[发明专利]一种具有小波变换的朱鹮种群生态体系监测系统及其方法

说明书

本发明涉及一种具有小波变换的朱鹮种群生态体系监测系统，包括业务层、数据层、展示层，业务层通过音频提取设备获取岛上的各种鸟类音频并提供频谱‑时间空间界面进行录制、定位、分析、注解、分类，算法系统作为后台系统通过人工智能声纹识别实现相应的功能，人工智能声纹识别包括噪声去除、多音频分离、自动分类、单一识别，单一识别方法为小波变换识别方法。本发明的监测系统通过朱鹮人工智能识别系统，实现了朱鹮的智能识别；利用深度学习技术，自动识别湿地的朱鹮，依托全景监测，音频识别数据，应用智能技术结合大数据训练集提取识别因子，能够更有效的对朱鹮种群生态体系进行监测。

技术领域

本发明属于鸟类声纹人工智能识别领域，特别涉及一种具有小波变换的朱鹮种群生态体系监测系统及其方法。

背景技术

朱鹮声纹是一种重要的朱鹮学特征，包含有重要的丰富的鸟类学含义，如：物种鉴定交配繁殖模式，社群等级，气质特征，净化适应性等等，基于音频的识别技术可以解决物种识别问题；鸟类声纹可以用来进行鸟类多样性监测，生境中生空间的竞争性和异质性性能能够代表鸟类多样性，对音频的分析可以提供个体、物种、种群、群落、景观水平的多样性信息，快速声纹调查：通过音频只数提取技术，可以快实现快速长期大范围朱鹮种群生态体系的评价监测，通过送完可以分析种群的结构，包括年龄，性别比例，分析事物生存状态，包括情绪、病害、打斗；声景生态学：获得音频民生指数，代表朱鹮种群生态体系的多样性指标，声景生态学提供重要的数据支持。目前针对鸟类声纹的采集、检测、去噪、音频分离、分类、识别等缺少有效的方法。

识别鸟类声纹必要澄清它们的特征(如频谱特性、歌曲或叫声类型)和行为上下文(如方向、位置、相邻关系)之间的精细和详细的关系，使用常规记录或通过人类观察获得这些数据需要花费大量的时间和精力，由于硬件和软件的限制，很多识别方法并不容易实现，而新的无创记录设备的应用则是生态声学的重点。

大多数栖息地中存在的噪声以及许多鸟类群落中同时鸣叫，如何实现朱鹮的识别是很困难的，需要做更多的工作来解决识别所有物种以及它们在多只鸟的嘈杂录音中发声的准确时间的问题。目前的技术都是要通过最多的人工干预来完成，尤其是需要手动将录音分割成鸟类音频音节。小的音频数据的处理通常是手动去噪噪声和/或手动分割实现，并且只有少量物种，这些技术仅用于标记记录，不足以检测发声的确切时间。

大多数鸟类音频的识别技术都是基于对音频频谱图的视觉检查。由人类专家连续识别大量鸟类音频的频谱图是一项极其费时费力的任务。因此，急需自动识别朱鹮的叫声。

鸟类音频的识别在鸟类声学和生态学中越来越重要，作为一种工具，可以促进无人值守的监测、公民科学和其他具有大量音频数据的应用。对于鸟类音频，研究的任务包括识别物种和个体，许多研究只考虑单声道的情况，使用的是孤立或低背景干扰的单个鸟类的记录。从混合音频中分离出单一的鸟类音频是一项具有挑战性的任务，鸟类音频通常包含快速的音调调制，这些调制携带的信息可能在自动识别中有用。

朱鹮音频复杂多变、单调、简短、重复、固定，通常由一连串的音符组成。朱鹮音频通常分为四个层次：音符、音节、短语和鸟声，其中音节在朱鹮的识别中起着重要作用。音节被用来解决朱鹮声音波形重叠的问题。目前所有的相关技术都是提取单个音节的特征，而不是提取鸟叫声的一段特征来进行鸟类物种识别，识别不够准确。

发明内容

针对上述问题，尤其是鸟类声纹的准确精确识别的问题，提出了一种具有小波变换的朱鹮种群生态体系监测系统及其小波变换方法。技术方案为：

一种具有小波变换的朱鹮种群生态体系监测系统，包括业务层、数据层、展示层。

业务层包括用户系统、业务系统、算法系统三大系统，用户系统主要用来管理平台用户操作行为及信息管理；业务系统用于管理整个平台模块之间的业务，包括如音频地址管理、鸟类声纹采集、鸟类音频识别信息等；算法系统通过人工智能声纹识别检测音频中的鸟类的类型并给出合理的检测反馈信息；