[发明专利]应用蝙蝠回声定位声波测定识别蝙蝠种类的方法

摘要

本发明属于动物种类测定识别方法，具体涉及应用蝙蝠回声定位声波测定识别蝙蝠种类的方法。本发明通过对蝙蝠回声定位声波信号的采集、信号预处理和识别等步骤，根据统计学的原理判断特定研究区内蝙蝠种类及分布情况，并可能发现新的蝙蝠物种。本发明对四种菊头蝠的回声定位声波进行三层小波包分解，提取各频率通道的能量作为特征参数，然后用训练样本对BP神经网络进行训练，使其能够根据输入参数识别四种菊头蝠。用未用于训练的声波样本检验，四种菊头蝠的识别率可同时达到97％以上。

主权项

1.应用蝙蝠回声定位声波测定识别蝙蝠种类的方法，其特征是主要有以下步骤：(1)、信号采集：信号采样是通过使用超声波监听仪接收超声波，采样频率441kHz，通过线路传输到超声波处理仪将超声波转换为原频率的1/10后，通过线路传送至DSP缓冲区；(2)、蝙蝠个体回声定位信号的获得：蝙蝠个体叫声信号的获得需要解决两个问题，一是有无蝙蝠叫声的判断；二是群体叫声和个体叫声的区别：无蝙蝠叫声的判断，采用短时能量方法检测叫声信号，排除无声段，信号x(t)的能量函数定义为E(t)＝∫x2(t)dt，对x2(t)在某时间段内做定积分得到的是信号x(t)在该段时间内的能量值，在几何意义上也就是该时间段内的能量函数与时间轴包围的面积的大小，有蝙蝠叫声时信号的能量值将明显大于无蝙蝠叫声时的能量值，于是可以根据信号的能量函数给出一个能量阈值Eth，能量值大于Eth的为有声信号段，小于Eth的为无声信号段；具体步骤如下：首先对获得的声信号进行分帧，根据能量函数公式求出每帧内的能量值，做出其短时能量谱，假设前几帧是噪声帧，计算出它们的平均能量值A，将A的1.5倍作为门限值，再选定合适的积分区间的长度T，当信号在时间t1其幅值大于A的1.5倍时，就从t1开始对能量函数进行积分，积分长度为T，得到的积分值就是被测信号在t1到t1+T之间的能量值，如果该能量值小于能量阈值Eth，说明在t1到t1+T之间无蝙蝠叫声，即无声段，该段信号不进入下一步处理；群体叫声和个体叫声的判断根据蝙蝠声波的声脉冲持续时间和频域特征来实现，群体叫声是一种统计声学现象，信号属于宽带噪声，且持续时间长；蝙蝠个体叫声分为扫频声和恒频声及准恒频声，这几种个体叫声方式与蝙蝠群体叫声的差异非常大，即个体叫声持续时间长则频带窄，频带宽则持续时间短，以及个体叫声持续时间有限等特征，通过这些特征可以排除群体声波段，采获蝙蝠个体回声定位声波信号；(3)、特征量的确定与优化及神经网络分类器的训练：该步采用离线方式先期进行，将已知的蝙蝠叫声样本进行声波特征参数提取和小波包通道能量参数提取，组成特征参数集合，利用粗糙集对属性重要性的分析方法，对特征参数集合中的各个参数分类功能的重要性进行比较，得到各个参数对蝙蝠分类重要程度的排序，将重要程度相对微小的参数剔除，从而达到参量指标优化的目的，可以用来进行蝙蝠种类鉴别的参数集合构成蝙蝠种类特征向量，张成一个特征空间，在这个空间里，相同种类蝙蝠特征向量之间的距离明显小于不同种类蝙蝠特征向量之间的距离，采用比较成熟的BP神经网络，形成的特征向量作为神经网络的输入向量，欲识别的蝙蝠种类作为神经网络的输出向量，输出向量的维度要多于待测地区已知蝙蝠种类数，多出的维度作为未知种类识别的备用端，用训练样本对BP神经网络进行训练，使其能够根据输入参数识别已知蝙蝠种类，并对未知种类给出提示信号；(4)、已知种类的识别与统计：对采获的个体蝙蝠回声信号按优化好的特征量集合进行特征量提取，并输入到已训练过的BP神经网络中，若信号为已知种类蝙蝠的叫声，则对蝙蝠进行种类识别和统计，若信号为未知种类的蝙蝠叫声则给出标示，便于发现和研究未知种类的蝙蝠，通过对识别次数和结果的纪录，统计被测区域蝙蝠种类的分布比例。