鱼类声音：通过数据驱动的音频源分离评估海洋声学生物多样性
声音
2022-01-17 v2 机器学习
音频与语音处理
摘要
海洋生态系统正以惊人的速度变化，表现出生物多样性丧失以及热带物种向温带海域迁移。监测水下环境及其生物对于理解这些系统的演变和实施保护政策至关重要。然而，评估和追踪生物多样性通常是一项复杂任务，尤其在如海洋这样庞大且不受控的环境中。最流行且有效的海洋生物多样性监测方法之一是被动声学监测（PAM），其使用水听器捕获水下声音。许多水生动物产生其物种特有的声音；这些信号在水中高效传播，即便在极远距离也可被探测到。此外，现代技术正变得愈发便捷与精确，使得数据采集非常准确且细致。迄今，由 PAM 设备捕获的音频常由海洋生物学家手动处理，并借助传统信号处理技术来检测动物发声。这是一项具有挑战性的任务，因为 PAM 记录往往历时长久。此外，生物多样性丧失的成因之一是声音污染；在来自人为噪声喧闹区域的数据中，手动分离人工声与鱼类声音十分困难。如今，机器学习尤其是深度学习代表了处理音频信号的最先进水平。具体而言，声音分离网络能够识别并分离人声与乐器。在本工作中，我们展示相同技术可成功用于自动提取 PAM 记录中的鱼类发声，为大规模生物多样性监测开辟了可能。
引用
@article{arxiv.2201.05013,
title = {Fish sounds: towards the evaluation of marine acoustic biodiversity through data-driven audio source separation},
author = {Michele Mancusi and Nicola Zonca and Emanuele Rodolà and Silvia Zuffi},
journal= {arXiv preprint arXiv:2201.05013},
year = {2022}
}