基于分布式神经网络与短时特征两级加窗的鸟类物种分类及声学特征选择
声音
2022-01-04 v1 音频与语音处理
摘要
由于同一录音中存在多个物种、背景噪声以及长时间录音，从音频记录中识别鸟类物种是一项具有挑战性的任务。此外，为鸟类物种分类从音频记录中选择合适的声学特征是另一个问题。本文提出了一种混合方法，结合了传统信号处理与基于深度学习的方法，对来自不同来源和类型的音频记录中的鸟类物种进行分类。此外，一项涵盖 34 种不同特征的详细研究有助于为实时应用中的分类与分析选择合适的特征集。而且，所提出的深度神经网络同时利用了声学特征与时间特征学习。该方法首先从源头信号中检测语音活动，随后使用 50 ms（25 ms 重叠）时间窗从处理后的录音中提取短时特征。之后，使用第二阶段（非重叠）加窗对短时特征进行重塑，以通过分布式二维卷积神经网络（CNN）进行训练，并将输出特征前馈至长短期记忆（LSTM）网络。随后一个最终的全连接层对鸟类物种进行分类。对于 10 类分类器，由 13 个梅尔频率倒谱系数（MFCC）和 12 个色度向量组成的特征集取得了 90.45% 的最高准确率。相应的特异度和 AUC 分数分别为 98.94% 和 94.09%。
引用
@article{arxiv.2201.00124,
title = {Bird Species Classification And Acoustic Features Selection Based on Distributed Neural Network with Two Stage Windowing of Short-Term Features},
author = {Nahian Ibn Hasan},
journal= {arXiv preprint arXiv:2201.00124},
year = {2022}
}