基于波谱特征鉴定蛙类个体信息的方法技术

本发明专利技术提供了一种基于波谱特征鉴定蛙类个体信息的方法，能根据野外环境采集到的蛙类声音数据，鉴定和输出蛙类的个体信息，能够为蛙类种群丰富度研究、个体踪迹研究提供准确的参考数据。包括以下步骤：步骤一，建立特征库，所述的特征库中，每个被测蛙种对应有至少一条记录；每条记录中，包含样本波谱特征值，每一个波谱特征值表征了其所对应的对象种类、性别、健康状态、求偶状态等特征；步骤二，处理被测数据；步骤三：将被测数据与特征库进行比对和判定。

【技术实现步骤摘要】

本专利技术涉及物种鉴别技术，具体涉及一种蛙类个体信息鉴别技术。
技术介绍
自然界中，蛙类可以通过其发出不同的鸣叫来进行声学通讯，其鸣叫传递着丰富的信息，包括物种识别、繁殖状态、所处位置、吸引和选择异性配偶以及个体大小等信息，不同种的蛙类鸣叫具有其叫声的特殊性。通过对不同蛙类的识别，有利于人们在野外环境中识别不同种类的蛙，也是观测蛙类种群的丰富度，追寻其踪迹的主要线索之一，具有现实的和实际的需求。目前，蛙类的鸣叫分析主要是依赖人工识别。主观意识较强，尚缺乏合适的方法和标准。
技术实现思路
本专利技术所解决的技术问题在于提供一种，能根据野外环境采集到的蛙类声音数据，鉴定和输出蛙类的个体信息，能够为蛙类种群丰富度研究、个体踪迹研究提供准确的参考数据。为解决上述技术问题，本专利技术的，包括以下步骤: 步骤一:建立特征库； A、将采集到的模式蛙类的鸣叫信号特征进行噪音消除； B、将降噪后的蛙类鸣叫，根据蛙的鸣叫时间分割成多个鸣叫音片段； C、对鸣叫音片段进行MFCC处理，提取波谱特征值； 根据被测蛙种的类别多少，重复步骤A到步骤C，建立蛙类鸣叫特征库；所述的特征库中，每个被测蛙种对应有至少一条记录；每条记录中，包含样本波谱特征值，每一个波谱特征值表征了其所对应的对象种类； 步骤二:处理被测数据； 将需要识别的鸣叫经降噪、分割提取为被测数据，获取被测数据的波谱特征值； 步骤三:判定步骤； 通过HMM计算被测数据和特征库里面物种的相似程度，输出最相似的一种蛙类的名字名称及其波谱特征值。优选的，还包括: 步骤四:将步骤三被实证正确的测试数据增补到特征库中。优选的，所述的步骤三中，被测数据与特征库中的所有记录进行比对，标记特征库中与被测数据相符合的所有记录，被标记的所有记录中出现频率最高的属性被判定为与被测数据相符合的属性。优选的，所述的特征库的记录中，每一个波谱特征值还表征了其对应的个体大小特征、个体健康状态特征；所述的步骤三中，先判定蛙种，再判定被测对象个体大小特征、个体健康状态特征。优选的，所述的特征库的记录中，每一个波谱特征值还表征了其对应的性别信息；所述的步骤三中，还包括判定被测对象性别特征的步骤。优选的，所述的特征库的记录中，每一个波谱特征值还表征了其对应的生殖状态信息；所述的步骤三中，还包括判定被测对象生殖状态的步骤。优选的，所述的步骤三中，被测数据仅与特征库中的性别为雄性的记录进行比对。优选的，所述的特征库的记录中，每一个雄性个体对应一个唯一的个体编号，所述的判定步骤中，还包含个体判定步骤。【附图说明】图1是本专利技术的的识别过程流程图； 图2是特征库中某一健康的较大个体的雄性繁殖期的黑斑蛙鸣叫声的一个完整脉冲的波谱图； 图3是特征库中某一健康的较大个体的雄性繁殖期的黑斑蛙鸣叫声的一个完整脉冲的倒谱图； 图4是特征库中某一健康的较大个体的雄性繁殖期的黑斑蛙鸣叫声的一个完整脉冲的频谱图； 图5是特征库中某一健康的较大个体的雄性繁殖期的牛蛙鸣叫声的一个完整脉冲的波谱图； 图6是特征库中某一健康的较大个体的雄性繁殖期的牛蛙鸣叫声的一个完整脉冲的倒谱图； 图7是特征库中某一健康的较大个体的雄性繁殖期的牛蛙鸣叫声的一个完整脉冲的频谱图。【具体实施方式】实施例一 本实施例可以根据采集到的来源已知的声音数据，鉴别和输出被测声音所属对象的种类信息。本实施例包括以下步骤: 步骤一:建立特征库； A、将采集到的模式蛙类的鸣叫信号特征进行噪音消除； B、将降噪后的蛙类鸣叫，根据蛙的鸣叫时间分割成多个鸣叫音片段； C、对鸣叫音片段进行MFCC处理，提取波谱特征值； 如此反复重复步骤A到步骤C，建立蛙类鸣叫特征库；所述的特征库的记录中，包含样本波谱特征值，每一个波谱特征值表征了其所对应的对象种类。步骤二:将需要识别的鸣叫做相同的处理以获取波谱特征值；所获取的数据称为被测数据。步骤三:通过HMM计算待检测蛙类和蛙类鸣叫特征库里面物种的相似程度，输出最相似的一种蛙类的名字名称及其波谱特征值。举例说明: 下面对黑斑蛙、牛蛙、中国林蛙、泽蛙、虎纹蛙的鸣叫进行识别。首先，采集不同蛙类的鸣叫声，叫声信号内至少包含一个完整的蛙的鸣叫声。采集过程可以在野外进行，具备条件的情形下，可以在实验室进行。然后，对蛙的鸣叫音进行降噪处理，在降噪后的鸣叫音中截取一个完整的清晰的鸣叫声片段。对鸣叫声片段进行分析，提取MFCC特征，建立蛙类的鸣叫特征数据库，所述的数据库中，至少包含了黑斑蛙、牛蛙、中国林蛙、泽蛙、虎纹蛙的特征数据，如图2至图7可见，特征数据包括了每一蛙种的波谱特征；在特征数据库中，每一个蛙种都包含有至少I条记录；在后续的判定程序中，根据被测声音对象与特征数据库里声音的转移概率的大小来判断相似性。测试用的鸣叫音，我们选择黑斑蛙(黑斑蛙的鸣叫音特征已经存在鸣叫特征数据库)来测试系统的预测准确度。所述的波谱特征值包含了一个完整脉冲的波谱图、倒谱图、频谱图。如图可见，本专利技术将模拟量的蛙鸣实现了数字化，本领域技术人员可以在此基础上通过已知的算法实现被测数据与特征库中记录的比对；通过对参数的调整，可以实现比对准确性的调整。我们选择100个黑斑蛙和牛蛙鸣叫声，测试系统对黑斑蛙和牛蛙鸣叫声的识别程度，经过识别测试，90%以上的黑斑蛙和牛蛙得到系统的正确识别，说明本方法具有良好的应用前景，能够达到各工作学者对蛙类鸣叫特征及种类识别的需求。动物的叫声分析的领域中，既没有一种通用的模式匹配方法，也没有统一的波谱特征提取方案。特别是考虑到两栖动物具有水生和陆生两栖特性，其鸣叫背景噪音较大，关于蛙类鸣叫特征的自动识别及鉴定中，目前尚不存在一种有效的处理方案。而且，对其他高等动物(如猫和狗)的波谱识别，对其鸣叫特征的提取使用都是LPCC甚至是频率的峰值，这些特征较难识别到科级以下种的水平，因为同一科，不同种类之间的波谱差异相对较小，再加上水生动物较强的背景噪音，使其识别变得更加困难。目前，尚未见有关于分析蛙类鸣叫个体信息的方法，而在模式识别方法上，现有的方法多采用人工智能网络(ANN)和非负矩阵分解(NMF)的算法，但成熟度、可靠性和鲁棒性还需进一步证实。本专利技术采用了隐马尔可夫模型(Hidden Markov Model，HMM)进行识别。隐马尔可夫模型(HMM)是一种基于转移概率和输出概率的随机模型，能够体现鸣叫的波谱特性和时变性，能够较好地表征蛙类的波谱特征。该模型能够较好地描述波谱的动态变化和波谱的统计分布特性，可高效地模拟物种分类单位科及以下单位种间鸣叫的差异，较适合不同种蛙类间波谱差异相对较小的物种鸣叫特征分析及种类识别。同时HMM特有的鲁棒性，也为野外采集等干扰较多的环境下采集的叫声及不同种类(科以下水平)个体状态的识别和分析提供了有效的保障。如图1可见，本专利技术进一步的在HMM的前端采用了基于K均值聚类分析算法的矢量量化，来进行码本的设计，然后建立隐马可洛夫训练模型。主要步骤是建立HMM的描述性数据结构；计算给定的一个或者多个观察序列，即每个声音特征参数的前向概率、后向概率等参数；HMM参数初始化；使用Viterbi算法进行训练；采用Viterbi算法进行识别；其中的Viterbi算法是声音识别中比较经典的本文档来自技高网...

【技术保护点】
一种基于波谱特征鉴定蛙类个体信息的方法，包括以下步骤：步骤一：建立特征库；A、将采集到的模式蛙类的鸣叫信号特征进行噪音消除；B、将降噪后的蛙类鸣叫，根据蛙的鸣叫时间分割成多个鸣叫音片段；C、对鸣叫音片段进行MFCC处理，提取波谱特征值； 根据被测蛙种的类别多少，重复步骤A到步骤C，建立蛙类鸣叫特征库；所述的特征库中，每个被测蛙种对应有至少一条记录；每条记录中，包含样本波谱特征值，每一个波谱特征值表征了其所对应的对象种类；步骤二：处理被测数据；将需要识别的鸣叫经降噪、分割提取为被测数据，获取被测数据的波谱特征值；步骤三：判定步骤；通过HMM计算被测数据和特征库里面物种的相似程度，输出最相似的一种蛙类的名字名称及其波谱特征值。

【技术特征摘要】
1.一种基于波谱特征鉴定蛙类个体信息的方法，包括以下步骤: 步骤一:建立特征库； A、将采集到的模式蛙类的鸣叫信号特征进行噪音消除； B、将降噪后的蛙类鸣叫，根据蛙的鸣叫时间分割成多个鸣叫音片段； C、对鸣叫音片段进行MFCC处理，提取波谱特征值； 根据被测蛙种的类别多少，重复步骤A到步骤C，建立蛙类鸣叫特征库；所述的特征库中，每个被测蛙种对应有至少一条记录；每条记录中，包含样本波谱特征值，每一个波谱特征值表征了其所对应的对象种类； 步骤二:处理被测数据； 将需要识别的鸣叫经降噪、分割提取为被测数据，获取被测数据的波谱特征值； 步骤三:判定步骤； 通过HMM计算被测数据和特征库里面物种的相似程度，输出最相似的一种蛙类的名字名称及其波谱特征值。2.如权利要求1所述的基于波谱特征鉴定蛙类个体信息的方法，其特征在于:还包括步骤四:将步骤三被实证正确的测试数据增补到特征库中。3.如权利要求1所述的基于波谱特征鉴定蛙类个体信息的方法，其特征在于:所述的步骤三中，被测数据与特征库中的所有记录进行比对，标记特征库中与被测数据相符合的所有记录，被标记的所有记...

【专利技术属性】
技术研发人员：黄敏毅，段仁燕，孔晓泉，
申请(专利权)人：安庆师范学院，
类型：发明
国别省市：安徽;34