專利名稱：應(yīng)用蝙蝠回聲定位聲波測定識別蝙蝠種類的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于動物種類測定識別方法，具體涉及應(yīng)用蝙蝠回聲定位聲波測定識別蝙蝠種 類的方法背景技術(shù)蝙蝠屬哺乳綱翼手目(Chiroptera)，是世界上分布最廣、進(jìn)化最成功的哺乳動物類群 之一，具有特殊的回聲定位生態(tài)行為，同時，蝙蝠主要以昆蟲為食，是森林病蟲害最有效 的防治者。然而近年來，由于生境破碎化、人為濫殺等原因，蝙蝠種群的數(shù)量逐年下降， 對其開展深入研究和保護(hù)工作迫在眉睫。但在對蝙蝠的保護(hù)和研究中，由于蝙蝠活動習(xí)性 和行為的特殊性，捕捉和種類鑒別都具有一定的難度。目前主要通過蝙蝠形態(tài)特征觀察鑒 定蝙蝠的種類，但鑒定的準(zhǔn)確度依賴于研究者的經(jīng)驗和能力。蝙蝠幾乎完全靠回聲定位捕食獵物并獲得關(guān)于周圍生態(tài)環(huán)境的信息，回聲定位的研究 在國際上一直是蝙蝠研究中的熱點和重點。同時，同種蝙蝠個體的回聲定位聲波具有相對 一致性，而種間聲波信號具有一定的差異性，因此，種間回聲定位聲波的比較研究可以確 定研究區(qū)域內(nèi)蝙蝠的種類，并闡明種間差異與蝙蝠捕食策略的相關(guān)性。關(guān)于蝙蝠的聲學(xué)研究使用的通常是多變量統(tǒng)計，尤其是判別功能分析?；谂袆e功能 分析原理的探測儀器對蝙蝠通常只能鑒定到屬的水平，很難鑒別到種的水平。近幾年，一 些學(xué)者將回聲定位聲波與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合判別蝙蝠種類(Vaughan 1997b; Fukui " a/.,2004)，例如Burnett和Masters應(yīng)用人工神經(jīng)網(wǎng)絡(luò)中的信息反饋網(wǎng)絡(luò)和自組圖方法將大棕蝠 不同個體的叫聲進(jìn)行歸類，能準(zhǔn)確地識別出50%的個體；Parsons禾Q Jones應(yīng)用這項技術(shù)對 英國12種蝙蝠進(jìn)行分類，準(zhǔn)確率達(dá)到87%。發(fā)明內(nèi)容為了統(tǒng)計某一區(qū)域蝙蝠種類及數(shù)量分布情況，克服研究人員野外工作的困難，本發(fā)明 提供一種根據(jù)蝙蝠聲波自動測定識別蝙蝠種類及統(tǒng)計蝙蝠數(shù)量的方法。 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是系統(tǒng)由信號采集模塊、信號預(yù)處理模塊 和識別模塊三部分組成。信號采集模塊由超聲波監(jiān)聽儀(U30 , Ultra Sound Advice , UK)和 超聲波處理儀(PUSP , Ultra Sound Advice , UK)組成；信號預(yù)處理模塊由DSP， FLASH 和數(shù)據(jù)RAM組成，對采樣模塊送來的數(shù)據(jù)進(jìn)行預(yù)處理，對采樣信號進(jìn)行端點檢測，并將 個體聲波提取出來；識別模塊包括特征向量提取(包括回聲定位聲波特征及小波包分解能 量參數(shù))以及神經(jīng)網(wǎng)絡(luò)識別。在本系統(tǒng)中，軟件處理部分由端點檢測、特征參數(shù)提取、神 經(jīng)網(wǎng)絡(luò)識別三部分組成。該發(fā)明通過對回聲定位聲波的采集和處理，能夠根據(jù)統(tǒng)計學(xué)的原理判斷特定研究區(qū)內(nèi) 蝙蝠種類及分布情況，并可能發(fā)現(xiàn)本系統(tǒng)數(shù)據(jù)庫中未有的蝙蝠種類，便于研究人員發(fā)現(xiàn)新 的蝙蝠物種。本發(fā)明對四種菊頭蝠的回聲定位聲波進(jìn)行三層小波包分解，提取各頻率通道 的能量作為特征參數(shù)，然后用訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其能夠根據(jù)輸入?yún)?shù) 識別四種菊頭蝠。用未用于訓(xùn)練的聲波樣本檢驗，四種菊頭蝠的識別率可同時達(dá)到97%以 上。


附圖為應(yīng)用蝙蝠回聲定位聲波測定識別蝙蝠種類的方法的步驟示意圖。
具體實施方式
應(yīng)用蝙蝠回聲定位聲波測定識別蝙蝠種類的方法主要有以下步驟1、 信號采集信號采樣是通過使用超聲波監(jiān)聽儀接收超聲波(采樣頻率441kHz)， 通過線路傳輸?shù)匠暡ㄌ幚韮x將超聲波轉(zhuǎn)換為原頻率的1/10后，通過線路傳送至DSP緩沖 區(qū)；2、 蝙蝠個體回聲定位信號的獲得蝙蝠個體叫聲信號的獲得需要解決兩個問題，一 是有無蝙蝠叫聲的判斷；二是群體叫聲和個體叫聲的區(qū)別。有無蝙蝠叫聲的判斷，從信號處理的角度屬于端點檢測問題。端點檢測的方法很多， 本系統(tǒng)采用短時能量方法檢測叫聲信號，排除無聲段。短時能量法是對聲信號進(jìn)行分析的 一種基本方法，信號x (t )的能量函數(shù)定義為E(t^f (f)&，對x2(11)在某時間段內(nèi)做定積分得到的是信號x (t )在該段時間內(nèi)的能量值，在幾何意義上也就是該時間段內(nèi)的能 量函數(shù)與時間軸包圍的面積的大小。由于超聲衰減比可聞聲要大得多，所以，超聲頻段的
背景噪聲很低，有蝙蝠叫聲時信號的能量值(即函數(shù)與時間軸包圍的面積)將明顯大于無 蝙蝠叫聲時的能量值(即函數(shù)與時間軸包圍的面積)。于是我們可以根據(jù)信號的能量函數(shù) 給出一個能量閾值Eth，能量值大于Eth的為有聲信號段，小于Eth的為無聲信號段。具 體步驟如下首先對獲得的聲信號進(jìn)行分幀，根據(jù)能量函數(shù)公式求出每幀內(nèi)的能量值，做出其短時能量譜。假設(shè)前幾幀是噪聲幀，計算出它們的平均能量值A(chǔ)，將A的1.5倍作為 門限值。再選定合適的積分區(qū)間的長度T。當(dāng)信號在時間t,其幅值大于A的1.5倍時，就從t,開始對能量函數(shù)進(jìn)行積分，積分長度為T，得到的積分值就是被測信號在t,到t,+T之間的能量值。如果該能量值小于能量閾值Eth，說明在^到、+T之間無蝙蝠叫聲，即無聲段，該段信號不進(jìn)入下一步處理；群體叫聲和個體叫聲的判斷根據(jù)蝙蝠聲波的聲脈沖持續(xù)時間和頻域特征來實現(xiàn)。群體叫聲是一種統(tǒng)計聲學(xué)現(xiàn)象，信號屬于寬帶噪聲，且持續(xù)時間長。已有研究表明，蝙蝠個體 叫聲分為掃頻聲(調(diào)頻聲)(FM)和恒頻聲(CF)及準(zhǔn)恒頻聲(QCF)，這幾種個體叫聲方式 與蝙蝠群體叫聲的差異非常大，即個體叫聲持續(xù)時間長則頻帶窄，頻帶寬則持續(xù)時間短， 以及個體叫聲持續(xù)時間有限等特征，通過這些特征可以排除群體聲波段，采獲蝙蝠個體回 聲定位聲波信號。3、 特征量的確定與優(yōu)化及神經(jīng)網(wǎng)絡(luò)分類器的訓(xùn)練該部分工作采用離線方式先期進(jìn) 行。將己知的蝙蝠叫聲樣本進(jìn)行聲波特征參數(shù)提取和小波包通道能量參數(shù)提取，組成特征 參數(shù)集合，利用粗糙集對屬性重要性的分析方法，對特征參數(shù)集合中的各個參數(shù)分類功能的 重要性進(jìn)行比較,得到各個參數(shù)對蝙蝠分類重要程度的排序，將重要程度相對微小的參數(shù)剔 除，從而達(dá)到參量指標(biāo)優(yōu)化的目的?？梢杂脕磉M(jìn)行蝙蝠種類鑒別的參數(shù)集合構(gòu)成蝙蝠種類 特征向量，張成一個特征空間。在這個空間里，相同種類蝙蝠特征向量之間的距離明顯小 于不同種類蝙蝠特征向量之間的距離。采用比較成熟的BP神經(jīng)網(wǎng)絡(luò)，形成的特征向量作為 神經(jīng)網(wǎng)絡(luò)的輸入向量，欲識別的蝙蝠種類作為神經(jīng)網(wǎng)絡(luò)的輸出向量，輸出向量的維度要多 于待測地區(qū)己知蝙蝠種類數(shù)，多出的維度作為未知種類識別的備用端。用訓(xùn)練樣本對BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其能夠根據(jù)輸入?yún)?shù)識別已知蝙蝠種類，并對未知種類給出提示信 號。4、 已知種類的識別與統(tǒng)計對采獲的個體蝙蝠回聲信號按優(yōu)化好的特征量集合進(jìn)行 特征量提取，并輸入到己訓(xùn)練過的BP神經(jīng)網(wǎng)絡(luò)中，若信號為已知種類蝙蝠的叫聲，則對蝙 蝠進(jìn)行種類識別和統(tǒng)計，若信號為未知種類的蝙蝠叫聲則給出標(biāo)示，便于研究人員發(fā)現(xiàn)和
研究未知種類的蝙蝠。通過對識別次數(shù)和結(jié)果的紀(jì)錄，統(tǒng)計被測區(qū)域蝙蝠種類的分布比例， 為研究人員保護(hù)蝙蝠提供幫助。5、未知種類信號的處理若信號為未知種類的蝙蝠叫聲時，系統(tǒng)給出表示，并將該 信號存入未知信號數(shù)據(jù)庫。對于樣本足夠多的未知信號數(shù)據(jù)庫進(jìn)行神經(jīng)網(wǎng)絡(luò)聚類分析，以 確定未知蝙蝠種類數(shù)，并將結(jié)果提供給研究人員。新的蝙蝠種類確定后可作為己知樣本對 神經(jīng)網(wǎng)絡(luò)進(jìn)行再訓(xùn)練，擴(kuò)展神經(jīng)網(wǎng)絡(luò)的識別種類。
權(quán)利要求
1、應(yīng)用蝙蝠回聲定位聲波測定識別蝙蝠種類的方法，其特征是主要有以下步驟(1)、信號采集信號采樣是通過使用超聲波監(jiān)聽儀接收超聲波，采樣頻率441kHz，通過線路傳輸?shù)匠暡ㄌ幚韮x將超聲波轉(zhuǎn)換為原頻率的1/10后，通過線路傳送至DSP緩沖區(qū)；(2)、蝙蝠個體回聲定位信號的獲得蝙蝠個體叫聲信號的獲得需要解決兩個問題，一是有無蝙蝠叫聲的判斷；二是群體叫聲和個體叫聲的區(qū)別無蝙蝠叫聲的判斷，采用短時能量方法檢測叫聲信號，排除無聲段，信號x(t)的能量函數(shù)定義為E(t)＝∫x2(t)dt，對x2(t)在某時間段內(nèi)做定積分得到的是信號x(t)在該段時間內(nèi)的能量值，在幾何意義上也就是該時間段內(nèi)的能量函數(shù)與時間軸包圍的面積的大小，有蝙蝠叫聲時信號的能量值將明顯大于無蝙蝠叫聲時的能量值，于是可以根據(jù)信號的能量函數(shù)給出一個能量閾值Eth，能量值大于Eth的為有聲信號段，小于Eth的為無聲信號段；具體步驟如下首先對獲得的聲信號進(jìn)行分幀，根據(jù)能量函數(shù)公式求出每幀內(nèi)的能量值，做出其短時能量譜，假設(shè)前幾幀是噪聲幀，計算出它們的平均能量值A(chǔ)，將A的1.5倍作為門限值，再選定合適的積分區(qū)間的長度T，當(dāng)信號在時間t1其幅值大于A的1.5倍時，就從t1開始對能量函數(shù)進(jìn)行積分，積分長度為T，得到的積分值就是被測信號在t1到t1+T之間的能量值，如果該能量值小于能量閾值Eth，說明在t1到t1+T之間無蝙蝠叫聲，即無聲段，該段信號不進(jìn)入下一步處理；群體叫聲和個體叫聲的判斷根據(jù)蝙蝠聲波的聲脈沖持續(xù)時間和頻域特征來實現(xiàn)，群體叫聲是一種統(tǒng)計聲學(xué)現(xiàn)象，信號屬于寬帶噪聲，且持續(xù)時間長；蝙蝠個體叫聲分為掃頻聲和恒頻聲及準(zhǔn)恒頻聲，這幾種個體叫聲方式與蝙蝠群體叫聲的差異非常大，即個體叫聲持續(xù)時間長則頻帶窄，頻帶寬則持續(xù)時間短，以及個體叫聲持續(xù)時間有限等特征，通過這些特征可以排除群體聲波段，采獲蝙蝠個體回聲定位聲波信號；(3)、特征量的確定與優(yōu)化及神經(jīng)網(wǎng)絡(luò)分類器的訓(xùn)練該步采用離線方式先期進(jìn)行，將已知的蝙蝠叫聲樣本進(jìn)行聲波特征參數(shù)提取和小波包通道能量參數(shù)提取，組成特征參數(shù)集合，利用粗糙集對屬性重要性的分析方法，對特征參數(shù)集合中的各個參數(shù)分類功能的重要性進(jìn)行比較，得到各個參數(shù)對蝙蝠分類重要程度的排序，將重要程度相對微小的參數(shù)剔除，從而達(dá)到參量指標(biāo)優(yōu)化的目的，可以用來進(jìn)行蝙蝠種類鑒別的參數(shù)集合構(gòu)成蝙蝠種類特征向量，張成一個特征空間，在這個空間里，相同種類蝙蝠特征向量之間的距離明顯小于不同種類蝙蝠特征向量之間的距離，采用比較成熟的BP神經(jīng)網(wǎng)絡(luò)，形成的特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入向量，欲識別的蝙蝠種類作為神經(jīng)網(wǎng)絡(luò)的輸出向量，輸出向量的維度要多于待測地區(qū)已知蝙蝠種類數(shù)，多出的維度作為未知種類識別的備用端，用訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其能夠根據(jù)輸入?yún)?shù)識別已知蝙蝠種類，并對未知種類給出提示信號；(4)、已知種類的識別與統(tǒng)計對采獲的個體蝙蝠回聲信號按優(yōu)化好的特征量集合進(jìn)行特征量提取，并輸入到已訓(xùn)練過的BP神經(jīng)網(wǎng)絡(luò)中，若信號為已知種類蝙蝠的叫聲，則對蝙蝠進(jìn)行種類識別和統(tǒng)計，若信號為未知種類的蝙蝠叫聲則給出標(biāo)示，便于發(fā)現(xiàn)和研究未知種類的蝙蝠，通過對識別次數(shù)和結(jié)果的紀(jì)錄，統(tǒng)計被測區(qū)域蝙蝠種類的分布比例。
全文摘要
本發(fā)明屬于動物種類測定識別方法，具體涉及應(yīng)用蝙蝠回聲定位聲波測定識別蝙蝠種類的方法。本發(fā)明通過對蝙蝠回聲定位聲波信號的采集、信號預(yù)處理和識別等步驟，根據(jù)統(tǒng)計學(xué)的原理判斷特定研究區(qū)內(nèi)蝙蝠種類及分布情況，并可能發(fā)現(xiàn)新的蝙蝠物種。本發(fā)明對四種菊頭蝠的回聲定位聲波進(jìn)行三層小波包分解，提取各頻率通道的能量作為特征參數(shù)，然后用訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其能夠根據(jù)輸入?yún)?shù)識別四種菊頭蝠。用未用于訓(xùn)練的聲波樣本檢驗，四種菊頭蝠的識別率可同時達(dá)到97％以上。
文檔編號A61B19/00GK101125100SQ20071005611
公開日2008年2月20日 申請日期2007年9月28日 優(yōu)先權(quán)日2007年9月28日
發(fā)明者何曉華, 江 馮, 穎 劉, 孫克萍, 張新娜, 王雙維, 胡秀麗 申請人:東北師范大學(xué)