基于谱图的机器学习检测地震次声大象隆隆声

本文提出一种在次声地震信号中识别大象隆隆声的有效方法。介绍了用于放大、滤波和数字化通过地震检波器捕获的地震信号的电子电路的设计与实现。在斯里兰卡一个大象孤儿院的自由活动区域采集了一组地震次声大象隆隆声。将这些地震隆隆声转换为谱图，并使用多种方法进行谱特征提取。利用 LazyPredict，将不同方法提取的特征输入到相应的机器学习算法中进行训练，以实现地震隆隆声的自动识别。结果发现，梅尔频率倒谱系数（MFCC）结合 Ridge 分类器机器学习算法在识别地震大象隆隆声方面性能最佳。本文还提出一种新颖的频谱去噪方法，可提高识别地震隆隆声的准确率。