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%。