一种齿鲸实时监测与判别方法及其系统
阅读说明：本技术 一种齿鲸实时监测与判别方法及其系统 (Whale real-time monitoring and distinguishing method and system ) 是由 宋忠长 张宇 傅伟杰 徐晓辉 于 2021-08-26 设计创作，主要内容包括：本发明涉及一种齿鲸实时监测与判别方法及其系统,包含以下步骤：数据库建立步骤,录制不同种类的齿鲸的原始声呐信号,分析所述原始声呐信号,建立原始声呐信号与齿鲸种类相关联的数据库；对比判断步骤,获取并记录采集声呐信号,分析所述采集声呐信号并与所述数据库进行比对,判断所述齿鲸的种类。本发明通过建立与齿鲸声呐信号相关的数据库,并关联声呐信号与齿鲸的品种,从而在后续的水域监测中,只要获取水域中的声呐信号即可快速、有效地判断出齿鲸的品种。(The invention relates to a method and a system for monitoring and distinguishing whales in real time, which comprises the following steps: a database establishing step, namely recording original sonar signals of different types of whales, analyzing the original sonar signals, and establishing a database in which the original sonar signals are associated with the whale types; and a comparison and judgment step, acquiring and recording collected sonar signals, analyzing the collected sonar signals, comparing the collected sonar signals with the database, and judging the type of the whale. According to the method, the variety of the odontocetia can be quickly and effectively judged by acquiring the sonar signals in the water area in the subsequent water area monitoring through establishing the database related to the odontocetia sonar signals and associating the sonar signals with the variety of the odontocetia.)
技术领域
本发明涉及齿鲸判别领域，具体指有一种齿鲸实时监测与判别方法及其系统。
背景技术
小型或中型齿鲸，广泛生活于世界各大洋，在内海及江河入海口附近的咸淡水中也有分布，个别种类见于内陆河流。海豚是常见的齿鲸。
海上渔业捕捞是人类重要的蛋白质来源，然渔业捕捞中经常会受到来自海豚的干扰与影响。海豚会追寻鱼群，因此经常会被渔业捕捞作业中的渔网误捕。已有的齿鲸野外判别主要依靠船只追踪，进行拍照存储与识别，从而进行种群判断。船只调查需要利用望远镜实时观察海面，等待齿鲸浮出水面，再进行追踪，很大程度地限制了调查工作。
针对上述的现有技术存在的问题设计一种齿鲸实时监测与判别方法及其系统是本发明研究的目的。
发明内容
针对上述现有技术存在的问题，本发明在于提供一种齿鲸实时监测与判别方法及其系统，能够有效解决上述现有技术存在的问题。
本发明的技术方案是：
一种齿鲸实时监测与判别方法，包含以下步骤：
数据库建立步骤，录制不同种类的齿鲸的原始声呐信号，分析所述原始声呐信号，建立原始声呐信号与齿鲸种类相关联的数据库；
对比判断步骤，获取并记录采集声呐信号，分析所述采集声呐信号并与所述数据库进行比对，判断所述齿鲸的种类。
进一步地，所述分析所述原始声呐信号的具体方法为：
对所述原始声呐信号进行峰值声压级计算，若所述原始声呐信号大于第一峰值声压阈值，从所述原始声呐信号截取待分析数据；
对所述待分析数据频谱分析得到信号频谱，获取所述信号频谱的峰值频率，并以峰值频率为基准从所述信号频谱获取第一分贝带宽的频率分布范围和第二分贝带宽的频率分布范围，获取所述第一分贝带宽的频率分布范围的频带宽度数值并定义为第一特征值，获取所述第二分贝带宽的频率分布范围的频带宽度数值并定义为第二特征值，定义所述峰值频率为第三特征值；
对所述待分析数据进行时域能量积分得到能量累积分布，统计所述能量累积分布在第一能量范围内的时间差▽T，定义所述▽T为第四特征值。
进一步地，所述第一峰值声压阈值为160dB～180dB，所述从所述原始声呐信号截取待分析数据具体为：从所述原始声呐信号截取其峰值对应的前后各70us～80us的数据作为待分析数据。
进一步地，所述以峰值频率为基准从所述信号频谱获取第一分贝带宽的频率分布范围和第二分贝带宽的频率分布范围具体为：以峰值频率为中心从所述信号频谱获取第一分贝带宽的频率分布范围和第二分贝带宽的频率分布范围，其中，所述第一分贝带宽为-3分贝带宽，第二分贝带宽为-10分贝带宽。
进一步地，所述第一能量范围为2.5％-97.5％，统计所述能量累积分布在第一能量范围内的时间差▽T具体为：获取所述能量累积分布对应2.5％能量的时间点T1和所述能量累积分布对应97.5％能量的时间点T2，时间差▽T＝T2-T1。
进一步地，所述分析所述采集声呐信号的具体方法和所述分析所述原始声呐信号的具体方法相同。
进一步地，所述建立原始声呐信号与齿鲸种类相关联的数据库具体为：第一特征值、第二特征值、第三特征值、第四特征值与齿鲸种类相关联，建立数据库；所述分析所述采集声呐信号并与所述数据库进行比对具体为：分析所述采集声呐信号的第一特征值、第二特征值、第三特征值、第四特征值，并通过第一特征值、第二特征值、第三特征值、第四特征值与所述数据库进行比对，获得所述特征值匹配的齿鲸种类。
进一步地，所述原始声呐信号和所述采集声呐信号均为一个或多个0.8s-1.2s长度的声信号。
进一步提供一种齿鲸实时监测与判别系统，包含以下模块：
数据库建立模块，用于录制不同种类的齿鲸的原始声呐信号，分析所述原始声呐信号，建立原始声呐信号与齿鲸种类相关联的数据库；
对比判断模块，用于获取并记录采集声呐信号，分析所述采集声呐信号并与所述数据库进行比对，判断所述齿鲸的种类。
进一步地，所述系统还包含分析模块，用于分析所述原始声呐信号或者分析所述采集声呐信号，所述分析模块具体包含：
待分析数据获取子模块，用于对所述原始声呐信号进行峰值声压级计算，若所述原始声呐信号大于第一峰值声压阈值，从所述原始声呐信号截取待分析数据；
频谱特征值获取子模块，用于对所述待分析数据频谱分析得到信号频谱，获取所述信号频谱的峰值频率，并以峰值频率为基准从所述信号频谱获取第一分贝带宽的频率分布范围和第二分贝带宽的频率分布范围，获取所述第一分贝带宽的频率分布范围的频带宽度数值并定义为第一特征值，获取所述第二分贝带宽的频率分布范围的频带宽度数值并定义为第二特征值，定义所述峰值频率为第三特征值；
能量特征值获取子模块，用于对所述待分析数据能量积分得到能量累积分布，统计所述能量累积分布在第一能量范围内的时间差▽T，定义所述▽T为第四特征值。
因此，本发明提供以下的效果和/或优点：
本发明通过建立与齿鲸声呐信号相关的数据库，并关联声呐信号与齿鲸的品种，从而在后续的水域监测中，只要获取水域中的声呐信号即可快速、有效地判断出齿鲸的品种。
本发明所提供的方法，针对齿鲸的声呐信号的特征进行匹配，只采集160dB～180dB以上的声呐信号，同时对声呐信号截取峰值对应的前后各70us～80us的数据，可以满足大多数齿鲸的声呐信号特征，排除声呐信号中掺杂的噪音，得到更有利于后续处理的数据。
本发明将采集到的声信号进行时间差、峰值频率、-3分贝带宽与-10分贝带宽参数分析，并进行存储，构建数据库，同时利用时间差、峰值频率、-3分贝带宽与-10分贝带宽参数进行鉴定齿鲸的品种，突破了传统利用图像判别齿鲸种类的方法，可以在不同的天气、时间下检测齿鲸的活动，不受齿鲸是否浮现在水面上影响，为齿鲸野外调研提供便利。
应当明白，本发明的上文的概述和下面的详细说明是示例性和解释性的，并且意在提供对如要求保护的本发明的进一步的解释。
附图说明
图1为本方法的流程示意图。
图2为原始声呐信号的波形示意图。
图3为中华白海豚在时域内的声呐波形。
图4为东亚江豚在时域内的声呐波形。
图5为中华白海豚和东亚江豚的声呐波形的声压级。
图6为中华白海豚和东亚江豚的声呐波形的时长。
图7为待分析数据的波形图。
图8为图7经过FFT变化得到的频域图。
图9为图7经过积分得到的能量累积图。
图10为中华白海豚和东亚江豚的声呐信号频域特性。
图11为图10的峰值频率、-3分贝带宽与-10分贝带宽分布特性。
图12为中华白海豚和东亚江豚的特征值表格。
具体实施方式
为了便于本领域技术人员理解，现将实施例结合附图对本发明的结构作进一步详细描述：
参考图1，一种齿鲸实时监测与判别方法，包含以下步骤：
S1，数据库建立步骤，录制不同种类的齿鲸的原始声呐信号，分析所述原始声呐信号，建立原始声呐信号与齿鲸种类相关联的数据库；
S2，对比判断步骤，获取并记录采集声呐信号，分析所述采集声呐信号并与所述数据库进行比对，判断所述齿鲸的种类。
具体地，本实施里采用水声换能器、功率放大器与数模转换单元，可将实时采集的声信号传送至软件部分进行后处理，采集覆盖频率范围可至200kHz，可满足不同频率、不同带宽的齿鲸声呐信号采集。水声换能器是能在水下进行电能-声能转换的工具。电信号传递至数模转化单元，转化为模拟信号，采样率为400kS/s，可实现低、中、高频数字信号向模拟信号的转化。
通过调查船或者野外实验搭载平台，在工作海域布放布放水声换能器。通过水声换能器采集水下的声音信号，即声呐。
首先，建立数据库，通过水声换能器在水域录制不同种类的齿鲸的原始声呐信号，原始声呐信号的信号源可以是预先录制好的不同种类的齿鲸的声呐信号，也可以是在水域实时录制得到的不同种类的齿鲸的声呐信号。通过连续采集1s长度的一个或多个原始声呐信号，对不同种类齿鲸的原始声呐信号的各项声学参数进行阈值设定，将得到的原始声呐信号与齿鲸种类相关联，建立数据库。
然后，通过水声换能器在相应的水域录制采集声呐信号，通过连续实时、采集1s长度的一个或多个采集声呐信号，分析采集声呐信号是否属于齿鲸发出的声呐信号，若是，则分析采集声呐信号的各项声学参数，判断采集声呐信号的各项声学参数是否落入数据库中某个齿鲸种类所对应的阈值范围，若是则可以根据对应的阈值范围判断出齿鲸种类。
最后通过显示屏等提示工作人员该水域中存在齿鲸，已经齿鲸的种类。
所述原始声呐信号和所述采集声呐信号均为一个或多个0.8s-1.2s长度的声信号。本实施例所述原始声呐信号和所述采集声呐信号均为1s，在其他实施例也可以是0.8s或者1.2s。如图2所示。
所述分析所述采集声呐信号的具体方法和所述分析所述原始声呐信号的具体方法相同，在此只具体阐述分析所述原始声呐信号的具体方法，分析所述采集声呐信号的具体方法依次类推即可。
所述分析所述原始声呐信号的具体方法为：
S1.1、对所述原始声呐信号进行峰值声压级计算，若所述原始声呐信号大于第一峰值声压阈值，从所述原始声呐信号截取其峰值对应的前后各70us～80us的数据作为待分析数据；所述第一峰值声压阈值为160dB～180dB。
具体为，对所述原始声呐信号进行峰值声压级计算，若所述原始声呐信号大于170dB，从所述原始声呐信号截取其峰值对应的前后各75us的数据，共150us长度的数据作为待分析数据，保存并用于后续步骤的处理。这是因为，水下的声呐信号繁多且复杂，需要通过阈值设定去滤除无关的信号，并简单地判断该声呐信号是否属于齿鲸发出的声呐信号。参考图3-6，图3为中华白海豚在时域内的声呐波形，图4为东亚江豚在时域内的声呐波形，其中横坐标为时间，纵坐标为幅度。图5为中华白海豚和东亚江豚的声呐波形的声压级，图6为中华白海豚和东亚江豚的声呐波形的时长。通过大量的齿鲸声信号分析，申请人发现持续时长中华白海豚的分布区间大概是20.6-57.5微秒，江豚是47.5-115.6微秒，声压级中华白海豚190.8-198.6dB，江豚163.58-179.5dB。因为海豚发出的声信号的能量会随着传播距离衰减，所以170dB根据的监测覆盖距离来设定的一个最佳阈值。因此定义声呐信号大于170dB才认为包含齿鲸的声音波形，并且在其峰值的前后共150us最具有研究价值。本实施例通过这两个参数设定，可以滤除大部分无用波形，得到最佳声呐信号，如图2中的虚线框所示，截取得到的待分析数据如图7所示。
S1.2、对所述待分析数据频谱分析得到信号频谱，获取所述信号频谱的峰值频率，并以峰值频率为中心从所述信号频谱获取第一分贝带宽的频率分布范围和第二分贝带宽的频率分布范围，其中，所述第一分贝带宽为-3分贝带宽，第二分贝带宽为-10分贝带宽。获取所述-3分贝带宽的频率分布范围的频带宽度数值并定义为第一特征值，获取所述-10分贝带宽的频率分布范围的频带宽度数值并定义为第二特征值，定义所述峰值频率为第三特征值。
具体地，对待分析数据进行FFT变换，得到如图8所示的频域图，其中横坐标为频率，纵坐标为分贝。将频谱峰值对应的频率点定义为峰值频率fp，并读取其频谱能量值P。可以得到，峰值频率为100kHz，并以100kHz为中心从所述信号频谱获取-3分贝带宽的频率分布范围和-10分贝带宽的频率分布范围。分贝带宽是指在频谱图中以某一点为基准，下降对应分贝，对应的带宽。本实施例以峰值频率为重点，下降3dB、10dB，得到如图8所示的两条虚线对应的带宽，并在X轴获取对应该虚线的值，该值对应的范围即频带宽度数值，得到第一特征值、第二特征值、第三特征值。
S1.3、对所述待分析数据进行时域能量积分得到能量累积分布，统计所述能量累积分布在第一能量范围内的时间差▽T，定义所述▽T为第四特征值。
具体地，对图7所示的波形进行积分，得到如图9所示的能量累积图。对脉冲的能量进行积分，假设脉冲为x(n)，则能量E定义为可以看到，齿鲸的声呐信号的能量累积图，一开始斜率接近于0，然后斜率突然快速上升，最后斜率重新趋近于0，能量集中在中间部分。时长定义为E2.5％对应的时间点T1到E97.5％对应的时间点T2之间的时间差▽T＝T2-T1。计算得到的时间差▽T也是齿鲸的声呐信号的重要参数，定义为第四特征值。
申请人发现，这四个特征值和海豚的叫声密切相关，通过这四个特征值能够区分海豚的种类。然后，通过第一特征值、第二特征值、第三特征值、第四特征值与齿鲸种类相关联，建立数据库。
通过四个特征值的，就能够对不同的水域进行实时检测声呐信号，对采集声呐信号进行分析，分析的步骤与上述步骤S1.1-S1.3类似，在此不再展开赘述。得到采集声呐信号的四个特征值，并通过第一特征值、第二特征值、第三特征值、第四特征值与所述数据库进行比对，获得所述特征值匹配的齿鲸种类。
进一步提供一种齿鲸实时监测与判别系统，包含以下模块：
数据库建立模块，用于录制不同种类的齿鲸的原始声呐信号，分析所述原始声呐信号，建立原始声呐信号与齿鲸种类相关联的数据库；
对比判断模块，用于获取并记录采集声呐信号，分析所述采集声呐信号并与所述数据库进行比对，判断所述齿鲸的种类。
进一步地，所述系统还包含分析模块，用于分析所述原始声呐信号或者分析所述采集声呐信号，所述分析模块具体包含：
待分析数据获取子模块，用于对所述原始声呐信号进行峰值声压级计算，若所述原始声呐信号大于第一峰值声压阈值，从所述原始声呐信号截取待分析数据；
频谱特征值获取子模块，用于对所述待分析数据频谱分析得到信号频谱，获取所述信号频谱的峰值频率，并以峰值频率为基准从所述信号频谱获取第一分贝带宽的频率分布范围和第二分贝带宽的频率分布范围，获取所述第一分贝带宽的频率分布范围的频带宽度数值并定义为第一特征值，获取所述第二分贝带宽的频率分布范围的频带宽度数值并定义为第二特征值，定义所述峰值频率为第三特征值；
能量特征值获取子模块，用于对所述待分析数据能量积分得到能量累积分布，统计所述能量累积分布在第一能量范围内的时间差▽T，定义所述▽T为第四特征值。
实施例一
本发明的具体实施案例以厦门海域出没的中华白海豚和东亚江豚为例。中华白海豚和东亚江豚生活在近岸浅水海域，人类经济活动密集的海域。浅海水体能见度有限，传统的图像采集判断的方法难以监测，中华白海豚与东亚江豚均依赖其发出的声呐信号进行探测与捕食。然而，浅海的环境噪声强，航运噪声、海洋工程噪声(如打桩与风电噪声)以及水下爆破等均会影响中华白海豚与东亚江豚的生存。齿鲸在探测中会发出一系列声呐信号脉冲。本发明可利用齿鲸发出的声呐信号，将装置布放至工作海域，对出没的齿鲸进行监测与预报，对施工海域的噪声强度进行自适应控制，从而对中华白海豚和江豚的活动实现监测。
参考图10-11，通过上述方法建立数据库，数据库至少包含中华白海豚、东亚江豚，其中，中华白海豚峰值频率的31.435k-135.041k，均值80.461k；江豚的峰值频率127.29k-140.448k，均值133.345k；中华白海豚的-3dB带宽8.900kHz-81.281kHz，均值39.334kHz；江豚的-3dB带宽7.795kHz-21.355kHz，均值11.753kHz；中华白海豚的-10dB带宽60.143kHz-158.086kHz，均值98.467kHz；江豚的-10dB带宽15.3-36.6kHz，均值26.9kHz。中华白海豚的时间差为20.6-57.5微秒，江豚时间差为47.5-115.6微秒，具体参考图12。
通过建立此数据库，在不同的水域实时获取采集声呐信号，分析所述采集声呐信号的四个特征值，并与所述数据库进行比对，可以准确地判断得到齿鲸的种类。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属于本发明的涵盖范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：语音内容展示方法、装置、系统及车辆