基于仿真海洋水声信道的海洋哺乳动物叫声数据增强方法

本发明涉及海洋哺乳动物声学识别，具体为基于仿真海洋水声信道的海洋哺乳动物叫声数据增强方法。

背景技术：

1、海洋哺乳动物作为海洋生态系统的重要组成部分，其叫声信号不仅是它们之间交流的媒介，也是研究其生活习性、迁徙行为以及生态环境质量的重要线索。因此，对海洋哺乳动物叫声的准确识别不仅有助于我们更深入地了解这些生物，还能为海洋资源的合理开发和保护提供科学依据。

2、然而，要实现海洋哺乳动物叫声的准确识别，面临着重大挑战。首先，由于海洋哺乳动物叫声的获取难度大、成本高，公开的海洋哺乳动物叫声数据有限，且多数为未经过处理的音频，其中夹杂着许多噪音。这导致在进行神经网络的训练时，如果仅用有限海洋哺乳动物叫声进行神经网络的训练，会导致训练出的模型识别分类准确率极低，现有的数据扩增手段，多通过翻转、剪裁和调音可能导致叫声特征丢失破坏信息，声音失真，时间扭曲等问题从而降低了数据的真实性和有效性。

3、为了深入了解海洋哺乳动物，更好的开发海洋资源，并进一步加大对海洋哺乳动物叫声的研究，实现对海洋哺乳动物叫声的精确识别。但是要实现这一目标，需要数量足够的海洋哺乳动物叫声、以及大量的数据集做支撑，因此，急需一种创新的海洋哺乳动物叫声数据扩增方法，来解决上述技术问题。

技术实现思路

1、本发明的目的在于提供一种基于仿真海洋水声信道的海洋哺乳动物叫声数据增强方法，通过构建仿真海洋水声信道，包含bellhop水声信道模型、rayleigh衰减模型、多普勒频移以及高斯白噪声，模拟海洋中复杂的声波传输过程，从而生成新的海洋哺乳动物叫声数据；将经过仿真信道处理的叫声数据加入现有数据集，能够显著提高基于神经网络的叫声分类准确率；有效解决了叫声数据集数量少和收集困难的问题，而且在降低收集成本的同时，为海洋哺乳动物叫声的准确识别与分类提供了有效手段。

2、为实现上述目的，本发明提供如下技术方案：本发明提供的基于仿真海洋水声信道的海洋哺乳动物叫声数据增强方法包括以下步骤：

3、s1：将海洋哺乳动物原始叫声通过adobe audition软件进行去噪，并设计基础仿真海洋水声信道；

4、s2：在设计的基础仿真海洋水声信道中加入bellhop信道模型；

5、s3：在设计的基础仿真海洋水声信道中加入rayleigh衰减模型；

6、s4：在设计的基础仿真海洋水声信道中应用多普勒频移效应；

7、s5：在设计的基础仿真海洋水声信道中加入高斯白噪声；

8、s6：利用卷积的方式将去噪的海洋哺乳动物叫声以模拟音频信号的方式，通过仿真海洋水声信道进行传输；

9、s7：将新生成的音频加入到数据集中，带入海洋哺乳动物叫声分类神经网络进行训练。

10、优选的，s1步骤具体为：

11、首先使用adobe audition软件从原始录音中将夹带噪声的海洋哺乳动物叫声剪切出来并降噪，然后捕捉剪切音频中的噪声样本，即标中音频只包含噪声的部分，并使用自适应降噪选项应用到全部音频，获得去噪后的海洋哺乳动物叫声音频。其经过数据扩增后的分类神经网络的准确率显著提高。

12、优选的，s2步骤具体为：

13、s2.1：从声源处开始射线追踪，设定声源位置是，射线的初始方向通过声源的方向参数来确定，其传播路径参数方程为：

14、

15、

16、；

17、其中，为声源，即海洋哺乳动物叫声的空间坐标，表示在水平平面上的位置和深度；t为射线传播的距离，表示沿射线方向的传播距离；为射线水平方向角度，表示射线的初始方向与水平轴的夹角；为射线的垂直方向角度，表示射线的初始方向与垂直轴的夹角；

18、s2.2：声源射线会在水下界面反射时，反射角和入射角之间满足反射定律；其数学表达式为：

19、；

20、当射线与水下界面发生折射时，反射角和入射角之间满足折射定律；

21、；

22、其中，为入射角，表示射线与水下界面的夹角；为反射角，表示射线反射后与水下界面的夹角；和为相邻介质的声速，在反射和折射计算中，用于计算反射和折射的角度；

23、s2.3：基于散射体的特性和分布，计算rayleigh散射；计算公式为：

24、；

25、其中，为散射体的特征尺寸，为波长；

26、s2.4：仿真海洋水声信道总传播损失包含逐距离传播损失和频率依赖的吸收；

27、逐距离传播损失计算公式为：

28、；

29、其中，为逐距离传播损失，表示声波在传播过程中随着传播距离r的增加而产生的损失；r为传播距离，表示声波从声源传播到接收器的距离；为传播损失系数；

30、频率依赖的吸收系数计算公式为：

31、；

32、其中，为频率依赖的吸收系数，表示声波在不同频率下的吸收程度；为水的基本吸收系数，表示水对声波的吸收特性；为频率依赖的系数，用于描述吸收与频率平方的关系；为声波的频率；

33、总传播损失计算公式为：

34、；

35、其中，为总传播损失，综合考虑逐距离传播损失和频率依赖的吸收；为逐距离传播损失部分；为频率依赖的吸收部分。

36、优选的，s3步骤具体为：

37、在仿真海洋水声信道加入rayleigh衰减模型，首先进行瑞利分布建模，数学表达式为：

38、；

39、其中，是频率，表示为时的传播损失；为信道的相关频率，与瑞利分布中的参数有关；为声波的频率；为声波传播的距离；为介质的吸收系数。

40、优选的，s4步骤具体为：

41、在仿真海洋水声信道加入多普勒频移模型，数学表达式为：

42、；

43、其中，为随时间变化的复信道响应， t 时间与延迟的复信道响应；表示具有特定时间延迟的脉冲响应；为路径数，表示多径传播中的不同路径；为路径的振幅，由高斯随机变量控制；为路径的相位；为路径的多普勒频移；多普勒频移信道中的瑞利分布表达式为：

44、；

45、其中，为信道的相关频率；x和y为独立分布的标准高斯随机变量；为路径的多普勒频移角度。

46、优选的，s5步骤具体为：

47、仿真海洋水声信道内含信噪比为5db的高斯白噪声；高斯白噪声的数学表达式为：

48、；

49、其中，snr是信噪比，以分贝为单位；和是独立同分布的标准高斯随机变量。

50、优选的，s6步骤具体为：

51、通过信道传输音频的卷积操作，用于将输入音频与设计的仿真海洋水声信道响应进行卷积，以模拟音频信号通过仿真海洋水声信道传输；其数学表达式为：

52、；

53、其中，为输入的海洋哺乳动物叫声音频；为信道响应；表示卷积操作；是输入音频的时域信号，代表着时间延迟；是信道相应在时域的时变函数；信道响应考虑了信号在水中传播过程中的各种影响，包括多径传播、衰减、散射，多普勒频移。

54、优选的，将通过仿真海洋噪声信道的新音频，带入海洋哺乳动物叫声分类神经网络进行训练；将训练后新生成的音频加入到数据集中，带入海洋哺乳动物叫声分类神经网络进行训练，最终得到经过数据扩增后训练的分类神经网络。

55、本发明的有益效果：

56、（1）本发明的基于仿真海洋水声信道的海洋哺乳动物叫声数据增强方法，将不同海洋哺乳动物的叫声，通过含有不同信噪比高斯白噪声、以及含有不同程度多普勒频移的瑞利分布信道响应，成功地扩增了海洋哺乳动物叫声数据集，并使得这些数据更加接近真实的海洋噪声环境。这不仅丰富了音频数据的多样性，还提高了分类模型在复杂海洋环境下的鲁棒性。

57、（2）本发明的基于仿真海洋水声信道的海洋哺乳动物叫声数据增强方法，模型在训练过程中，通过引入仿真海洋水声信道的影响，模型能够更好地学习到叫声在不同海洋条件下的特征变化，从而提高了分类的准确率。这种性能提升对于算法移植到硬件上以及日后的实际应用具有重要意义，使得分类模型能够更好地适应海洋复杂环境。

58、（3）本发明的基于仿真海洋水声信道的海洋哺乳动物叫声数据增强方法，尽可能地还原了海洋哺乳动物叫声音频在海洋中真实的传播情况，避免了大量实地采集和处理的繁琐工作，节省了大量的人力物力，降低了成本。同时，由于数据增强方法的有效性，分类模型的准确率和真实性得到了显著提升，使得模型在应用到实际情况时能够表现出更加出色的性能。