Page 52 - 《应用声学》2023年第2期

240 2023 年 3 月

信号数据来对两种检测方法进行对比，将其与谱熵
2 实验结果与分析
算法进行检测率和误检个数对比，测试数据共包含
本文所使用的海豚声音信号为在青岛海昌 384个哨声信号，结果如表 1 所示。可以看出所提出
极地馆采集到的 4 只瓶鼻海豚 (Tursiops trunca- 的方法在检测正确率要优于自适应子带谱熵的方
tus)。记录设备以 Ocean Sonics 公司 icListen HF 法，并且有着更低的误检率。
自 容 式 智 能 水 听 器 为 主， 水 听 器 工 作 频 率 为
1
10 Hz∼200 kHz，采样率为 512 kHz，基本覆盖海
豚发声频段。水听器自噪声为27 dB reµPa /Hz，灵
2
敏度为−169 dB re 1 V/µPa，动态范围121 dB。采 ࣨϙ 0
集设备布放在暂养池边缘水下 2 m 处。水池中仅有
瓶鼻海豚，4只海豚的声音不做区分。采集到哨声信
号基频带宽范围在 3000 ∼ 20000 Hz 之间，为降低
-1
计算量、保证数据处理实时性，文中将信号重采样 0 2 4 6
௑ᫎ/s
为48000 Hz。 (a) ௑۫ฉॎ
使用实际录制的海豚声音信号，将盒分形维数
2.0
的检测算法与自适应子带谱熵检测算法进行对比。
首先将海豚声音信号经过分帧加窗之后，对每一帧
海豚声音信号进行特征计算。在进行分形维数的计
算时，首先将海豚声音信号去除直流分量，归一化为 Ѭॎ፥஝ 1.5
x(t)，然后用尺度为s ∆ 的正方形网格对声音信号进

行划分，计算 lg N(s ∆ )、lg s ∆ ，通过不断变化 s ∆ 的
1.0
大小，计算出每一帧声音信号的盒分形维数 d 的平 200 400 600 800 1000 1200
均值，通过 FCMC 对 d 设定门限值，完成哨声信号 ࣝ஝
(b) ᐑዝፇ౧
与噪声段的检测。
图1 为FCMC聚类结果，其中图 1(b) 展示了对
一段哨声信号的分形维数进行聚类的结果，聚类数 2
目C 为2，红色和绿色分别表示噪声类和哨声类。将
聚类结果图与时频图对比可以发现，聚类后的分形 ᮠဋ/(10 4 Hz) 1
维数哨声段范围与实际信号范围有比较好的对应。
从图 2 和图 3 的两种特征结果来看，基于盒分
形维数的海豚哨声信号检测效果优于谱熵的方法。 0
1 2 3 4 5 6
分形维数的特征区分度上要优于谱熵特征。图中红 ௑ᫎ/s
色线为海豚哨声信号检测的起点，绿色线为哨声信 (c) ௑ᮠڏ
号检测的终点。海豚哨声信号段的盒分形维数与噪 图 1 FCMC 聚类结果
Fig. 1 FCMC Clustering results
声段有着较为明显的区别，信号段特征值比谱熵特
征更平稳，易于采用阈值分割实现哨声信号的检测。
表 1 检测结果
而在实验数据中，谱熵特征变化较为剧烈，容易造成
Table 1 Detection result
较高的误检率。说明基于分形维数的方法在实际环
境中下可以更好地实现海豚哨声信号的检测。 算法 检测率/% 虚警个数
为进一步验证分形维数算法对海豚实际声音 自适应子带谱熵 88.5 90
盒分形维数 92.7 26
信号中哨声信号的检测性能，使用录制的海豚声