基于音频分解的生物多样性预测方法与流程

本申请涉及音频信号处理，具体涉及基于音频分解的生物多样性预测方法。

背景技术：

1、生物多样性是指一个地区内生命形成的丰富程度，是生物及其与环境有规律地结合所构成稳定的生态综合体以及与此相关的各种生态过程的总和。生物多样性是维持人类社会生存和发展的必要资源，然而受到人类活动和工业化的影响，生物的栖息地环境遭到破坏，生物的种类和数量正在持续消失，物种灭绝的速度正在加快，为了有效保护生物多样性，需要准确掌握生物多样性现状，因此，开展快速的生物多样性监测、评价、保护、管理和规划等已迫在眉睫。

2、由于鸟类分布广泛，对生态环境的变化十分敏感，是生态环境健康的指示物种之一，同时鸟类多样性可以很好地反映生物多样性，因此可以通过监测鸟类生物多样性来反映生物的多样性，由于生态声学方法具有不侵入、低扰动、低成本的特点，已经广泛应用于生物多样性的监测，其中生态声学框架下主要的分析方法为分析鸟类音频信号的分解。

3、传统的对鸟类音频信号进行分解的算法如vmd（variational modedecomposition）算法，具有较好的适应非平稳信号的能力，对于鸟类声音的时变特征进行分解具有一定的优势，同时vmd算法的分解结果是一组模态分量，每个模态分量对应原始音频信号的一种频率成分，具有较强的解释性，但鸟类声音通常具有复杂的频谱结构与瞬时声音，如短时的啁啾、鸣叫等，导致使用传统的vmd算法对鸟类音频信号进行分解时存在分解层数不易确定的问题，进而无法准确的提取出模态分量，无法准确评估生物多样性。

技术实现思路

1、为了解决上述技术问题，本发明提供基于音频分解的生物多样性预测方法，以解决现有的问题。

2、本发明的基于音频分解的生物多样性预测方法采用如下技术方案：

3、本发明一个实施例提供了基于音频分解的生物多样性预测方法，该方法包括以下步骤：

4、采集一天中不同时刻的音频信号并去噪处理，记为各生态音频信号；

5、提取各生态音频信号的每个音频区间；对音频区间进行分帧加窗处理得到生态音频加窗信号；根据生态音频加窗信号的频域幅值信息结合聚类算法获取生态音频汉宁窗的各聚类类别的类宽度；根据生态音频汉宁窗内音频信号峰值以及变化得到生态音频汉宁窗的时域鸟鸣指数；根据生态音频汉宁窗内各聚类类别的类宽度以及各聚类类别内所包含的所述幅值得到生态音频汉宁窗的频域鸟鸣指数；根据时域、频域鸟鸣指数构建生态音频汉宁窗的鸟鸣复杂指数；根据音频区间内各生态音频汉宁窗的鸟鸣复杂指数以及鸟鸣复杂指数的最大值构建音频区间的鸟鸣回应指数；

6、根据各音频区间的鸟鸣回应指数、各音频区间所在生态音频信号中的鸟鸣回应指数最大值以及预设vmd算法分解层数最值获取vmd算法分解时各音频区间的分解层数，结合不同音频区间分解后各分解层数下的模态分量之间的巴氏系数以及各音频区间的声学多样性指数构建生物丰度指数，生物丰度指数与生物多样性成正相关关系。

7、进一步地，所述各生态音频信号的每个音频区间包括：

8、对于各生态音频信号，将生态音频信号作为语音激活检测vad算法的输入，输出生态音频信号中存在语音活动信号的音频区间，作为生态音频信号的每个音频区间。

9、进一步地，所述对音频区间进行分帧加窗处理得到生态音频加窗信号包括：

10、对各音频区间进行分帧处理，将每帧分别应用汉宁窗函数得到生态音频汉宁窗，将音频区间的所有帧生态音频汉宁窗的音频信号组成音频区间的生态音频加窗信号。

11、进一步地，所述根据生态音频加窗信号的频域幅值信息结合聚类算法获取生态音频汉宁窗的各聚类类别的类宽度，包括：

12、将生态音频加窗信号作为快速傅里叶变换的输入得到生态音频加窗频域信号，采用大津法得到频域信号幅值的分割阈值，采用聚类算法对频域信号中大于等于分割阈值的幅值进行聚类得到各聚类类别，计算聚类类别中频域信号任意两个频率的差值绝对值，将聚类类别中所有任意两个频率的所述差值绝对值的最大值作为聚类类别的类宽度。

13、进一步地，所述根据生态音频汉宁窗内音频信号峰值以及变化得到生态音频汉宁窗的时域鸟鸣指数，包括：

14、计算生态音频汉宁窗中音频信号各峰值的左斜率与右斜率的均值，获取所述峰值与所述均值的乘积，将生态音频汉宁窗内所有峰值所述乘积的平均值作为生态音频汉宁窗的时域鸟鸣指数。

15、进一步地，所述生态音频汉宁窗的频域鸟鸣指数，包括：

16、计算生态音频汉宁窗内各聚类类别的幅值均值与类宽度的比值，将1与所述比值的和值作为以自然常数为底数的对数函数的真数，将所有聚类类别的所述对数函数的计算结果的和值作为生态音频汉宁窗的频域鸟鸣指数。

17、进一步地，所述生态音频汉宁窗的鸟鸣复杂指数为时域鸟鸣指数与频域鸟鸣指数的和值。

18、进一步地，所述构建音频区间的鸟鸣回应指数，包括：

19、对于每个音频区间，统计音频区间内所有生态音频汉宁窗鸟鸣复杂指数的最大值，计算所述最大值与音频区间内各生态音频汉宁窗鸟鸣复杂指数的差值，获取音频区间内各生态音频汉宁窗的鸟鸣复杂指数与所述差值的比值，将音频区间内所有生态音频汉宁窗的所述比值的和值作为音频区间的鸟鸣回应指数。

20、进一步地，所述获取vmd算法分解时各音频区间的分解层数包括：

21、统计音频区间所在生态音频信号中的鸟鸣回应指数的最大值，获取各音频区间的鸟鸣回应指数与所述最大值的比值，计算预设分解层数最大值与预设分解层数最小值的差值，获取所述差值与所述比值乘积的四舍五入取整值，将所述取整值与所述最小值的和值作为vmd算法分解时音频区间的分解层数。

22、进一步地，所述构建生物丰度指数包括：

23、计算生态音频信号的各音频区间经vmd算法分解后的各模态分量与其他音频区间所有模态分量之间巴氏系数，获取各音频区间每个模态分量的所述巴氏系数的最大值，计算各音频区间所有模态分量的所述最大值的倒数的和值；计算各音频区间的声学多样性指数与所述和值的乘积；

24、将生态音频信号的所有音频区间的所述乘积的和值记为生态音频和值，将采集获取的所有生态音频信号的所述生态音频和值进行求和得到生物丰度指数 。

25、本发明至少具有如下有益效果：

26、本发明通过对生态音频信号进行分帧加窗处理，并分析鸟类发声器官、部位等特点构建鸟鸣复杂指数，反映汉宁窗内鸟类的数量特征；进而通过分析鸟类发声特点与部分环境噪声的区别，基于鸟鸣复杂指数构建鸟鸣回应指数，反映音频区间内包含鸟类数量的特征，避免出现鸟类叫声与环境噪声的误判；进而基于鸟鸣回应指数结合声学多样性指数自适应确定vmd算法的分解层数，避免出现过分解或欠分解导致提取模态分量不准确的问题，使分解后的模态分量更能表征不同的鸟类叫声，进而构建生物丰度指数，更准确的评估生物多样性。

技术特征：

1.基于音频分解的生物多样性预测方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的基于音频分解的生物多样性预测方法，其特征在于，所述各生态音频信号的每个音频区间包括：

3.如权利要求2所述的基于音频分解的生物多样性预测方法，其特征在于，所述对音频区间进行分帧加窗处理得到生态音频加窗信号包括：

4.如权利要求3所述的基于音频分解的生物多样性预测方法，其特征在于，所述根据生态音频加窗信号的频域幅值信息结合聚类算法获取生态音频汉宁窗的各聚类类别的类宽度，包括：

5.如权利要求3所述的基于音频分解的生物多样性预测方法，其特征在于，所述根据生态音频汉宁窗内音频信号峰值以及变化得到生态音频汉宁窗的时域鸟鸣指数，包括：

6.如权利要求4所述的基于音频分解的生物多样性预测方法，其特征在于，所述生态音频汉宁窗的频域鸟鸣指数，包括：

7.如权利要求6所述的基于音频分解的生物多样性预测方法，其特征在于，所述生态音频汉宁窗的鸟鸣复杂指数为时域鸟鸣指数与频域鸟鸣指数的和值。

8.如权利要求1所述的基于音频分解的生物多样性预测方法，其特征在于，所述构建音频区间的鸟鸣回应指数，包括：

9.如权利要求1所述的基于音频分解的生物多样性预测方法，其特征在于，所述获取vmd算法分解时各音频区间的分解层数包括：

10.如权利要求1所述的基于音频分解的生物多样性预测方法，其特征在于，所述构建生物丰度指数包括：

技术总结本发明涉及音频信号处理技术领域，具体涉及基于音频分解的生物多样性预测方法，该方法包括：采集一天中不同时刻的各生态音频信号；提取生态音频加窗信号；根据生态音频加窗信号的频域幅值信息结合聚类算法获取生态音频汉宁窗的各聚类类别的类宽度；构建生态音频汉宁窗的时域鸟鸣指数及频域鸟鸣指数；基于此计算生态音频汉宁窗的鸟鸣复杂指数及音频区间的鸟鸣回应指数；获取VMD算法分解时各音频区间的分解层数，结合不同音频区间分解后各分解层数下的模态分量之间的巴氏系数以及各音频区间的声学多样性指数构建生物丰度指数。本发明可实现对生物多样性的准确评估。技术研发人员：雷佳琳,陈俊竹受保护的技术使用者：百鸟数据科技（北京）有限责任公司技术研发日：技术公布日：2024/3/21