2017 (2017-08-23), pages 1 - 5, XP033246181, DOI: 10.1109/ICDSP.2017.8096125 *

Also Published As

Publication number Publication date
FR3090130B1 (fr) 2021-06-25
FR3090130A1 (fr) 2020-06-19
FR3090131A1 (fr) 2020-06-19

Similar Documents

Publication Publication Date Title
Scheifele et al. Indication of a Lombard vocal response in the St. Lawrence River beluga
Mellinger et al. A method for detecting whistles, moans, and other frequency contour sounds
Hildebrand et al. Passive acoustic monitoring of beaked whale densities in the Gulf of Mexico
Kandia et al. Detection of sperm whale clicks based on the Teager–Kaiser energy operator
Hildebrand et al. Assessing seasonality and density from passive acoustic monitoring of signals presumed to be from pygmy and dwarf sperm whales in the Gulf of Mexico
CA2697864C (fr) Procede de trajectographie robuste en temps reel sur ordinateur portable, de un ou plusieurs cetaces par acoustique passive
Leroy et al. On the reliability of acoustic annotations and automatic detections of Antarctic blue whale calls under different acoustic conditions
WO2020128274A1 (fr) Station autonome de surveillance et d'analyse d'un environnement maritime
Manzano-Roth et al. Impacts of US Navy training events on Blainville's beaked whale (Mesoplodon densirostris) foraging dives in Hawaiian waters
WO2015177172A1 (fr) Contraintes conjointes de transitivite de differences temporelles et effet dopler multibandes pour la separation, caracterisation, et localisation de sources sonores par acoustique passive
Cohen et al. Identification of western North Atlantic odontocete echolocation click types using machine learning and spatiotemporal correlates
Lin et al. Listening to the deep: Exploring marine soundscape variability by information retrieval techniques
EP1609001B1 (fr) Procede de traitement de signaux, et sonar actif le mettant en oeuvre
Giard et al. Decadal passive acoustics time series of St. Lawrence estuary beluga
EP2196821A1 (fr) Procédé de filtrage cinématique temporel multidimensionel de plots radar, de tour d'antenne à tour d'antenne
Bopardikar et al. Description and classification of Indian Ocean humpback dolphin (Sousa plumbea) whistles recorded off the Sindhudurg coast of Maharashtra, India
FR2724029A1 (fr) Procede de detection de signaux acoustiques provenant de torpilles
Martin et al. Recording and identification of marine mammal vocalizations on the scotian shelf and slope
WO2020128272A1 (fr) Détermination de l'évolution d'un environnement sous-marin par analyse acoustique
Pilkington et al. Patterns of fin whale (Balaenoptera physalus) seasonality and relative distribution in Canadian Pacific waters inferred from passive acoustic monitoring
FR2797343A1 (fr) Procede et dispositif de detection d'activite vocale
Jacobson et al. Comparison of harbor porpoise (Phocoena phocoena) echolocation clicks recorded simultaneously on two passive acoustic monitoring instruments
Ma et al. Detection of precise time events for marine mammal clicks
Rideout A review of passive acoustic marine mammal call detection techniques
Zurk et al. Acoustic monitoring of marine conservation areas

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19842817

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19842817

Country of ref document: EP

Kind code of ref document: A1