一种面向候鸟迁徙活动的声学监测方法技术

本发明专利技术公开了一种面向候鸟迁徙活动的声学监测方法。本方法针对野外自然环境下利用立体麦克风阵列采集的声学数据，对过顶或接近过顶飞行的鸟类鸣声信号进行测向和跟踪，以实现对于候鸟迁徙活动的监测。本方法首先在野外实地采集连续鸟声数据，并进行预处理；然后基于高斯混合模型完成潜在鸟声片段检测，进而利用自适应滤波算法对各个片段中每一帧数据进行时延估计，获得每一帧中声源的方位角和俯仰角估计；最后针对各帧声源方向估计值的聚类结果，抛弃明显非过顶声源轨迹以及不够平滑的轨迹，实现对于候鸟迁徙活动的跟踪。本方法实现简单，野外实地采集数据的测试结果表明本发明专利技术方法性能良好，可以用于无人值守情况下的野外候鸟迁徙活动监测。

An Acoustic Monitoring Method for Migratory Birds

The invention discloses an acoustic monitoring method for migratory birds. In this method, the acoustic data collected by stereo microphone arrays are used to detect and track the direction of birds'song signals flying over or near the top in order to monitor the migration activities of migratory birds. Firstly, continuous bird sound data are collected and preprocessed in the field. Then, potential bird sound fragments are detected based on the Gauss mixture model. Then, the adaptive filtering algorithm is used to estimate the time delay of each frame in each fragment, and the azimuth and elevation angles of the sound sources in each frame are estimated. Finally, the clustering results of the direction estimates of the sound sources in each frame are discarded. Obviously, the trajectory of non-overtopping sound source and the trajectory that is not smooth enough are used to track the migration of migratory birds. The method is simple to implement, and the field data acquisition test results show that the method has good performance, and can be used for monitoring the migration activities of wild migratory birds in unattended conditions.

【技术实现步骤摘要】
一种面向候鸟迁徙活动的声学监测方法
本专利技术属于生态监测及阵列信号处理领域，特别涉及一种面向候鸟迁徙活动的声学监测方法。
技术介绍
生态监测可以对生态环境状况做出评估，为生态保护提供相关数据信息支持。鸟类是生态系统的重要组成部分，同时也是一种重要的生态学指标。对候鸟迁徙情况进行监测，可以了解鸟类迁徙的规律，同时也可以反映出栖息环境的变化，对于保护生态环境有着重要的意义。目前常用的鸟类监测方法主要有人工监测、卫星追踪、红外触发相机、声学监测等手段。人工监测是一种传统的鸟类监测方法，需耗费大量人工时间且劳动强度大，效率较低，同时人类会对鸟类活动情况造成影响，从而对影响监测结果的准确性。卫星追踪需捕获候鸟个体并在其身体上放置卫星发射器来获取其迁徙信息，成本较高，难以大范围长期使用。红外触发相机在对鸟类进行监测时适用性不高，对一些鸟类特别是体型较小的鸟类难以进行辨识。声学监测为鸟类监测提供了一种便捷有效的方法，其成本较低，且不需耗费太多人力，可以长期的对野外鸟类活动情况进行监测。当前鸟声监测更多着重于鸟鸣识别方面，本专利技术将鸟声监测与麦克风阵列结合，对鸟声进行测向，实现对于候鸟迁徙情况的监测。
技术实现思路
本专利技术所要解决的技术问题在于提供一种面向候鸟迁徙活动的声学监测方法。实现本专利技术目的的技术解决方案为：一种面向候鸟迁徙活动的声学监测方法，结合图1，实现本方法的步骤如下：步骤1、野外实地连续采集鸟声数据信号，并对采集到的鸟声数据信号进行预处理；步骤2、从步骤1处理后的数据信号中提取潜在鸟声片段；步骤3、利用自适应滤波算法对步骤2提取出的潜在鸟声片段进行时延估计，进而获得潜在鸟声片段对应声源的方向估计结果；步骤4、对步骤3获得的声源方向估计结果进行聚类，根据聚类结果排除轨迹复杂声源以及非过顶声源，实现对候鸟迁徙情况的跟踪。本专利技术与现有技术相比，其显著优点为：1)本专利技术方法实际应用时所采用的数据采集自野外实际环境即可，对环境条件没有要求，结果可靠具有说服力；2)本专利技术利用麦克风阵列采集数据，受气候变化等影响较小，适用于大多数鸟类，且成本不高，可用于长期野外监测；3)本专利技术操作简单，实现对野外候鸟迁徙情况的自动监测，可节省大量人力，提高监测效率；4)本专利技术所采用的声学监测方法为非侵入式监测方法，可以尽量避免对野外候鸟的迁徙活动造成人为影响，使得监测结果更加准确。附图说明图1为本专利技术面向候鸟迁徙活动的声学监测方法的流程图。图2为本专利技术基于自适应滤波算法进行时延估计的原理图。图3为本专利技术中针对四元立体阵进行声源测向的原理图。图4为本实施例中第一分钟数据方向估计结果在聚类数不同情况下的聚类结果轮廓图，其中(1)～(3)分别为k为2、3、4对应的聚类结果轮廓图。图5为本实施例中整段数据利用本方法进行分析得到的结果图，其中(1)为每分钟所得的方位角结果，(2)为每分钟所得的俯仰角结果。具体实施方式结合图1，本专利技术提一种面向候鸟迁徙活动的声学监测方法，包括以下步骤：步骤1、野外实地连续采集鸟声数据信号，并对采集到的鸟声数据信号进行预处理。进一步地，步骤1具体为：步骤1-1、利用麦克风阵列野外实地连续采集鸟声数据信号；步骤1-2、判断麦克风阵列野外实地连续采集鸟声数据信号的采样率是否完全相同，若存在不同，则对采集到的鸟声数据信号进行重采样以统一采样率；步骤1-3、对步骤1-2处理后的鸟声数据信号进行预加重处理。步骤2、从步骤1处理后的数据信号中提取潜在鸟声片段。进一步地，步骤2从步骤1处理后的数据信号中提取潜在鸟声片段，具体为：假设麦克风阵列中的麦克风通道以某种顺序进行编号为1,2,...,N，N为麦克风阵列中阵元的总数，选取其中一个麦克风通道作为参考通道；步骤2-1、对麦克风阵列参考通道的数据信号进行分帧以及短时傅里叶变换，第l帧的短时傅里叶变换为：S(k,l)，其中0≤k≤N'/2-1，k为频率序号，l为帧序号，N'为每帧信号进行快速傅里叶变换(FastFourierTransform,FFT)的点数；步骤2-2、求取每一帧信号的短时能量e(l)，所用公式为：步骤2-3、求取每一帧信号的对数能量le(l)，所用公式为：le(l)＝log10(e(l))；步骤2-4、利用期望最大化算法获取潜在鸟声事件帧集合以及环境噪声帧集合各自的能量分布概率密度函数参数的最大似然估计wm、μm、σm；步骤2-5、利用含有两个高斯分量的帧对数能量分布高斯混合模型拟合帧对数能量分布，其中一个高斯分量对应潜在鸟声事件帧集合对数能量分布的概率密度函数，另一个高斯分量对应环境噪声帧集合对数能量分布的概率密度函数，概率密度函数为：式中，对于第m个高斯分量，m＝1，2，wm表示高斯分量权重系数，0≤wm≤1，且满足μm为均值，为方差；步骤2-6、获取潜在鸟声片段，具体为：对于第l帧数据信号，通过计算其对数能量，获取相对应的属于潜在鸟声事件帧集合的后验概率以及其属于环境噪声帧集合的后验概率，对比两个后验概率，若该帧属于潜在鸟声事件帧集合的后验概率大于属于环境噪声帧集合的后验概率，则该帧属于某潜在鸟声片段，若下一帧也符合上述条件，则属于同一潜在鸟声片段，由此获得潜在鸟声片段集合{AE1,AE2,…,AEC}，C为潜在鸟声片段个数；步骤2-7、对步骤2-6获得的潜在鸟声片段进行筛选更新，具体为：(1)获取步骤2-6获得的潜在鸟声片段集合中每个潜在鸟声片段的对数能量，对于第c'个潜在鸟声片段，其片段对数能量为：式中，lsc'表示第c'个潜在鸟声片段的起始帧序号，lec'表示第c'个潜在鸟声片段的结束帧序号；(2)获取C个潜在鸟声片段中的片段能量最大值EM，对于第c'个潜在鸟声片段，若EM-Ec'≥a，则认为该片段能量过低，去除该潜在鸟声片段，a的单位为dB。进一步地，a＝20dB。步骤3、利用自适应滤波算法对步骤2提取出的潜在鸟声片段进行时延估计，其原理图如图2所示,进而获得潜在鸟声片段对应声源的方向估计结果。进一步地，自适应滤波算法采用最小均方自适应滤波算法。进一步地，步骤3利用最小均方自适应滤波算法对步骤2提取出的潜在鸟声片段进行时延估计，进而获得潜在鸟声片段对应声源的方向估计结果，具体为：步骤3-1、麦克风通道i中的第l帧数据信号记为矢量mil；将麦克风通道1作为参考通道，针对麦克风通道2中的第l帧数据信号求取快拍，第j个快拍表示为：xlj＝[m2l(j),m2l(j+1),···,m2l(j+L-1)]T式中，L表示滤波器长度，l表示帧序号，下标j＝1,2,...,Lm-L+1表示第j个快拍，Lm为帧长，上标T表示转置；步骤3-2、求取自相关矩阵Rxx，所用公式为：式中，J＝Lm-L+1表示快拍数量，上标H表示共轭转置；步骤3-3、求取互相关向量rxd，所用公式为：式中，为滤波器的中心点，上标*表示共轭；步骤3-4、根据最小均方算法准则，求取权矢量w，所用公式为：w＝Rxx-1rxdw为长度为L的列向量；步骤3-5、对步骤3-4获得的权矢量w进行峰值检测，记峰值的横坐标为p，则通道1与通道2该帧信号之间的时延点数τ21为：τ21＝p-DL；步骤3-6、对每一帧数据信号重复步骤3-1至3-5，获得通道1与通道2每一帧数据信号之间的时延，以此也能获得多本文档来自技高网...

【技术保护点】
1.一种面向候鸟迁徙活动的声学监测方法，其特征在于，包括以下步骤：步骤1、野外实地连续采集鸟声数据信号，并对采集到的鸟声数据信号进行预处理；步骤2、从步骤1处理后的数据信号中提取潜在鸟声片段；步骤3、利用自适应滤波算法对步骤2提取出的潜在鸟声片段进行时延估计，进而获得潜在鸟声片段对应声源的方向估计结果；步骤4、对步骤3获得的声源方向估计结果进行聚类，根据聚类结果排除轨迹复杂声源以及非过顶声源，实现对候鸟迁徙情况的跟踪。

【技术特征摘要】
1.一种面向候鸟迁徙活动的声学监测方法，其特征在于，包括以下步骤：步骤1、野外实地连续采集鸟声数据信号，并对采集到的鸟声数据信号进行预处理；步骤2、从步骤1处理后的数据信号中提取潜在鸟声片段；步骤3、利用自适应滤波算法对步骤2提取出的潜在鸟声片段进行时延估计，进而获得潜在鸟声片段对应声源的方向估计结果；步骤4、对步骤3获得的声源方向估计结果进行聚类，根据聚类结果排除轨迹复杂声源以及非过顶声源，实现对候鸟迁徙情况的跟踪。2.根据权利要求1所述的面向候鸟迁徙活动的声学监测方法，其特征在于，步骤1所述野外实地连续采集鸟声数据信号，并对采集到的鸟声数据信号进行预处理，具体为：步骤1-1、利用麦克风阵列野外实地连续采集鸟声数据信号；步骤1-2、判断麦克风阵列野外实地连续采集鸟声数据信号的采样率是否完全相同，若存在不同，则对采集到的鸟声数据信号进行重采样以统一采样率；步骤1-3、对步骤1-2处理后的鸟声数据信号进行预加重处理。3.根据权利要求2所述的面向候鸟迁徙活动的声学监测方法，其特征在于，步骤2所述从步骤1处理后的数据信号中提取潜在鸟声片段，具体为：假设麦克风阵列中的麦克风通道以某种顺序进行编号为1,2,...,N，N为麦克风阵列中阵元的总数，选取其中一个麦克风通道作为参考通道；步骤2-1、对麦克风阵列参考通道的数据信号进行分帧以及短时傅里叶变换，第l帧的短时傅里叶变换为：S(k,l)，其中0≤k≤N'/2-1，k为频率序号，l为帧序号，N'为每帧信号进行快速傅里叶变换的点数；步骤2-2、求取每一帧信号的短时能量e(l)，所用公式为：步骤2-3、求取每一帧信号的对数能量le(l)，所用公式为：le(l)＝log10(e(l))；步骤2-4、利用期望最大化算法获取潜在鸟声事件帧集合以及环境噪声帧集合各自的能量分布概率密度函数参数的最大似然估计wm、μm、σm；步骤2-5、利用含有两个高斯分量的帧对数能量分布高斯混合模型拟合帧对数能量分布，其中一个高斯分量对应潜在鸟声事件帧集合对数能量分布的概率密度函数，另一个高斯分量对应环境噪声帧集合对数能量分布的概率密度函数，概率密度函数为：式中，对于第m个高斯分量，m＝1，2，wm表示高斯分量权重系数，0≤wm≤1，且满足μm为均值，为方差；步骤2-6、获取潜在鸟声片段，具体为：对于第l帧数据信号，通过计算其对数能量，获取相对应的属于潜在鸟声事件帧集合的后验概率以及其属于环境噪声帧集合的后验概率，对比两个后验概率，若该帧属于潜在鸟声事件帧集合的后验概率大于属于环境噪声帧集合的后验概率，则该帧属于某潜在鸟声片段，若下一帧也符合上述条件，则属于同一潜在鸟声片段，由此获得潜在鸟声片段集合{AE1,AE2,…,AEC}，C为潜在鸟声片段个数；步骤2-7、对步骤2-6获得的潜在鸟声片段进行筛选更新，具体为：(1)获取步骤2-6获得的潜在鸟声片段集合中每个潜在鸟声片段的对数能量，对于第c'个潜在鸟声片段，其片段对数能量为：式中，lsc'表示第c'个潜在鸟声片段的起始帧序号，lec'表示第c'个潜在鸟声片段的结束帧序号；(2)获取C个潜在鸟声片段中的片段能量最大值EM，对于第c'个潜在鸟声片段，若EM-Ec'≥a，则去除该潜在鸟声片段，a的单位为dB。4.根据权利要求3所述的面向候鸟迁徙活动的声学监测方法，其特征在于，所述a＝20dB。5.根据权利要求1所述的面向候鸟迁徙活动的声学监测方法，其特征在于，步骤3所述自适应滤波算法采用最小均方自适应滤波算法。6.根据权利要求5所述的面向候鸟迁徙活动的声学监测方法，其特征在于，步骤3所述利用最小均方自适应滤波算法对步骤2提取出的潜在鸟声片段进行时延估计，进而获得潜在鸟声片段对应声源的方向估计结果，具体为：步骤3-1、麦克风通道i中的第l帧数据信号记为矢量mil；将麦克风通道1作为参考通道，针对麦克风通道2中的第l帧数据信号求取快拍，第j个快拍表示为：xlj＝[m2l(j),m2l(j+1),···,m2l(j+L-1)]T式中，L表示滤波器长度，l表示帧序号，下标j＝1,2,...,Lm-L+1表示第j个快拍，Lm为帧长，上标T表示转置；步骤3-2、求取自相关矩阵Rxx，所用公式为：式中，J＝Lm-L+1表示快拍数量，上标H表示共轭转置；步骤3-3、求取互相关向量rxd，所用公式为：式中，为滤波器的中心点，上标*表示共轭；步骤3-4、根据最小均方算法准则，求取权矢量w，所用公式为：w＝Rxx-1rxdw为长度为L的列向量；步骤3-5、对步骤3-4获得的权矢量w进行峰值检测，记峰值的横坐标为p，则通道1与通道2该帧信号之间的时延点数τ21为：τ21＝p-DL；步骤3-6、对每一帧数据信号重复步骤3-1至3-5，获得通道1与通道2每一帧数据信号之间的时延，以此也能获得多个通道两两之间数据信号的时...

【专利技术属性】
技术研发人员：赵兆，周文扬，许志勇，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32