鸟类活动检测中的可学习声学前端
音频与语音处理
2022-10-04 v1
摘要
自主录音单元与被动声学监测提供了 minimally intrusive（最小侵入性）的生物声学数据收集方法。将这些数据与物种无关的鸟类活动检测系统结合，可实现对鸟类种群活动水平的监测。遗憾的是，环境噪声水平与对象距离的变化给准确检测录音中的鸟类活动带来困难。声学前端的选择直接影响这些问题对系统性能的影响。本文中，我们利用 DCASE2018 BAD Challenge 的数据，在广泛的鸟类音频检测任务上，将传统固定参数声学前端与新一代可学习前端进行基准比较。我们观察到逐通道能量归一化（Per-Channel Energy Normalization）是总体最佳表现者，准确率达 89.9%，且总体上可学习前端显著优于传统方法。我们还指出了学习鸟类音频滤波器组所面临的挑战。
引用
@article{arxiv.2210.00889,
title = {Learnable Acoustic Frontends in Bird Activity Detection},
author = {Mark Anderson and Naomi Harte},
journal= {arXiv preprint arXiv:2210.00889},
year = {2022}
}
备注
Submitted and presented at IWAENC, September 2022, 5 Pages, 1 Figure, 3 Tables