System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于多源发声器的声驱网智能监测驱赶方法技术_技高网

基于多源发声器的声驱网智能监测驱赶方法技术

技术编号:41196473 阅读:7 留言:0更新日期:2024-05-07 22:24
本发明专利技术涉及发声器设备技术领域,具体涉及一种基于多源发声器的声驱网智能监测驱赶方法,包括:获取发声装置和每个动物在每个时刻的位置信息;将发声装置和动物分别作为节点,构建每个时间间隔对应的图结构;对每个图结构中每个节点在不同邻域范围下进行聚合获得聚合数据;分别对每个图结构中每个邻域范围下每个节点的聚合数据进行聚类获得聚类结果;结合发声装置对应的节点在预设的标准邻域范围与其他邻域范围下聚类结果中所在类别的节点相似情况以及距离分布情况对每个图结构中每个发声装置对应的节点的影响力表征值进行量化;根据影响力表征值对对应的发声装置进行调整,确定声驱网监测驱赶方法。本发明专利技术能够获得驱赶效果较好的发声装置。

【技术实现步骤摘要】

本专利技术涉及发声器设备,具体涉及一种基于多源发声器的声驱网智能监测驱赶方法


技术介绍

1、大多数动物对声音非常敏感,尤其是高频声音,例如,在对受伤的江豚进行救护时,需要先对受伤的江豚进行捕捞,在捕捞过程中需要将江豚驱赶到适合捕捞的水域,目前较为常用的驱赶方法是通过安装在船底的发声装置对江豚进行驱赶,这种方法在面对较深的水域产生的效果较差,而且单一的发声装置无法保证江豚在水平方向的驱赶。进而出现了采用多源发声器的声驱网对江豚进行驱赶,声驱网可以根据水深调整发声装置的频率和数量,在立体空间的范围内产生多来源的声音,保证声音驱赶的方向性和无害性。但是这种方法常通过经验随机设置的发声装置,使得驱赶效果较差。


技术实现思路

1、为了解决现有方法常通过经验随机设置的发声装置,使得驱赶效果较差的技术问题,本专利技术的目的在于提供一种基于多源发声器的声驱网智能监测驱赶方法,所采用的技术方案具体如下:

2、在不同深度下不同频率下获取每个发声装置的位置信息以及每个动物在每个时刻的位置信息;将发声装置和动物分别作为节点,根据两个节点在相邻两个时刻的时间间隔内之间的距离分布以及相对移动距离确定节点之间的边值,构建每个时间间隔对应的图结构;

3、对每个图结构中每个节点在不同邻域范围下进行聚合,获得每个图结构中每个节点在每个邻域范围下的聚合数据;分别对每个图结构中每个邻域范围下每个节点的聚合数据进行聚类获得每个图结构中每个节点在每个邻域范围下的聚类结果;

4、在每个图结构中根据每个发声装置对应的节点在预设的标准邻域范围与其他邻域范围下聚类结果中所在类别的节点相似情况以及距离分布情况、发声装置节点在标准邻域范围下的聚类结果中的类别分布情况,得到每个图结构中每个发声装置对应的节点的影响力表征值;

5、根据所述影响力表征值对对应的发声装置进行调整,确定声驱网监测驱赶方法。

6、优选地,所述将发声装置和动物分别作为节点,根据两个节点在相邻两个时刻的时间间隔内之间的距离分布以及相对移动距离确定节点之间的边值,构建每个时间间隔对应的图结构,具体包括:

7、将任意一个时刻记为第一时刻,将与第一时刻相邻的时刻记为第二时刻,在第一时刻和第二时刻之间的时间间隔下,将任意一个发声装置对应的节点记为第一节点,将任意一个一个动物对应的节点记为第二节点;

8、对于第一节点与第二节点,获取第二节点在第一时刻与第二时刻的水平方向的坐标值之间的差值绝对值记为第一系数;将在第一时刻下第一节点与第二节点之间的欧氏距离记为第一距离,将在第二时刻下第一节点与第二节点之间的欧氏距离记为第二距离,计算第一距离与第二距离的均值得到第二系数;将所述第一系数和第二系数的比值作为第一节点与第二节点的水平边值;基于所述水平边值构建当前时间间隔对应的水平方向图结构;

9、获取第二节点在第一时刻与第二时刻的垂直方向的坐标值之间的差值绝对值记为第三系数;将第三系数与第二系数的比值作为第一节点与第二节点的垂直边值;基于所述垂直边值构建当前时间间隔对应的垂直方向图结构;

10、图结构包括所述水平方向图结构和垂直方向图结构。

11、优选地,所述每个图结构中每个发声装置对应的节点的影响力表征值的获取方法具体为:

12、对于任意一个图结构的任意一个发声装置对应的节点,将最大的邻域范围作为预设的标准邻域范围,将标准邻域范围下的聚类结果中的类别记为标准类别;

13、根据节点的标准邻域范围下的聚类结果与其他邻域范围下的聚类结果之间类别的重复分布情况,得到每个标准类别的对照类别;

14、根据每个标准类别中每个节点在对照类别中出现的情况,对每个标准类别中每个节点进行筛选获得每个标准类别中的第一特征节点;

15、根据每个标准类别中每两个第一特征节点在对照类别中出现的情况之间的相似性,对第一特征节点进行筛选,获得每个标准类别中的第二特征节点;

16、根据发声装置对应的节点在每个标准类别中的第二特征节点之间的分布相似情况和数量、发声装置对应的节点与每个标准类别中的第二特征节点之间的距离,得到发声装置对应的节点的影响力表征值。

17、优选地,所述根据节点的标准邻域范围下的聚类结果与其他邻域范围下的聚类结果之间类别的重复分布情况,得到每个标准类别的对照类别,具体包括:

18、将除了节点的标准邻域范围之外的其他邻域范围记为参考邻域范围,将节点的标准邻域范围下聚类结果中任意一个标准类别记为目标标准类别;

19、对于任意一个参考邻域范围,计算目标标准类别与参考邻域范围内每个类别之间相同节点的数量的归一化值得到参考邻域范围内每个类别的交并比,将所有类别的交并比的最大值对应的类别作为目标标准类别在参考邻域范围内的对照类别。

20、优选地,所述根据每个标准类别中每个节点在对照类别中出现的情况,对每个标准类别中每个节点进行筛选获得每个标准类别中的第一特征节点,具体包括:

21、将目标标准类别中任意一个节点记为选定节点,计算选定节点在目标标准节点类别的每个对照类别中出现的次数的归一化值得到选定节点的类别归属度;

22、若选定节点的类别归属度大于预设的归属阈值,则将选定节点记为目标标准类别的第一特征节点。

23、优选地,所述根据每个标准类别中每两个第一特征节点在对照类别中出现的情况之间的相似性,对第一特征节点进行筛选,获得每个标准类别中的第二特征节点,具体包括:

24、对于任意一个第一特征节点,获取第一特征节点在目标标准类别的所有对照类别中出现过的类别对应的邻域范围构成第一特征节点的出现邻域序列;

25、计算每两个第一特征节点的出现邻域序列之间的dtw距离的负相关归一化值得到每两个第一特征节点的关联程度;将关联程度大于预设的关联阈值对应的第一特征节点记为第二特征节点。

26、优选地,所述根据发声装置对应的节点在每个标准类别中的第二特征节点之间的分布相似情况和数量、发声装置对应的节点与每个标准类别中的第二特征节点之间的距离,得到发声装置对应的节点的影响力表征值,具体包括:

27、对于任意一个第二特征节点,计算发声装置对应的节点在目标标准类别中的第二特征节点与其他第二特征节点之间的关联程度的均值得到第一特征系数;

28、将发声装置对应的节点在目标标准类别中的第二特征节点的数量作为第二特征系数,将发声装置对应的节点与目标标准类别中的第二特征节点之间的欧氏距离的均值作为第三特征系数;计算第一特征系数、第二特征系数和第三特征系数的乘积作为目标标准类别中第二特征节点的受影响参数;

29、计算发声装置对应的节点在所有标准类别中第二特征点的受影响参数的累加和得到发声装置对应的节点的影响力表征值。

30、优选地,所述根据所述影响力表征值对对应的发声装置进行调整,具体包括:

31、对于任意一个时间间隔,将水平方向图本文档来自技高网...

【技术保护点】

1.一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述将发声装置和动物分别作为节点,根据两个节点在相邻两个时刻的时间间隔内之间的距离分布以及相对移动距离确定节点之间的边值,构建每个时间间隔对应的图结构,具体包括:

3.根据权利要求1所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述每个图结构中每个发声装置对应的节点的影响力表征值的获取方法具体为:

4.根据权利要求3所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述根据节点的标准邻域范围下的聚类结果与其他邻域范围下的聚类结果之间类别的重复分布情况,得到每个标准类别的对照类别,具体包括:

5.根据权利要求4所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述根据每个标准类别中每个节点在对照类别中出现的情况,对每个标准类别中每个节点进行筛选获得每个标准类别中的第一特征节点,具体包括:

6.根据权利要求5所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述根据每个标准类别中每两个第一特征节点在对照类别中出现的情况之间的相似性,对第一特征节点进行筛选,获得每个标准类别中的第二特征节点,具体包括:

7.根据权利要求6所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述根据发声装置对应的节点在每个标准类别中的第二特征节点之间的分布相似情况和数量、发声装置对应的节点与每个标准类别中的第二特征节点之间的距离,得到发声装置对应的节点的影响力表征值,具体包括:

8.根据权利要求2所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述根据所述影响力表征值对对应的发声装置进行调整,具体包括:

9.根据权利要求1所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述对每个图结构中每个节点在不同邻域范围下进行聚合,获得每个图结构中每个节点在每个邻域范围下的聚合数据,具体包括:

10.根据权利要求1所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述图结构中发声装置对应的节点与发声装置对应的节点之间不存在边的连接。

...

【技术特征摘要】

1.一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述将发声装置和动物分别作为节点,根据两个节点在相邻两个时刻的时间间隔内之间的距离分布以及相对移动距离确定节点之间的边值,构建每个时间间隔对应的图结构,具体包括:

3.根据权利要求1所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述每个图结构中每个发声装置对应的节点的影响力表征值的获取方法具体为:

4.根据权利要求3所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述根据节点的标准邻域范围下的聚类结果与其他邻域范围下的聚类结果之间类别的重复分布情况,得到每个标准类别的对照类别,具体包括:

5.根据权利要求4所述的一种基于多源发声器的声驱网智能监测驱赶方法,其特征在于,所述根据每个标准类别中每个节点在对照类别中出现的情况,对每个标准类别中每个节点进行筛选获得每个标准类别中的第一特征节点,具体包括:

6.根据权利要求5所述的一种基于多源发声...

【专利技术属性】
技术研发人员:梅志刚王克雄郑劲松余秉芳范飞
申请(专利权)人:中国科学院水生生物研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1