布朗克罗克 (Miichthys miiuy) 的重建建模和验证使用基于波形的反转和深度学习的发音
Sunhyo Kim1, Jongwook Choi2, Bum-Kyu Kim1
1Sea Power Reinforcement Security Research Department, Korea Institute of Ocean Science & Technology (KIOST), Busan 49111, Republic of Korea.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
这项研究提出了一个新的框架,用于使用波形合成和深度学习重建棕色鱼 (Miichthys miiuy) 的发音. 该方法可靠地产生真实的鱼声,有助于被动声学监测 (PAM) 和数据增强.
科学领域:
- 生物声学是一种生物声学.
- 计算生物学 计算生物学
- 信号处理 信号处理
背景情况:
- 鱼的发声对于被动声学监测 (PAM) 和生态研究至关重要.
- 有限的高质量记录,特别是像棕色鱼 (Miichthys miiuy) 这样的物种,阻碍了生物声学研究.
- 开发数据驱动的方法来产生现实的鱼声对于推进PAM至关重要.
研究的目的:
- 开发和验证一个用于重建棕色croaker声调的框架.
- 通过创建合成但现实的鱼声来解决生物声学数据限制.
- 通过改进的特定物种呼叫模拟来增强被动声学监测能力.
主要方法:
- fk14波段合成与基于PSO的参数优化相结合.
- 灵敏度分析以确定波形重建的关键参数 (延迟和尺度).
- 深度学习验证使用基于ResNet-18的语网络进行信号比较.
主要成果:
- 重建的信号与时间和频率领域的测量呼叫密切匹配,保留了形态和光谱密度.
- 带有优化参数的波形合成在确定有效范围内保持了>98%的波形相似性.
- 深度学习验证显示,真实信号与重建信号之间存在近单位的等号相似性 (~0.9996).
- 在噪音条件下,信号与噪音比率 (SNR) 较低时,重建保真度下降.
结论:
- 拟议的框架可靠地产生声学上现实的和形态上一致的鱼声,即使数据有限.
- 这种方法对数据集增强,增强PAM应用和模拟特定物种呼叫具有前景.
- 未来的工作将利用重建的信号来训练可扩展合成和实时适应性监测的生成模型.
