Page 141 - 《应用声学》2020年第3期

第 39 卷 第 3 期 杨春勇等： 融合声纹信息的能量谱图在鸟类识别中的研究 461

损失，识别率会发生大幅降低。因此，分块维度对基 将大部分信息传递给下一层，以保证生成图谱的准
于LBP 特征提取的识别影响较大；若兼顾声能谱图 确程度；其次引入批规范化操作，解决了梯度消失
微观和宏观特性，适当地对其进行分块，不仅可提高 的问题；最后移除了全连接层并使用不同的激活函
识别效率，还可以提高识别质量。 数，具体超参数包括 Adam 优化、生成器使用 ReLU
激活函数、判别器使用 leakyReLU 激活函数、学习
4.0
率设为 0.0002、每个批次 32 个样本。实验证明图谱
3.5 MB-LBP+KNN
MBCS-LBP+KNN 生成效果较好，谱图生成前后对比图如图11和图12
3.0
Δ1 Δ1=1.34 s 所示。
គѿ௑ᫎ/s 2.0 Δ2 Δ2=0.76 s
2.5
Δ3=0.34 s
Δ4=0.32 s
1.5 Δ5=0.17 s
Δ3
1.0 1.28 s Δ4
0.5 Δ5
0
0 2 4 6 8 10
Ѭڱ஝ N
(a) Ѭڱ፥एࠫគѿ௑ᫎᄊॖ־

84
తΈѬڱ஝ Δ1=1.86%
Δ2=1.48%
82 Δ3=2.32%
Δ3 图 11 单物种 -麻雀鸣声原始谱图
Δ4=1.78%
Δ2 Δ4 Δ5=-1.92% Fig. 11 Original spectrum of single sparrow song
គѿဋ/% 80 Δ1
78
76
74 MB-LBP+KNN
Δ5
MBCS-LBP+KNN
72
0 2 4 6 8 10
Ѭڱ஝ N
(b) Ѭڱ፥एࠫគѿဋᄊॖ־
图 10 LBP 特征分块维度对识别率及识别时间的
影响
Fig. 10 The influence of LBP feature block di- 图 12 单物种 -麻雀鸣声生成谱图
mension on recognition rate and recognition time Fig. 12 Generated spectrum of single sparrow song

3 生成式对抗网络进行数据增强 图 11 和图 12 展示了部分以麻雀鸣声为样本的
GAN 网络生成案例。因为谱图颜色表示能量高低，
针对自然复杂声学环境下鸟鸣声数据采集难 可以看出虽然背景噪声各不相同，但是生成的语音
度大、背景噪声高、质量难以保障等问题，本文应用 与原始语音边缘特征近似，表明 GAN 生成网络生
GAN 对原有的鸟鸣声数据集进行数据增强以解决 成再进行训练后生成的谱图能够反映原始鸣声特
鸣声数据不平衡的问题。 征谱图所描述的信息；而且谱图形状、结构差异性

3.1 图谱数据生成 较小，表明在 GAN 网络训练过程中学习到的知识
是可以被使用的，若将迭代次数增加，更进一步得到
参 考 文 献 [24–26] 使 用 深 度 卷 积 生 成 对 抗
更好的拟合谱图。
网 络 (Deep convolutional generated-adversarial-
network, DCGAN) 在禽鸟鸣声特征谱图数据上进 3.2 实验验证
行的实验，本文在判别器上和生成器上分别使用步 在实验中将鸣声数据分为三组：第一组为训练
幅卷积和微步幅卷积代替池化，这种卷积结构能够 集，第二组为数据增强后的 “训练集”，第三组为测