基于语谱图强度二值化和能量投影的生物声学周期性脉冲串信号检测与分类
计算机视觉与模式识别
2013-07-01 v3
摘要
以下工作概述了一种基于语谱图边缘检测、能量投影和分类的多阶段方法，用于周期性脉冲串信号的自动检测和识别。该方法已实施用于自动检测和识别小须鲸的脉冲串歌声。虽然这项工作的长期目标是从大型多年数据集中正确识别和检测小须鲸歌声，但此项努力是利用马萨诸塞州海岸、Stellwagen Bank 国家海洋保护区的声音开发的。检测方法的提出和评估基于 232 小时的连续声学录音，并描述了对机器学习分类器及其性能的定性分析。训练好的自动检测和分类系统应用于 120 小时的连续录音，其中包括各种挑战，如宽带和窄带噪声、低信噪比 (SNR) 以及其他脉冲串特征。该自动系统在假阳性率 (FPR) 为 0.6%（或 0.87 FP/小时）时实现了 63% 的真阳性率 (TPR)，精确度 (PPV) 为 84%，F1 分数为 71%。
引用
@article{arxiv.1305.3250,
title = {Bioacoustical Periodic Pulse Train Signal Detection and Classification using Spectrogram Intensity Binarization and Energy Projection},
author = {Marian Popescu and Peter J. Dugan and Mohammad Pourhomayoun and Denise Risch and Harold W. Lewis and Christopher W. Clark},
journal= {arXiv preprint arXiv:1305.3250},
year = {2013}
}
备注
ICML 2013 Workshop on Machine Learning for Bioacoustics, 2013, 6 pages