基于逐通道能量归一化的生物声学事件远距离检测
声音
2019-11-04 v1 机器学习
音频与语音处理
摘要
本文提出通过对逐通道能量归一化（PCEN）后的频谱图帧幅度进行池化，实现生物声学事件的无监督检测。尽管 PCEN 最初是为语音识别而开发的，但它在增强动物发声方面也具有有益效果，即便存在大气吸收与间歇性噪声。我们证明 PCEN 推广了对数谱通量，但带有可调的时间尺度用于背景噪声估计。与逐点对数相比，PCEN 在近场和远场分别将误报率降低 50 倍和 5 倍，且在鸟类和海洋生物声学数据集上均如此。这些改进带来的计算开销适中且无需人工干预，从而预示着 PCEN 在生物声学中的广阔前景。
引用
@article{arxiv.1911.00417,
title = {Long-distance Detection of Bioacoustic Events with Per-channel Energy Normalization},
author = {Vincent Lostanlen and Kaitlin Palmer and Elly Knight and Christopher Clark and Holger Klinck and Andrew Farnsworth and Tina Wong and Jason Cramer and Juan Pablo Bello},
journal= {arXiv preprint arXiv:1911.00417},
year = {2019}
}
备注
5 pages, 3 figures. Presented at the 3rd International Workshop on Detection and Classification of Acoustic Scenes and Events (DCASE). 25--26 October 2019, New York, NY, USA