论文部分内容阅读
鸟类是湿地野生动物中最具代表性的类群，是湿地生态系统重要组成部分，也是监测湿地环境质量重要的生物指标。鸟的种类确定对湿地生物多样性和生态平衡提供了重要的依据。鸟类的鸣声和形态特征一样，具有物种的特性，是鸟类重要的生物学特征，也是识别鸟类的重要依据。本文针对我国经济开发和环境保护的矛盾突出，湿地资源遭受严重破坏的问题，在分析现有声音识别技术原理与系统结构的基础上，研究基于鸣声的鸟类智能识别方法，为实现湿地鸟类监测和迁徙规律提供技术支持。本文的主要工作和结论如下：（1）在分析当前已有研究成果的优点与不足的基础上，根据鸟类鸣声的特点，提出了分别处理鸣叫声和鸣唱声，采用双重高斯混合模型的设计方案。（2）综合考虑声音样本的多寡、地域的合理性、科目的差异和鸣声类型等因素，选择以陕西地区常见的黄臀鹎、矛纹草鹛、北红尾鸲、绿背山雀、方尾鹟、红嘴相思鸟、黄喉鹀和淡尾鹟莺8种鸟类为研究对象，收集其鸣声，并使用Goldwave软件对声音样本进行除噪、裁剪等预处理。（3）在分析Mel倒谱系数（MFCC）理论基础和实现方案基础上，对MFCC进行了改进，提出一种新的特征参数MFCCA，并对其在正确识别率和识别效率上进行实验。实验结果表明，MFCCA特征参数具有更好的灵活性和鲁棒性，更适合作为鸟类鸣声的特征参数。（4）根据鸟类鸣声分为鸣叫声和鸣唱声的特点，打破以前采用单高斯混合模型（GMM）的传统，分别对每种鸟类建立鸣叫声GMM模型和鸣唱声GMM模型，并进行正确识别率和识别效率的实验。结果表明，当采用双重GMM模型时，识别效果最好，并且识别效率影响不大。并讨论不同阶数对与GMM模型的影响，结果表明当GMM模型的阶数为32时识别效果最好。（5）选取陕西地区50种鸟类，提取MFCCA特征参数，建立双重GMM模型，并设计测试软件进行测试，结果表明，本文提出的鸟类智能识别方法的正确识别率能达到91.52%。