检索结果-南通市图书馆

电子学报 2013年第2期41卷 295-300页

作者：颜鑫李应福州大学数学与计算机科学学院福建福州350108

针对真实环境中各种背景噪声下的鸟类声音识别问题,提出了一种基于新型抗噪特征提取的鸟类声音识别技术.首先,根据适用于高度非平稳环境下的噪声估计算法求出噪声功率谱.其次,使用多频带谱减法对声音功率谱进行降噪处理.接着,结合降噪... 详细信息

针对真实环境中各种背景噪声下的鸟类声音识别问题,提出了一种基于新型抗噪特征提取的鸟类声音识别技术.首先,根据适用于高度非平稳环境下的噪声估计算法求出噪声功率谱.其次,使用多频带谱减法对声音功率谱进行降噪处理.接着,结合降噪的声音功率谱提取抗噪幂归一化倒谱系数(APNCC).最后,采用支持向量机(SVM)分别对提取的APNCC,幂归一化倒谱系数(PNCC)和Mel频率倒谱系数(MFCC)对34种鸟类声音进行不同环境和信噪比情况下的对比实验.实验表明,提取的APNCC具有较好的平均识别效果及较强的噪声鲁棒性,更适用于信噪比低于30dB环境下的鸟类声音识别.

关键词：鸟类声音识别非平稳噪声估计多频带谱减法抗噪幂归一化倒谱系数 Mel频率倒谱系数

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Radon和平移不变性小波变换的鸟类声音识别

引用

计算机应用 2014年第5期34卷 1391-1396,1417页

作者：周晓敏李应福州大学数学与计算机科学学院福州350108

针对低信噪比(SNR)环境下鸟叫声识别率不够高的问题,提出一种对声谱图进行Radon变换(RT)和平移不变性离散小波变换(TIDWT)的抗噪型鸟类声音识别技术。首先,使用改进的多频带谱减法对鸟叫声进行降噪处理;其次,利用短时能量检测降噪后的... 详细信息

针对低信噪比(SNR)环境下鸟叫声识别率不够高的问题,提出一种对声谱图进行Radon变换(RT)和平移不变性离散小波变换(TIDWT)的抗噪型鸟类声音识别技术。首先,使用改进的多频带谱减法对鸟叫声进行降噪处理;其次,利用短时能量检测降噪后的鸟叫声的静音段,并去除静音段;接着,将去除静音段的声音信号转化为声谱图,并对声谱图进行RT和TIDWT,提取特征值;最后,采用支持向量机(SVM)分类器对提取的特征值进行分类识别。实验结果表明,该方法在信噪比为10 dB及以下仍可以达到较好的识别效果。

关键词：鸟类声音识别多频带谱减法短时能量 Radon变换平移不变性离散小波变换特征提取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于迁移学习的多特征融合鸟类声音识别

基于迁移学习的多特征融合鸟类声音识别

引用

作者：刘佳西安电子科技大学

学位级别：硕士

鸟类是生态系统的重要组成部分,保护鸟类有助于维护生态系统的平衡。相比于形态学特征,鸟鸣声具有易于获取的优势,因此,鸟类声音识别被广泛应用于鸟类保护中。鸟类声音识别最主要的步骤是特征提取和分类识别,近年来,随着人工智能的兴起... 详细信息

鸟类是生态系统的重要组成部分,保护鸟类有助于维护生态系统的平衡。相比于形态学特征,鸟鸣声具有易于获取的优势,因此,鸟类声音识别被广泛应用于鸟类保护中。鸟类声音识别最主要的步骤是特征提取和分类识别,近年来,随着人工智能的兴起,卷积神经网络在鸟类声音识别领域取得了良好的效果。目前有关鸟类声音识别的研究大多都是有监督识别,重点关注如何提高模型的识别精度,而在鸟类音频数据标签不完备的情况下,有关模型泛化性问题的研究却很少。为了提高模型在新场景下的泛化性能,解决实际应用中鸟声数据标签不完备导致识别困难的问题,论文从以下几点展开研究:(1)从特征提取和分类识别两方面对鸟类声音识别任务中主流的方法进行分析,对短时傅里叶谱、常数Q变换、对数梅尔谱和伽玛通频谱等常见的时频谱图特征提取原理进行研究。分析卷积神经网络和迁移学习的基本理论,重点对基于模型和基于特征的迁移方法进行研究。(2)针对鸟类声音识别任务中存在的不足,提出一种基于模型迁移的鸟类声音识别方法。首先,将Image Net数据集上预训练好的VGG16网络初始化参数迁移到鸟类声音识别任务中;然后,在VGG16预训练网络卷积层的基础上搭建新的全连接层和分类层,重构适用于鸟类声音识别任务的VGG16预训练网络;最后,加入全局平均池化增强模型对空间变换的健壮性。在DCASE 2018任务3开发数据集上的实验结果表明,相比于从头到尾训练,经过预训练的VGG16网络收敛速度更快,识别率更高。(3)通过对领域自适应理论的研究,发现基于特征的迁移方法在提高模型泛化性能方面有更好的效果,进而结合领域对抗思想对VGG16预训练网络进行改进,提出一种基于模型和特征迁移的鸟类声音识别网络。针对模型泛化到复杂场景下识别性能差的问题,提出最大均值差异和领域对抗思想相结合的迁移网络模型。实验结果表明,相比于VGG16预训练网络,基于模型和特征迁移的网络模型识别性能提高了3.5%,比DCASE 2018任务3的基线模型提高了3.7%,验证了该模型在鸟类声音识别任务中的有效性。(4)为了进一步提高模型在新场景下的泛化性能,结合信息融合的思想,提出多特征融合的鸟类声音识别方法。为降低单一特征对背景噪声的敏感性,提出特征级融合和决策级融合两种方式对多个谱图特征进行融合;针对不同场景之间的差异性,提出多源域特征决策级融合的方式,对不同源域训练模型的分类结果进行决策级融合。仿真结果表明,采用加权平均的决策级融合方式能够提高整体分类性能,相比融合之前,最高可提升1.3%。

关键词：鸟类声音识别多特征融合卷积神经网络迁移学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的鸟声识别技术研究——以北京翠湖国家城市湿地公园为例

引用

园林 2024年第4期41卷 19-26页

作者：王一宇夏舫刘松彭涛郭慧敏鉴海防中国科学院半导体研究所北京100083 山东师范大学物理与电子科学学院济南250358 北京市海淀区湿地和野生动植物保护管理中心北京100094

鸟类是生态系统的重要组成部分,在评估生态系统状态方面具有不可忽视的作用,因此鸟类的调查和监测对于保护生态环境和维护生物多样性至关重要。传统的鸟类监测手段需要消耗大量人力物力,并且结果的准确性和可靠性有限。针对这一问题,提... 详细信息

鸟类是生态系统的重要组成部分,在评估生态系统状态方面具有不可忽视的作用,因此鸟类的调查和监测对于保护生态环境和维护生物多样性至关重要。传统的鸟类监测手段需要消耗大量人力物力,并且结果的准确性和可靠性有限。针对这一问题,提出一种基于深度学习的鸟类声音数据分析识别系统,并在北京翠湖国家城市湿地公园进行应用示范,以验证系统的性能和准确性。该系统首先使用传统声音信号处理方法对前端拾音器采集的音频进行预处理,然后使用残差神经网络提取音频特征并进行分类,从而实现对目标声音所包含物种信息的自动识别。在系统运行期间,成功监测到有效鸟类声音片段共计200044条,其识别准确率达到93%。系统共识别出野生鸟类9目16科52种,其中,属于国家Ⅱ级重点保护野生动物有6种,分别是大天鹅、鸿雁、红角鸮、纵纹腹小鸮、蓝喉歌鸲、游隼;属于北京市重点保护野生动物共计22种,分别是苍鹭、夜鹭、普通鸬鹚、绿头鸭等。监测到音频片段中相对多度较高的前5个物种依次是苍鹭(26%)、鸿雁(16%)、夜鹭(13%)、白头鹎(11%)、普通鸬鹚(8%)。实验结果表明,该系统实现了对鸟类声音的自动采集和分析,显著提高了鸟类监测的效率,为风景园林的合理规划、生态节点的保留以及景观可持续性的提升提供了有力支持。

关键词：翠湖国家城市湿地公园鸟类监测深度学习鸟类声音识别鸟类多样性北京

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：