鸟类声学数据中雨声与蝉鸣合唱的自动滤波

录制并分析环境音频已成为监测环境的常用方法。对环境录音进行分析时面临的一个当前问题是噪声干扰，它会掩盖感兴趣的声音。这使得检测这些声音更加困难，并可能需要额外的资源。虽然已有一些工作致力于去除环境录音中的平稳噪声，但对于去除来自非平稳声源的噪声（如雨、风、引擎以及不感兴趣的动物发声）的努力仍然很少。在本文中，我们探讨了从包含鸟声的录音中滤除雨声和蝉鸣合唱噪声的挑战。我们改进了先前建立的分类方法，使用声学指数和 Mel 频率倒谱系数（MFCCs）作为声学特征来检测这些噪声源，并以消除这些声音为动机来处理该问题。我们研究了声学指数和机器学习分类器的使用，以寻找最有效的滤波器。我们采用的方法允许用户基于分类器输出的预测概率来设置阈值，从而增加或降低分类的灵敏度。我们还提出了一种使用带通滤波器去除蝉鸣合唱的新方法。我们基于阈值的雨声检测方法（结合声学指数和 Mel 频率倒谱系数（MFCCs）的随机森林）实现了 0.9881 的 AUC，并且在设定为相同灵敏度时比现有方法更准确。我们还使用 10 折交叉验证，在训练集中以 100% 的准确率检测到了蝉鸣合唱。我们的蝉鸣滤波方法极大地提高了受影响录音的中位信噪比，从未滤波音频的 0.53 提升至经蝉鸣滤波器和平稳噪声滤波器双重滤波后音频的 1.86。