基于音频信号处理的鸟类鸣声识别方法与流程
技术特征：
1.基于音频信号处理的鸟类鸣声识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述根据各连通域内的能量分布得到各连通域的受扰相对投影差值，包括：
3.根据权利要求2所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述根据各连通域内鸟鸣信号频率的相似性得到各连通域的频带信息差异系数，包括：
4.根据权利要求1所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述结合受扰相对投影差值及频带信息差异系数得到各连通域的相对信息依赖指数，包括：
5.根据权利要求1所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述根据鸟鸣信号中声门开启和声门闭合时间的差异得到鸟鸣信号各周期的声门开关时段突变值，包括：
6.根据权利要求5所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述根据鸟鸣信号高频区间内频谱的衰减程度得到鸟鸣信号各周期的谱线激励突兀指数，包括：
7.根据权利要求1所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述结合声门开关时段突变值及谱线激励突兀指数得到鸟鸣信号各周期的声门激励特征互信息指数，包括：
8.根据权利要求1所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述结合相对信息依赖指数及声门激励特征互信息指数得到鸟鸣信号各周期的收敛步长，包括：
9.根据权利要求1所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述根据鸟鸣信号各周期的收敛步长得到鸟鸣信号各周期的收敛因子，表达式为：
10.根据权利要求1所述的基于音频信号处理的鸟类鸣声识别方法，其特征在于，所述结合收敛因子、自适应滤波算法及神经网络模型完成鸟类鸣声识别，包括：
技术总结
本发明涉及语音处理技术领域，具体涉及基于音频信号处理的鸟类鸣声识别方法，该方法包括：采集鸟鸣信号，根据鸟鸣信号的能量分布将鸟鸣信号的频谱划分为各连通域，获取各连通域的受扰相对投影差值及频带信息差异系数，进而得到各连通域的相对信息依赖指数，根据鸟鸣信号的声门打开时段及声门闭合时段的时长差异得到鸟鸣信号各周期的声门开关时段突变值及谱线激励突兀指数，进而得到鸟鸣信号各周期的声门激励特征互信息指数，获取鸟鸣信号各周期的收敛步长及收敛因子，结合自适应滤波算法及神经网络模型完成鸟类鸣声识别。本发明旨在提高鸟类鸣声识别的准确率，实现鸟类鸣声的精确识别。
技术研发人员：丁清清,李可扬,刘培中
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：2024/6/13
相关知识
基于神经网络的野生生态环境鸟类鸣声识别方法与流程
基于鸣声的鸟类智能识别方法研究
一种基于深度学习的狗叫情感识别方法及装置与流程
基于表征全局依赖关系的并行注意力机制鸟鸣声识别方法
一种基于深度残差网络的宠物图像情绪识别方法与流程
鸟类声音识别方法、装置、计算机设备和存储介质与流程
一种真实环境中的鸟类鸣声自动识别系统
一种宠物情绪识别方法及系统与流程
一种辅助鸟类繁殖期的物候研究的鸟类声音识别方法技术
信息融合增强鸟类声纹识别研究
网址: 基于音频信号处理的鸟类鸣声识别方法与流程 https://m.mcbbbk.com/newsview413870.html
| 上一篇: SVM BP算法的鸟叫声识别 |
下一篇: 教你从叫声了解你的鹦鹉 |
