海豚是一种有着悠久进化历史的海洋哺乳动物,它们的“语言”系统很发达,相互之间使用哨声进行交流。目前对海豚物种进行分类识别主要依靠视觉观察,然而海豚大部分时间在水下,水下环境复杂,依靠视力识别海豚有其局限性。许多海豚能够产生独特的哨声,并且哨声在水中传播良好,因而可以利用哨声识别海豚物种。通过对海豚物种的声学识别,能够更好的建立起海豚哨声与物种的对应关系,对深入研究海豚语义、个体识别、社会行为和保护海豚物种有重要意义。基于上述原因,本文完成了三部分研究工作:海豚哨声预处理、轮廓修复和特征提取、海豚物种的声学识别。(1)在哨声的预处理部分,首先将采集到的海豚哨声通过短时傅里叶变换转换为频谱图;原始哨声频谱图中存在大量背景噪声,根据不同噪声的频谱特性,我们分别对其采用机械噪声过滤、二值化、离群噪声过滤、竖线噪声过滤和谐波过滤等方式进行去噪。(2)在预处理过程中,可能会对哨声轮廓造成损坏,导致哨声轮廓图的缺失,既而影响海豚哨声的特征提取,因而本文采用卡尔曼滤波算法对哨声轮廓进行修复,得到较为完整的哨声轮廓图。然后对修复好的哨声轮廓图使用局部最大值检测器提取时间-频率参数作为特征向量。(3)为了获得更高的识别率,将网格搜索法、遗传算法和粒子群优化算法分别用于海豚哨声特征空间进行径向基核函数参数优化。得到径向基核函数参数组合后,构建基于有向无环图的支持向量机分类器对海豚物种进行声学识别,达到了较高的识别率。使用文献中的线性判别分析法和分类回归树算法对本文实验数据进行物种识别,实验结果与本文算法进行对比,验证了本文算法在处理含大量噪声数据时的优越性。通过上面三个步骤,我们实现了对海豚哨声的预处理和修复,使哨声轮廓更完整,构建了分类器对海豚物种进行声学识别,提高了海豚物种的识别率。