[发明专利]一种鸟鸣声智能识别方法、装置、设备和介质

权利要求书

1.一种鸟鸣声智能识别方法，其特征在于，包括：

获取原始鸟鸣声信号；

采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号；

从所述目标鸟鸣声信号中提取目标特征；

根据所述目标特征训练得到目标分类模型；

通过所述目标分类模型对待识别鸟鸣声进行识别，确定所述待识别鸟鸣声的识别结果；

所述根据所述目标特征训练得到目标分类模型，包括：

获取所述目标特征中包含的MFCC参数作为分类模型的输入数据，并根据所述输入数据进行训练；所述分类模型采用DenseNet和BLSTM结合的网络结构；

采用交叉熵函数作为所述分类模型的损失函数，将所述分类模型训练得到目标分类模型；

其中，所述DenseNet包括密集块和过渡层；

所述密集块中的非线性组合函数包括批归一化结构、激活函数结构和3×3的卷积结构；

所述DenseNet还包括1×1的卷积操作；

所述过渡层包括两个相邻的密集块；

所述BLSTM包括前向的长短时记忆网络和后向的长短时记忆网络。

2.根据权利要求1所述的一种鸟鸣声智能识别方法，其特征在于，所述采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号这一步骤之前，还包括：

将所述原始鸟鸣声信号中幅度最大的点放大到设定阈值；

记录放大过程中幅度最大的点的放大比例；

根据所述放大比例，将所述原始鸟鸣声信号中所有点进行放大处理。

3.根据权利要求1所述的一种鸟鸣声智能识别方法，其特征在于，所述采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号，包括：

计算所述原始鸟鸣声信号的先验信噪比，确定所述原始鸟鸣声信号中的鸟鸣声帧和噪声帧；

通过最大后验估计器对所述噪声帧进行降噪处理，得到已降噪的目标鸟鸣声文件和每一帧鸟鸣声存在概率的文件。

4.根据权利要求3所述的一种鸟鸣声智能识别方法，其特征在于，所述采用最大后验估计器对所述原始鸟鸣声信号进行降噪处理，得到目标鸟鸣声信号这一步骤之后，还包括：

对所述目标鸟鸣声信号进行分割处理，去除所述目标鸟鸣声信号中的静音段；

根据所述每一帧鸟鸣声存在概率的文件，将所述目标鸟鸣声进行分段处理，得到数据维度一致的多个鸟鸣声片段。

5.根据权利要求1所述的一种鸟鸣声智能识别方法，其特征在于，从所述目标鸟鸣声信号中提取目标特征，包括：

通过一阶高通滤波器对所述目标鸟鸣声信号进行预加重处理，得到第一鸟鸣声信号；

按照预设的帧长，对所述第一鸟鸣声信号进行分帧处理，得到第二鸟鸣声信号；

对所述第二鸟鸣声信号进行加窗处理，得到第三鸟鸣声信号；

对所述第三鸟鸣声信号进行快速傅里叶变换处理，得到第四鸟鸣声信号；

通过梅尔滤波器组对所述第四鸟鸣声信号进行平滑化处理，得到第五鸟鸣声信号；

对所述第五鸟鸣声信号进行对数运算，得到对数能量；

对所述对数能量进行离散余弦变换，得到MFCC参数；

根据所述MFCC参数，对所述第五鸟鸣声信号进行差分变换，得到目标特征。

6.根据权利要求1所述的一种鸟鸣声智能识别方法，其特征在于，通过所述目标分类模型对待识别鸟鸣声进行识别，确定所述待识别鸟鸣声的识别结果，包括：

通过所述目标分类模型对待识别鸟鸣声进行识别，得到初始识别结果；通过基于贝叶斯决策的数据融合规则，对所述初始识别结果进行归类验证，确定所述待识别鸟鸣声的识别结果。