[论文解读] Bioacoustic Signal Classification Based on Continuous Region Processing, Grid Masking and Artificial Neural Network

Mohammad Pourhomayoun, Peter J. Dugan+2 more|arXiv (Cornell University)|May 15, 2013

Marine animal studies overview参考文献 13被引用 18

一句话总结

本文提出了一种新颖的生物声学信号分类方法，通过连续区域处理、网格掩码和人工神经网络，在嘈杂环境中检测北大西洋近岸鲸鱼的上行叫声。该方法提取频谱图中的感兴趣区域，通过网格掩码将其压缩为紧凑的特征集，并以高精度进行分类——在马萨诸塞湾的大规模数据集上，达到90%真正例率时，误报率低于4.5%。

ABSTRACT

In this paper, we develop a novel method based on machine-learning and image processing to identify North Atlantic right whale (NARW) up-calls in the presence of high levels of ambient and interfering noise. We apply a continuous region algorithm on the spectrogram to extract the regions of interest, and then use grid masking techniques to generate a small feature set that is then used in an artificial neural network classifier to identify the NARW up-calls. It is shown that the proposed technique is effective in detecting and capturing even very faint up-calls, in the presence of ambient and interfering noises. The method is evaluated on a dataset recorded in Massachusetts Bay, United States. The dataset includes 20000 sound clips for training, and 10000 sound clips for testing. The results show that the proposed technique can achieve an error rate of less than FPR = 4.5% for a 90% true positive rate.

研究动机与目标

• 为解决在高噪声海洋环境中检测微弱北大西洋近岸鲸鱼上行叫声的挑战。
• 开发一种稳健的机器学习与图像处理流水线，用于生物声学信号分类。
• 在保留判别性信息的同时降低特征维度，以实现高效分类。
• 即使在环境噪声和干扰噪声存在的情况下，仍实现高检测精度。
• 在马萨诸塞湾获取的真实世界大规模数据集上验证该方法。

提出的方法

• 对频谱图应用连续区域处理，以识别并提取对应于潜在上行叫声的感兴趣区域。
• 使用网格掩码将检测到的区域划分为固定大小的网格，并生成紧凑的低维特征向量。
• 将所得特征集输入人工神经网络分类器，以实现上行叫声检测。
• 该方法利用图像处理技术处理频谱图，将声学信号视为视觉模式。
• 训练集和测试集分别由20,000段和10,000段在马萨诸塞湾录制的音频片段组成。
• 系统经过优化，可在环境噪声和干扰噪声导致信噪比（SNR）较低时，仍能检测微弱信号。

实验结果

研究问题

• RQ1 连续区域处理能否有效从噪声频谱图中隔离潜在的鲸鱼上行叫声？
• RQ2 网格掩码能否在保留分类相关特征信息的同时降低特征维度？
• RQ3 区域处理、网格掩码与神经网络的结合是否能在低信噪比条件下实现高检测精度？
• RQ4 该方法在具有高环境噪声的真实世界大规模生物声学数据集上的表现如何？
• RQ5 对于稀有且微弱的信号，系统能否在实现高真正例率的同时保持低误报率？

主要发现

• 该方法在90%真正例率下实现了低于4.5%的误报率，证明了其高检测精度。
• 系统即使在存在高水平环境噪声和干扰噪声的情况下，仍成功检测到极其微弱的上行叫声。
• 使用网格掩码显著减少了特征空间，从而实现了高效处理与分类。
• 连续区域处理算法能有效从频谱图的背景噪声中隔离出相关信号分量。
• 神经网络分类器在马萨诸塞湾未见过的测试数据上表现出强大的泛化能力。
• 该方法具有鲁棒性和可扩展性，适用于实时或大规模生物声学监测应用。