CN103985385A - 基于波谱特征鉴定蛙类个体信息的方法 - Google Patents

Abstract

本发明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。

Description

基于波谱特征鉴定蛙类个体信息的方法

技术领域

本发明涉及物种鉴别技术，具体涉及一种蛙类个体信息鉴别技术。

背景技术

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。

发明内容

本发明所解决的技术问题在于提供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。

为解决上述技术问题，本发明的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。

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 是本发明的基于波谱特征鉴定蛙类个体信息的方法的识别过程流程图；

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1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***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，本发明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***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***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。

本发明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，本发明进一步的在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一种算法。

本发明中的待检测蛙类鸣叫特征数据的获取路径包括终端设备对鸣叫做本地分析，提取特征值，上传至服务器进行相似度计算；或者直接由终端设备上传蛙类鸣叫声的文件至服务器然后进行处理。所用终端可以包括但不限于手机，个人数字助理，无线手持装备，无线上网本，个人电脑，便捷电脑，MP3播放器、MP4播放器等。

本算法也可以集成入相关硬件装置，该装置可以采集鸣叫声信号，也可以通过网络、USB接口等获取鸣叫声文件。该装置携带有蛙类鸣叫声音特征库，能够本地分析、计算待检测鸣叫声，输出最可能的蛙类物种的鸣叫声（一个或者多个）。

本发明的各实施例中，所有被实证正确的测试数据可以录入特征库中，为后续测试提供依据。也就是说，随着特征库的扩充，同一种类对应的记录有多条，在进行被测对象判别的过程中，每一被测数据可以与特征库中的所有记录进行比对，并可能同时与多条数据存在符合性；测试过程中，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某个字段属性被判定为被测数据的相应属性。例如：判定蛙种的过程中，被测数据与特征库中的若干条记录同时相符，其中指向A蛙种的最多，则判定被测数据符合A蛙种的概率最大。本发明的特征库，其记录可扩充，随着被实证数据的增加，***准确性将不断提高。

实施例二

在实施例一的基础上，本实施例进一步提供了被测蛙类的个体大小、健康状态等信息。

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； 

所述的模式蛙类包括各种状态的各种蛙，比如健康的较大个体、不健康的较大个体、健康的较小个体、不健康的较小个体等；每种状态的蛙分别有若干个样本。

所述数据可以原始采集，也可以根据实施例一的数据进行实证后录入。

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特征，还表征了其对应的个体大小特征、个体健康状态特征；

步骤二：将待检测鸣叫声做相同的降噪，分割，提取特征值；

步骤三：通过HMM计算待检测蛙类和蛙类鸣叫声特征库里面物种的相似程度，根据检测鸣叫声与特征库中记录的对应情况，输出最相似的蛙类的名称。

在确定了蛙种的前提下，根据被测数据与特征库中记录的对应情况，输出对应记录所标记的健康程度和个体大小等体征。本步骤中，先确定蛙种，然后将不符合的蛙种记录排除，在余下记录中确定被测数据对应个体的大小、健康等属性。

本实施例中，被测数据经实证正确后同样录入特征库。特征库中包括波谱特征值、蛙种、个体大小、健康状态等指标。

实施例三

在实施例一的基础上，本实施例进一步提供了被测蛙类的性别信息。

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； 

重复步骤A到步骤C，保存各种参数，建立蛙类鸣叫特征库；每一个波谱特征值表征了其所对应的对象种类特征，还进一步表征了其对应的性别特征。

不同性别的蛙类声音是不相同的，比如黑斑蛙：雄性更加洪亮，雌性的声音比较低沉。以上特征都可以通过人耳有效地识别，采用基于人耳听力特性的MFCC方法，可以有效的捕捉到这些特征。

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。

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，并输出最相似的性别名称。

本实施例中，实证正确的数据同样录入特征库。

实施例四

在实施例三的基础上，本实施例进一步提供了被测对象生殖状态判别方法。

本实施例包括：

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； 

重复步骤A到步骤C，保存各种参数，建立蛙类鸣叫特征库；每一个波谱特征值表征了其所对应的对象种类特征，还进一步表征了其对应的性别特征，以及其生殖状态特征。

在繁殖季节中，与交配和生殖有关的鸣叫是不同的，例如，与求偶有关的黑斑蛙的鸣叫主要包括广告鸣叫、应答鸣叫、拒绝鸣叫和接受鸣叫等。广告鸣叫主要是由雄性发出，吸引雌性或向其他竞争者宣示其占有的领地、公告自身个体大小等信息，是最常见的鸣叫类型。应答鸣叫是雄蛙发出广告鸣叫后得到雌蛙的接受后，继而发出的另一种求偶鸣叫。意在回答雌蛙的接受鸣叫，与之呼应，以准备抱对。接受鸣叫是雌性黑斑蛙在繁殖期应答雄蛙广告鸣叫的一种求偶鸣叫，表示接受雄蛙的求偶意愿，鸣叫低沉。拒绝鸣叫是雌蛙拒绝雄蛙的求偶行为时发出的鸣叫，在雄蛙发出广告鸣叫后拒绝，或在雄蛙抱雌蛙时才发出的拒绝鸣叫。

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；

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，并输出最相似的性别名称以及求偶状态特征。

本实施例中，实证正确的数据同样录入特征库。

实施例五

蛙类求偶期，雄性鸣叫声音分贝、频率、持续时间等数值均较为明显，因此本实施在实施例四的基础上，仅限于将被测数据与特征库内雄性记录进行比对，可以进一步提高测定准确性。

本实施例包括：

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； 

重复步骤A到步骤C，保存各种参数，建立蛙类鸣叫特征库；每一个波谱特征值表征了其所对应的对象种类特征，还进一步表征了其对应的性别特征，以及其生殖状态特征。

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；

步骤三：屏蔽特征库中非雄性的记录，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，并输出最相似的性别名称以及求偶状态特征。

本实施例利用雄蛙求偶期发声特性，将特征库范围缩小，有利于提高种类判别的准确性。同时通过雄性数据，研究人员也可对种群其他情况进行推理。

步骤四：实证正确的数据录入特征库。

实施例六

在实施例五的基础上，本实施例进一步引入基于声音的蛙类个体识别，从而有利于在特定环境下对不同个体的蛙的研究。

本实施例包括：

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； 

重复步骤A到步骤C，保存各种参数，建立蛙类鸣叫特征库；每一个波谱特征值表征了其所对应的对象种类特征，还进一步表征了其对应的性别特征，以及其生殖状态特征；每一个波谱特征值表征了其所对应的个体，每个个体分别有一个唯一的编号。

步骤二：在需要个体识别时，对待判别的个体（该个体在实验前采集过鸣叫特征）进行声音采集，将需要识别的鸣叫做相同的处理以获取波谱特征值。 

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，判别其个体，输出结果是该蛙的编号。

本实施例中，只通过声音就可以很好的识别蛙类个体，成功克服了以往蛙类研究中，需要对蛙进行剪趾或者体内注入标记物等介入式标记方法带来的伤害和影响。

本实施例通过对某一个体的连续监测，可以对个体的活动规律、迁移情况、寿命等特征进行研究。

Claims (8)

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。

4.如权利要求1、2或3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。

5.如权利要求1、2或3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。

6.如权利要求5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。

7.如权利要求6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，被测数据仅与特征库中的性别为雄性的记录进行比对。

8.如权利要求7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。