Page 158 - 《应用声学）》2023年第5期

1050
表 5 端点检测准确率
Table 5 Endpoint detection accuracy
信号类型 识别个数 总数
Click 2360 2501
Whistle 1062 1062
Burst-pulse 1361 1361
上述结果表明，本文提出的基于海豚时频特性
的端点检测方法能够满足时效性、准确性、适应性
的要求。相比于其他应用于海豚声音端点检测的方
法，本方法具有计算量小、处理速度快的优点，在低
信噪比的条件下对单一海豚依然能够准确地提取
其某一类声信号。该方法存在突发高频噪声对检测
结果的影响这一问题，但是随着输入声信号时间的
增长，噪声的阈值越来越稳定并且贴合噪声与目标
声音的分界线，能够提高检测的准确率。
3 结论与讨论
本文提出的基于时频特征的海豚发声端点检
测方法，结合声音的短时能量、加权谱质心和谱质
心二阶偏移率特征进行检测，通过对比试验，发现可
通过调整窗长和阈值设定来满足海豚不同种类声
信号的检测需求。本方法相比其他常用的端点检测
方法，在只有一种海豚的某一类声信号的海洋环境
声场中，能够减少海洋环境中的噪声干扰，并且大幅
提高准确率。但是仍然存在以下问题待解决：
(1) 完善不同频率范围的权重，目前对海豚声
音的样本数量有限，特征了解不足，获得更加精确的
频率范围可以降低出现误判的概率；
(2) 对于海洋噪声以及海豚声音的发声机理认
识不足，并且人耳听力范围有限，无法对超出听力范
围的声音人工检验；
(3) 需要大量不同环境下的数据进行实验测试，
目前本次实验数据仅有3类典型的海豚声信号，3种
实验环境，具有一定的局限性，而真实海洋环境中的
数据更加复杂且获取较为困难。
未来可以将此方法优化后应用于海洋环境中
海豚的声音识别以及声音特征的研究，通过本方法
提取不同海域的海豚声信号，为海豚不同声信号制
作数据集。
参 考 文 献
[1] 李玉红, 徐铭, 葛玉荣, 等. 鲸豚声信号实时采集与分析
系统 [J]. 中国海洋大学学报 (自然科学版), 2022, 52(2):
2023 年 9 月
123–128.
Li Yuhong, Xu Ming, Ge Yurong, et al. A system of whale
sound signal acquisition and analysis in real-time[J]. Peri-
准确率/% odical of Ocean University of China, 2022, 52(2): 123–128.
94.36 [2] 杨武夷, 孙馨喆, 张宇, 等. 一种宽吻海豚通讯信号自动分类
100 的方法 [J]. 声学学报, 2016, 41(2): 181–188.
100 Yang Wuyi, Sun Xinzhe, Zhang Yu, et al. An auto-
matic classification method for whistles of bottlenose dol-
phin (Tursiops truncates)[J]. Acta Acustica, 2016, 41(2):
811–188.
[3] 高德洋, 高大治, 李小雷. 基于深度学习的典型海洋哺乳动
物 click 信号识别方法 [J]. 陕西师范大学学报 (自然科学版),
2019, 47(6): 37–43.
Gao Deyang, Gao Dazhi, Li Xiaolei. Marine mam-
mals’click signals classification based on deep learning[J].
Journal of Shaanxi Normal University (Natural Science
Edition), 2019, 47(6): 37–43.
[4] 王宸, 陶毅. 基于 Xgboost 方法识别不同种类海豚 [C]// 中国
声学学会水声学分会 2019 年学术会议论文集, 2019.
[5] 郭新毅, 李凡, 铁广朋, 等. 海洋环境噪声研究发展概述及应
用前景 [J]. 物理, 2014, 43(11): 723–731.
[6] 钟鸣拓, 蔡文郁. 基于特征融合的海洋哺乳动物声音识别 [J].
电子科技, 2019, 32(5): 32–37.
Zhong Mingtuo, Cai Wenyu. Marine mammal sound
recognition based on feature fusion[J]. Electronic Science
and Technology, 2019, 32(5): 32–37.
[7] 杨蔚. 鲸豚动物叫声检测识别技术研究 [D]. 哈尔滨: 哈尔滨
工程大学, 2021.
[8] Hildebrand J A, Frasier K E, Helble T A, et al. Perfor-
mance metrics for marine mammal signal detection and
classification[J]. The Journal of the Acoustical Society of
America, 2022, 151(1): 414–427.
[9] 牛富强, 薛睿超, 周在明, 等. 印太瓶鼻海豚 (T ursiops
aduncus) 通讯声信号分类及特征参数的环境差异性分
析 [J]. 声学学报, 2020, 45(2): 189–195.
Niu Fuqiang, Xue Ruichao, Zhou Zaiming, et al. Analysis
of differences on whistle classification and characteristics
of Indo-Pacific bottlenose dolphins (Tursiops aduncus)
in different environment[J]. Acta Acustica, 2020, 45(2):
189–195.
[10] 牛富强, 杨燕明, 文洪涛, 等. 瓶鼻海豚的 click 声信号特性 [J].
声学技术, 2011, 30(2): 148–152.
Niu Fuqiang, Yang Yanming, Wen Hongtao, et al. Vocal-
ization and signal characteristic of bottlenose dolphin[J].
Technical Acoustics, 2011, 30(2): 148–152.
[11] 黄龙飞, 吕连港, 姜莹, 等. 普里兹湾虎鲸回声定位信号脉冲
间隔特征分析 [J]. 海洋科学进展, 2019, 37(2): 255–264.
Huang Longfei, Lyu Liangang, Jiang Ying, et al. Analysis
of the regularity of echolocation signals of killer whales in
the Prydz Bay, Antarctica[J]. Advances in Marine Science,
2019, 37(2): 255–264.
[12] 周韦峥嵘, 许肖梅, 邵志文. 中华白海豚 whistle 声信号的谐
波特性分析 [C]// 中国声学学会水声学分会 2015 年学术会议
论文集, 2015.
[13] Roch M A, Lindeneau S, Aurora G S, et al. Using con-