[发明专利]一种基于被动声学的海上风电场生物监测方法及系统有效
申请号: | 202010950014.5 | 申请日: | 2020-09-10 |
公开(公告)号: | CN112185396B | 公开(公告)日: | 2022-03-25 |
发明(设计)人: | 陈焱琨;董超;周德富;王伟平;蒋俊杰;欧阳永忠 | 申请(专利权)人: | 国家海洋局南海调查技术中心(国家海洋局南海浮标中心) |
主分类号: | G10L17/26 | 分类号: | G10L17/26;G10L17/06;G10L21/0208;G10L21/0272 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郭浩辉;麦小婵 |
地址: | 510300 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 被动 声学 海上 电场 生物 监测 方法 系统 | ||
1.一种基于被动声学的海上风电场生物监测方法,其特征在于,至少包括如下步骤:
通过组成阵列的若干台水听器获取风电场海域生物发生的音频流、船舶噪声以及海上风电场施工噪音,并转换为电信号进行存储;
在触发预设采集条件后,通过声学信号采集卡对所述水听器采集的原始音频数据进行水下生物声音采集,在采集完成后转换得到对应的数字音频信号;
通过预设声音程序过滤所述数字音频信号中的海洋背景噪声信号,并分离和标记出海洋生物声音信号、船舶噪声信号和海上风电场施工噪音信号;
采用NI LabVIEW程序实时显示并分析所述海洋生物声音信号,分析得到所述海洋生物声音信号对应的海洋生物数据,以使根据所述海洋生物数据完成海上风电场的生物监测;
所述分离和标记出海洋生物声音信号、船舶噪声信号和海上风电场施工噪音信号,包括:
预先分别对所述海洋生物声音信号、船舶噪声信号和海上风电场施工噪音信号的时间特征和频率特性进行特征分析;
采用能量检测算法对所述数字音频信号进行检测和分类,提取出目标信号并进行分类;
所述采用能量检测算法对所述数字音频信号进行检测和分类,提取出目标信号并进行分类,具体为:
采用模板匹配以及带限能量和方法从所述数字音频信号中提取出目标信号;
对所述目标信号的特征参数进行统计分析后,通过神经网络和深度学习算法对所述目标信号进行分类识别;
在完成分类识别后进行人工校正和标注。
2.根据权利要求1所述的基于被动声学的海上风电场生物监测方法,其特征在于,还包括:
通过所述NI LabVIEW程序中的声音与振动信号处理工具包以及自定义声音处理代码对所述海洋生物数据进行在线分析。
3.根据权利要求1所述的基于被动声学的海上风电场生物监测方法,其特征在于,还包括:
在所述水听器放置前,对所述水听器进行参数设定;其中,所述参数包括采样率、采样间隔和启动录音时间。
4.根据权利要求1所述的基于被动声学的海上风电场生物监测方法,其特征在于,所述预设采集条件,具体为:
通过NI LabVIEW程序实时FFT分析所述水听器采集的原始音频数据,当判定所述原始音频数据中的频率大于预设阈值时,开始水下生物的声音采集。
5.根据权利要求1所述的基于被动声学的海上风电场生物监测方法,其特征在于,所述采用NI LabVIEW程序实时显示并分析所述海洋生物声音信号,分析得到所述海洋生物声音信号对应的海洋生物数据,具体为:
采用NI LabVIEW程序分析所述海洋生物声音信号的时间特性、频率特性和声谱特性,得到对应的时域特征参数、频域特征参数和时频域特征参数;
将所述时域特征参数、频域特征参数和时频域特征参数输入至预设的分类算法中,通过神经网络和深度学习算法进行分类识别,得到对应的海洋生物数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家海洋局南海调查技术中心(国家海洋局南海浮标中心),未经国家海洋局南海调查技术中心(国家海洋局南海浮标中心)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010950014.5/1.html,转载请声明来源钻瓜专利网。