生物多样性声学指数研究文献综述

 2022-11-12 17:28:13

开题报告

文献综述

近年来，音景生态学作为生态学领域的一个年轻的分支，已经从欧洲地区扩展发展到亚洲地区，是研究生态学的一个重要概念，和二战后兴起的景观生态学有许多相似之处。关于音景生态学的定义有许多，本文的定义主要是由Pijanowski等人提出的：收集从景观中发出的生物，地理和人造的声音，它们在空间和时间上的变化反映出重要的生态系统过程和人类活动[1]。Krause将声音的来源总结为：“生物声音”（biophony，由生物体发出的声音，森林，草原和湿地中有动物，鸟类，两栖动物和昆虫产生的各种各样的声音）；“地理声音”（geophony，非生物环境中的风，雨，雷等的声音）[2]。由此，Pijanowski等人引申出“人造声音”（anthrophony，由人类创造出的声音，例如车辆，警报器，机器等）这个概念[3]。

生物多样性评估是生态保护的主要挑战之一，随着过去几十年当前生物多样性丧失的增加，迫切需要快速估算生物多样性水平。用音景生态学和生物多样性声学指数等概念来有效评估生物多样性是目前生态学的重要方向之一。

近年来，已经开发了若干个生物指数评估生物多样性，如平均几何指数（average geometrical index），辛普森指数（Simpson）和香农指数（Shannon index）等，这些指数多数研究物种丰富度和物种多样性。生物多样性指数可分为两大类：一是 指数，来衡量区域内的生物多样性；二是 指数，衡量不同区域之间的差异和特定物种的演变趋势。

基于对声音信号的简单分析，为了推测生物多样性，Sueur等人总结出两种声学指数[4]：H指数（声熵指数）和D指数（差异指数）。考虑到背景噪声会显著地对H指数产生影响，基于信号时间熵和幅度，Marion等人提出了一个新的指数,即AR（声学丰富度）[5]。H指数是由其两个子指数，H (谱熵指数)和H （时间熵指数）的乘积决定的[4]，H指数可以有效地评估鸟类的群唱活动, H将针对单个纯音调趋向于0，随着频带和幅度调制的数目而增加，并且对于随机噪声倾向于1[2]。AR指数由H 指数和M指数决定，Sueur等人为其提供了算法[5-6]。衡量 指数的D指数由两个子指数，D （时间差异指数）和D （谱差异指数）的乘积决定[6]。为了研究声音的复杂程度，Gasc[7]等人提出了NP指数（频谱复杂度指数）。NP指数在简单地计算在平均频谱上获得的主要频率的数量来建立。该指数来自以下假设：声音的频谱复杂度可以通过所占用的频带的数量来估计，通过计算短时傅立叶变换获得每个音频文件的平均频谱。

利用生物声学检测评估生物多样性的过程主要是：声音采集，信号处理与建模，计算声学指数，数据分析。麦克风是生物声学家的普遍数据收集工具，并且将可能是用于声音学家的关键数据收集工具[8]。传统的声音抽样方法在大多数情况下是侵入性的，依赖于直接收集或捕获，而且可能不适合大规模的快速评估，特别是当处理高度多样化的群体。因此，建议应用非侵入式声学分析，以快速揭示动物多样性变化的空间和时间模式。例如，可利用无人机的传感阵列来收集感兴趣的地区信息，生成专题地图进行分析[9]。

在麦克风阵列信号处理中，波达方向（DOA）估计是阵列信号处理的关键技术之一。传统的 DOA 估计算法有[10] MUSIC 算法、子阵（sub-array）算法、OVM （orthogonal vector method）算法、最小范数（minim norm ）算法以及 ESPRIT(estimation spectrum rotational invariance technique)算法等。信号处理主要是在麦克风阵列中进行，用最小二乘法处理局部音频，与相应的数据包进行比对。建模可以利用最小二乘法来选择最优模型，例如Burak在利用热带雨林中垂直森林结构的景观记录和LIDAR派生度量建模声学多样性时[11]，用Akaike信息准则的多元线性回归（MLR）来确定声学分集为从属变量和LIDAR度量作为独立变量的排名最高的模型。使用从MLR获得的系数对森林地区的声学多样性进行建模，并且在结果层上进行热点分析。

声学指数有许多选择，可使用频谱复杂度指数（NP）作为声活动水平的估计，并且频谱相异性指数（）评估记录声学差异，以及声熵指数（H）等。NP指数简单地定义为在检测和选择峰之后的峰的数目。首先检测平均频谱上的所有峰，然后使用幅度和频率阈值进行选择。第一选择因子基于每个峰的幅度斜率，仅保留具有高于0.01的斜率的峰。第二选择因子基于频率，在连续峰值间隔小于200Hz的情况下，仅保持幅度中的最高峰值。在所有导致不相似矩阵的音频文件之间评估D 。每个记录与记录时间，日期，记录器和站点相关联。为了计算出不同天气条件下的天数之间的差异，将每个记录之间的差异在所有可用天中平均。然后，通过Lingoes方法转换矩阵以达到欧几里得性质[7]。声熵指数（H），通常，它是在频率不同的一组类别上测量的,它随着类别的频率的均匀性和类别的数量而增加[12]。

快速生物多样性评估已成为评估生多样性重要方法之一，但是在国内仍是少数人研究，以非侵入性的方法获取声音信息是以后获取声音的主要手段，如何利用更有效的数据处理方法和声学指数仍是生物多样性评估的主要课题，在前面的学者研究的基础上，利用各种声学指数来检测国内地区的生物多样性是待验证的问题。

研究问题

  1. 在熟悉现有麦克风阵列数据采集设备的使用方法的基础上，了解各种麦克风阵列对于声源信号的计算，掌握DOA估计算法，如传统的MUSIC算法，最小范数算法等，比较其适用情况，提出改进算法；
  2. 在了解声学指数的基础上，根据参考文献的生物多样性声学指数计算算法，如D指数，H指数，AR指数，对自己的设计的算法与参考文献比较，进行验证，验证正确后，实现对实测数据的声学指数的计算。
  3. 在得出实测数据的声学指数基础上，总结各项指数的优缺点，分析其指数的敏感性，抗干扰性等性能和最佳使用范围。

研究手段

  1. 根据参考文献中的DOA估计算法如MUSIC 算法、子阵（sub-array）算法、OVM （orthogonal vector method）算法、最小范数（minim norm ） 算法以及 ESPRIT(estimation spectrum rotational invariance technique)算法等，利用matlab仿真工具设计算法，实现DOA估计的算法。
  2. 根据参考文献中的声学指数算法和思路，利用matlab仿真工具设计算法，实现指数的计算。
  3. 根据参考文献中对声学指数的总结和自己对实测数据结果进行分析与对比，利用图表和表格等形式，总结出生物指数的敏感性和使用范围等指标。

参考文献

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章