【技术实现步骤摘要】
一种基于声学分析的羊反刍行为监测方法
本专利技术涉及动物声学分析、传感器技术、无线传输技术、自动化控制
具体讲一种基于智能穿戴设备实时采集、分析羊反刍行为的方法,此方法可对羊的健康状况波动进行提前预警。
技术介绍
反刍行为是羊的一个重要消化生理特征,它与羊的健康和生产性能都有一定关系,是衡量羊健康状况的一个重要指标。反刍行为是指反刍动物在食物消化前将食进的食物再逆出、咀嚼,然后吞咽的连续动作,羊反刍行为发生的次数或持续时间的减少被解释为压力、焦虑、疾病的指标,而反刍行为发生的次数或持续时间的增加与更多的唾液分泌和改善瘤胃健康相关。羊的反刍行为发生时间不固定,分布在一天中的不定阶段,在放牧状态下,由于羊的分布范围较广,此阶段发生的反刍行为难以被监测。目前无线通信及传感器技术已经在农业生产领域中得到广泛应用,在无线通信技术的支撑下,可以远程采集羊声音数据,利用声学分析技术自动检测羊各时间段内发生的反刍行为。无线录音技术快速发展,利用小巧的无线声音传感器可以实时地将羊各状态下产生的声音信号传回到下位机进行处理分析。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是实现羊反刍行为的精准监测,推动羊的福利化、精细化养殖。(二)本专利技术的技术方案是为解决上述问题,本专利技术提出一种基于声学分析的羊反刍行为监测方法,其特征在于它包括以下步骤(S1至S5):S1、无线声音传感器实时采集羊各状态下的长时声音信号L(t),将长时 ...
【技术保护点】
1.一种基于声学分析的羊反刍行为监测方法,其特征在于它包括以下步骤(S1至S5):/nS1、无线声音传感器实时采集羊各状态下的长时声音信号L(t),将长时声音信号L(t)传输到下位机。/nS2、下位机设置运算间隔为δ,对前一时间段内获取的长时声音信号进行预处理、端点检测、反刍行为识别。/nS2-1、导入长时声音信号L(t),应用最小均方差对数谱幅度(MMSE-LSA)算法对L(t)进行预处理降噪,预处理降噪后得到的纯净长时信号记为L′(t);/nS2-2、对L′(t)进行分帧、加窗处理,将纯净长时声音信号L′(t)分为一帧一帧的短时信号,计算每帧短时信号的短时能量和短时过零率;/n短时能量的计算公式为:/n
【技术特征摘要】
1.一种基于声学分析的羊反刍行为监测方法,其特征在于它包括以下步骤(S1至S5):
S1、无线声音传感器实时采集羊各状态下的长时声音信号L(t),将长时声音信号L(t)传输到下位机。
S2、下位机设置运算间隔为δ,对前一时间段内获取的长时声音信号进行预处理、端点检测、反刍行为识别。
S2-1、导入长时声音信号L(t),应用最小均方差对数谱幅度(MMSE-LSA)算法对L(t)进行预处理降噪,预处理降噪后得到的纯净长时信号记为L′(t);
S2-2、对L′(t)进行分帧、加窗处理,将纯净长时声音信号L′(t)分为一帧一帧的短时信号,计算每帧短时信号的短时能量和短时过零率;
短时能量的计算公式为:
式(1)中,En为短时能量,h(n)=ω(n)2,ω(n)2表示窗口函数;
短时过零率的计算公式为:
式(2)中,sgn[x]是符号函数,即:
S2-3、基于上述短时能量和短时过零率将纯净长时声音信号L′(t)分割为静默声音样本和非静默声音样本,设置非静默声音样本集合为C(n),C(n)中存在羊的多种行为信息,包括:咬断牧草声音信号、咀嚼牧草声音信号、反刍回流声音信号、反刍咀嚼声音信号、反刍吞咽声音信号、非加性噪声信号;
S2-4、提取非静默声音样本集合中每个声音信号的重构动态差分小波-梅尔倒谱系数(PDW-MFCC);
步骤S2-4中,提取PDW-MFCC的步骤包括:
S2-4-1、对非静默声音样本集合C(n)中的每个声音样本进行预加重、分帧、加窗处理,预加重对声音在高频部分的损失进行补偿,分帧将连续的声信号分割为短时信号,加窗降低频谱泄露,增强信号之间的连续性,其本质是在声音信号交叠分帧的基础上再乘以一个窗函数;
本发明选用汉明窗作为窗函数,其表达式为:
H(z)=1-αz-1,0.9≤α≤1.0(4)
式(4)中α表示预加重系数,此处α取0.93;式(5)中,N为窗长;
S2-4-2、对非静默声音样本集合C(n)中的声音样本进行离散小波变换得到频谱函数W(j,k);
W(j,k)的定义为:
式(6)中a、j是尺度因子;b、k是位移因子;ψ(t)是小波函数,ψ*(t)是ψ(t)的共轭形式;
S2-4-3、基于离散小波变换得到的频谱函数W(j,k),通过由16个三角滤波器组成的滤波器组进行平滑并消除谐波;
三角滤波器的频率响应定义为:
式(7)中,
S2-4-4、计算每个滤波器组输出的对数能量ds(m),计算公式为:
S2-4-5、离散余弦变换(DCT)可以将ds(m)映射到倒谱域,计算W_MFCC参数,其定义为:
S2-4-5、提取W_MFCC动态差分参数(包括一阶差分和二阶差分)记为DW-MFCC,差分参数的计算公式为:
式(4)中,dt表示第t个一阶差分,Ct表示第t个倒谱系数;
S2-4-6、将W_MFCC与DW-MFCC合并为一个矩阵,对此矩阵进行PCA降维,取累计贡献率在85%以上的特征向量构成PDW-MF...
【专利技术属性】
技术研发人员:陆明洲,段光辉,张生福,沈明霞,杨伟忠,梁钊董,姜春鑫,张海林,
申请(专利权)人:南京农业大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。