基于声音的盗伐监测方法及设备与流程
- 国知局
- 2024-06-21 11:58:11
本发明涉及语音信号处理,具体涉及基于声音的盗伐监测方法及设备。
背景技术:
1、随着物联网技术的发展,监测设备的实时监测和数据传输能力得到了提升,通过将监测数据上传到云端,可以利用云计算和大数据分析技术来处理大规模的监测数据。同时,随着可持续发展理念的深入人心以及科学技术的不断进步,自然资源的合理利用与保护得到广泛的提倡与发展。人类活动对于自然环境和生态系统系统有着深远而广泛的影响,人类活动影响评估的目的是衡量人类活动对于生态系统的影响变化程度,以便后续相关人员采取相应的管理和保护措施;而盗伐是指人类活动中非法砍伐和非授权采伐森林资源的行为,严重破坏了生态系统的平衡和可持续利用。通过监测生态系统中的声音信号能够实现对环境中人类盗伐行为的监测和评估,促进生态环境的可持续发展和保护。
2、对于盗伐监测的设备有很多,但是大多仅收集声音,没有边缘端识别、分析等功能,无效的声音预警信息太多,需要依赖维护人员收集数据;传统盗伐监测的设备大多需要依赖工作人员更换电池,无法做到无人值守的实时监测。同时由于自然生态系统环境复杂且范围较广,使用无人机进行过于频繁的巡视可能影响生态系统中的生物习性,而活动帧语音段中包含多种自然环境音以及噪声干扰,难以快速准确的定位盗伐区域,无法及时制止盗伐活动,造成自然资源的大量损失。
技术实现思路
1、为了解决上述技术问题,本发明的目的在于提供基于声音的盗伐监测方法及设备,所采用的技术方案具体如下:
2、第一方面,本发明实施例提供了基于声音的盗伐监测方法,该方法包括以下步骤:
3、采集各个生态区域的音频信号并进行分帧处理得到各信号帧,将预设时长作为监测区间;
4、对于各生态区域,通过vad端点检测算法获取监测区间内相邻存在声音信号的信号帧拼接形成的语音段记为合成段;采用emd经验模态分解算法获取监测区间内各个合成段的模态分量;根据监测区间内各合成段的起始点和终止点以及模态分量个数得到监测区间的持续规律因子;根据监测区间的各合成段对应的各模态分量的模态振幅之间的差异得到监测区间的信号受扰因子;根据监测区间的信号受扰因子以及各合成段的梅尔倒谱系数序列之间的dtw距离构建监测区间的低噪统一系数;构建监测区间内各生态区域的特征向量;根据监测区域内各生态区域的特征向量得到各生态区域在监测区间内的综合评价得分;将各生态区域作为各像元,综合评价得分作为各像元的灰度值构建伪彩色图像作为评分伪彩色图像;
5、获取评分伪彩色图像中的高扩散像元及各扩散路径;根据评分伪彩色图像中高扩散像元的伪彩色值得到各条扩散路径的伪彩色扩散因子,根据伪彩色扩散因子以及评分伪彩色图像中像元的梯度得到各像元的盗伐显著系数,完成各生态区域盗伐行为的监测。
6、进一步地,所述根据监测区间内各合成段的起始点和终止点以及模态分量个数得到监测区间的持续规律因子,包括:
7、通过vad端点检测算法获取各合成段的声音起始点以及声音终止点,监测区间的持续规律因子的表达式为:
8、
9、式中,为监测区间内的合成段总个数;、分别表示监测区间内第j个合成段的声音终止点以及第j+1个合成段的声音起始点;为监测区间内第j个合成段信号的模态分量数,为调整参数。
10、进一步地,所述根据监测区间的各合成段对应的各模态分量的模态振幅之间的差异得到监测区间的信号受扰因子,包括:
11、
12、式中,为监测区间的信号受扰因子;、分别为监测区间内第j个合成段信号分解后第k、h个模态分量的模态振幅的均值。
13、进一步地,所述根据监测区间的信号受扰因子以及各合成段的梅尔倒谱系数序列之间的dtw距离构建监测区间的低噪统一系数,表达式为:
14、
15、式中,为监测区间的低噪统一系数;、分别为监测区间内第j、v个合成段的梅尔倒谱系数序列;为dtw距离。
16、进一步地,所述构建监测区间内各生态区域的特征向量包括:将监测区间内各生态区域的所有合成段的短时能量之和、所有合成段的短时过零率之和、持续规律因子以及低噪统一系数组成监测区间内各生态区域的特征向量。
17、进一步地,所述根据监测区域内各生态区域的特征向量得到各生态区域在监测区间内的综合评价得分,包括:
18、将同一监测区间内所有生态区域的特征向量作为topsis优劣解距离算法的输入,采用topsis优劣解距离算法获取每个生态区域在监测区间中的综合评价得分。
19、进一步地,所述获取评分伪彩色图像中的高扩散像元及各扩散路径,包括:
20、以各像元为中心建立方形的各像元窗口;
21、将像元窗口内所有像元的伪彩色值按照从小到大的顺序构建该像元的伪彩色序列,计算伪彩色序列的第一四分位数,将像元窗口内最大伪彩色值对应的像元与所有伪彩色值小于第一四分位数的像元之间的连线记为各条扩散路径;
22、从扩散路径上的最大伪彩色值对应的像元开始遍历,当像元的伪彩色值大于其在扩散路径上的下一像元的伪彩色值时,则判定为高扩散像元。
23、进一步地,所述根据评分伪彩色图像中高扩散像元的伪彩色值得到各条扩散路径的伪彩色扩散因子,包括:
24、将扩散路径上所有像元的伪彩色值按照降序顺序组成扩散路径的扩散序列,第p条扩散路径的伪彩色扩散因子的表达式为:
25、
26、式中,为第i个像元窗口中第p条扩散路径上的高扩散像元总个数;、分别为第i个像元窗口中第p条扩散路径上第q个高扩散像元的伪彩色值以及第p条扩散路径上像元的最大伪彩色值;为第i个像元窗口中第p条扩散路径对应扩散序列的信息熵。
27、进一步地,所述根据伪彩色扩散因子以及评分伪彩色图像中像元的梯度得到各像元的盗伐显著系数,完成各生态区域盗伐行为的监测,包括:
28、计算像元窗口内各扩散终点像元的伪彩色梯度,将所述伪彩色梯度作为以自然常数为底数的指数函数的指数,计算像元窗口中各扩散路径的伪彩色扩散因子与各扩散路径的扩散终点对应的所述指数函数的计算结果的乘积,将像元窗口内所有扩散路径的所述乘积的和值作为像元的盗伐显著系数;
29、当像元的盗伐显著系数高于预设阈值时,则像元对应的生态区域出现盗伐行为;反之,生态区域不存在盗伐行为。
30、第二方面,本发明实施例还提供了基于声音的盗伐监测设备,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
31、本发明至少具有如下有益效果:
32、本发明通过声音信号处理、模式识别相关技术,实现了对盗伐行为更全面、准确的监测,降低无效声音预警的发生。利用机器学习算法智能地识别与盗伐相关的声音模式,提高了预警系统的智能性和可靠性,本发明盗伐监测设备可对生态环境中的盗伐进行实时监测,减轻了对维护人员的依赖,确保监测数据的及时性和完整性,同时本发明通过声音信号的监测,能够覆盖更广泛的监测范围,提高了监测的灵活性和全面性;本发明的盗伐监测设备通过太阳能发电,无需人工更换电池,通过远程通信实现对设备状态的监测,降低了维护人员的工作负担,提高了设备的可维护性;通过声音信号的采集,本发明能够在广泛的监测范围内实现全方位的盗伐监测,相较于一些局限于较短距离的传感器,有助于覆盖更大面积的森林,提高了监测系统的效能;
33、本发明通过监测区间内各个合成段的声音信号特征构建持续规律因子以及低噪统一系数,更详细的反映了监测区间内各个生态区域中声音信号的持续规律状况以及包含声音成分状况;之后结合监测区间内的短时能量、短时过零率特征获得监测区间内各个生态区域的特征向量,并根据生态区域的特征向量获得评价伪彩色图像,能够将监测区间内各个生态区域的声音信号特征通过图像更直观的进行表示;通过评价伪彩色图像中的特征获得盗伐显著系数,并以此判断生态区域中是否存在人类盗伐行为,实现了对盗伐区域的快速精准定位,解决了相关人员无法及时制止自然生态系统中盗伐活动的弊端,更好的保护自然资源。
本文地址:https://www.jishuxx.com/zhuanli/20240618/24786.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表