基于差分Pattern时延差编码和海豚whistles信号的仿生水声通信技术研究

为解决传统的隐蔽水声通信方法带来的通信性能降低问题,提出了一种将差分Pattern时延差编码通信体制与海豚whistles信号相结合的仿生水声通信技术.海豚whistles信号频带较窄且各信息码元间隔不等、码元之间互相关性较弱,选取whistles信号作同步码和Pattern码,并以相邻whistles信号之间的时延差值携带信息.这种仿生的水声通信信号不易被敌方探测、截获,且差分Pattern时延差特殊的编码方式也不易使信息被破译,因此该水声通信技术具有较强的隐蔽性和保密性,且在抗码间干扰以及抗多普勒效应方面具有优异性能.本文对系统进行了水池实验,在信噪比为0 dB、存在相对运动时实现了通信速率为67 bit/s的低误码数据传输,验证了系统的有效性、稳健性和隐蔽性.

基于海豚whistle信号的仿生主动声纳隐蔽探测技术研究

为解决主动声纳系统易暴露、隐蔽性差的问题,提出一种基于海豚whistle信号的仿生主动声纳隐蔽探测技术。在发射端将线性调频探测信号隐蔽在海豚whistle信号中,设计了一种主动声纳的仿生隐蔽探测信号,该信号与海洋中的海豚哨叫声十分相似,可以利用海洋中的生物环境噪声实现主动声纳的隐蔽探测。在接收端选用自适应相关器作为主动声纳的时域处理器,自适应相关器对海洋环境有较强的匹配适应能力,可以自动匹配海洋信道,有效抑制多途扩展损失,相较匹配滤波器有更高的信噪比处理增益,有助于实现远距离探测。仿真和海试结果表明,基于海豚whistle信号的仿生主动声纳隐蔽探测技术具有良好的隐蔽性和有效性。

分形维数海豚哨声信号检测方法

针对海豚哨声信号自动检测的问题,提出一种基于分形维数的自适应阈值海豚哨声信号检测方法。对待检测声信号计算盒分形维数,根据得到的盒分形维数特征值,通过模糊C均值聚类自适应确定检测阈值,实现海豚哨声信号的自动检测。文中对水池录制的海豚声信号进行了数据分析,利用哨声信号盒分形维数对哨声信号段与非信号段进行检测,并与基于谱熵的方法进行对比,获得了较高的检测率以及较低的虚警率,可以适用于海豚哨声信号的自动检测与分割。

一种适用于被动声学监测系统的海豚回声定位信号快速检测方法

被动声学监测仪已成为海豚的声信号研究的重要手段。为解决监测系统计算速度慢、检测正确率低等问题,满足低功耗长期工作的需求,文章结合海豚回声定位信号的时域特征,提出了一种快速检测方法。该算法不需要进行快速傅里叶变换和频域分析,因此大大提高了计算速度并有效降低了系统算力需求,进而延长被动声监测系统的工作时间和提高工作效率。使用野外和室内采集的中华白海豚以及宽吻海豚声信号数据进行测试。测试结果表明,检测速度大幅提高,且检测正确率达到90%以上。

圈养宽吻海豚自由游动状态和训练期间通讯信号比较研究

根据频率特性对圈养宽吻海豚(Tursiops truncatus)在自由游动和训练两种实验条件下的声通讯信号进行分类,并利用双尾t检验统计分析方法对两种条件下的信号声谱参数进行统计比较。结果显示,宽吻海豚在自由状态下通讯信号的种类多并以正弦型为主,而训练期间的通讯信号则大多数为上扫频类。此外,统计分析表明起始频率不能反映这两种状态的不同(p=0.22)。结束频率、最小频率、最大频率、频率变化量、拐点数、环形数、阶数、波形数和周期等则显示了两种状态显著的差异性(p<0.05)。结果为今后海豚声行为研究提供一定的科学参考和基础。

圈养瓶鼻海豚对20 kHz连续声信号的行为响应研究

将20 kHz连续声信号作为刺激信号,测试了厦门某海湾圈养的两只瓶鼻海豚对该信号的行为变化。通过对比信号发射期与间歇期海豚相对声源的水面距离、露出水面的次数以及水下发出的click定位声信号的数目等变化,判断发射信号对海豚行为的影响。给出了瓶鼻海豚对测试信号产生躲避行为的声压级门限(154±2 dB re 1μPa,rms),并与鼠海豚的躲避声压门限级进行了对比。结果表明:信号发射期,瓶鼻海豚移离了声源位置,增加了露出水面的次数,水下发出click声信号的次数明显减少。因此,瓶鼻海豚对20kHz连续信号产生了行为改变。

瓶鼻海豚的click声信号特性

对自然环境下圈养在网箱内的瓶鼻海豚的发声及信号特性进行研究,利用实验室构建的宽频信号记录系统,获取大量的海豚原始发声信号,借助Matlab软件对这些信号进行时域、频谱分析。结果表明,瓶鼻海豚的发声信号复杂多样,主要分为滴答声、哨叫声和爆裂脉冲等三类。重点研究的的答声属于高频窄脉冲,频率分布范围广,集中在2～160 kHz,峰值频率在110 kHz附近,高于室内环境下瓶鼻海豚的答声信号的峰值频率;并且不同的声行为下,瓶鼻海豚发出的答声的次数有明显不同,喂食和训练时,发声次数较多,但频谱特性的变化趋势基本一致。

厦门海域中华白海豚定位click信号特性

对厦门海域中华白海豚的发声及信号特性进行研究,采用高频宽带数据记录系统获取了大量中华白海豚click信号,并利用Matlab软件和Excel 2007对这些信号进行时域和频域分析.结果表明:click信号通常以不同长度的序列形式出现,单个click信号长度分布在(33±4)μs;频谱能量分布广,低频至10kHz,高频达200kHz以上,具有单峰和双峰2种频谱结构,峰值频率、3dB带宽和10dB带宽分别为(113.3±16.3)、(48.3±14.2)和(113.3±16.4)kHz.中华白海豚click信号双峰的频率分布,为其在海底混响严重的浅海环境准确识别目标提供了保障.

宽吻海豚Click信号的时频滤波检测方法

针对宽吻海豚Click信号检测提出了一种在信号时频图中基于Gabor滤波器的检测方法。该方法首先对声信号进行分段处理,计算每一段信号的时频图;然后设计Gabor滤波器,提取时频图中垂直方向的线条;对Gabor滤波处理后的时频图进行自适应阈值处理,提取时频图中能量较强的区域;最后通过连通域分析确定Click信号的位置.仿真合成不同信噪比的测试信号,本文算法在Click信号和背景噪声平均功率比为15 dB的情况下,Click信号的找全率达到了99%,错误率为0%;对实际采集的声信号进行Click信号检测,找全率为100%。本文方法预期为海豚观测和海豚生物学行为的研究提供一定的技术支持。

一种宽吻海豚通讯信号自动分类的方法

针对宽吻海豚通讯信号自动分类提出了一种基于句法模式识别的方法。该方法首先提取海豚通讯信号基频随时间变化的轨迹曲线,然后提取基频变化的基元序列。根据海豚通讯信号分类的标准,归纳出产生各类海豚通讯信号基频基元序列的文法。对未知类别的海豚通讯信号,提取其基频变化的基元序列,根据各类模式的文法对基元序列进行分类,进而实现海豚通讯信号的自动分类。实验结果显示本文方法的分类准确率达到了95%。本文方法预期为海豚生物学行为的声学研究提供一定的技术支持。

海豚声纳信号的脉冲分解及特征分析

提出一种海豚声纳目标探测脉冲串信号的脉冲分解方法,在此基础上对海豚声纳脉冲信号的特征进行了分析,其中包括脉冲宽度、脉冲间隔以及脉冲的时间分辨率和频率分辨率,并采用耳蜗滤波对海豚声纳脉冲串信号的时频特征进行了分析。分析结果表明,探测目标的过程中,根据目标距离的不同,海豚会自适应调节脉冲信号的发射频率和信号形式。

基于时频图像处理的宽吻海豚声通讯信号自动检测方法

人工检测宽吻海豚声通讯信号效率低下.提出了一种基于信号时频图像处理的方法,旨在实现对宽吻海豚声通讯信号的高效自动检测.该方法首先对采集到的音频信号进行分帧,计算每帧信号的时频图;对时频图进行中值滤波后利用自适应局部阈值法提取时频图中通讯信号的轮廓;对提取的轮廓进行连通域分析,根据各连通域的能量和持续时间过滤噪声连通域;合并邻近的连通域后根据连通域的位置判断海豚通讯信号在音频信号中的起止时刻.实验结果显示本文的检测方法准确率达到了95%,该方法为海豚声信号的自动观测及其生物学行为的研究提供了一定的技术基础.

中华白海豚回声定位信号自动识别

中华白海豚是我国一级保护动物,以往研究表明不同海域中华白海豚的回声定位(click)信号存在差异。文章以回声定位信号为识别标准,使用三种机器学习方法(K近邻法,决策树-分类回归树法和朴素贝叶斯法)识别中华白海豚。首先使用Teager-Kaiser能源算子(Teager-Kaiser Energy Operator, TKEO)方法和Gabor滤波器进行中华白海豚click信号的自动检测,然后通过倒谱的方法提取click信号的特征,最后利用3种机器学习方法识别中华白海豚。实验数据采集于雷州湾的中华白海豚以及厦门湾的中华白海豚和宽吻海豚的发声信号。实验中将厦门湾中华白海豚和雷州湾中华白海豚设为第一组,进行同种海豚识别;将厦门海域中华白海豚和宽吻海豚设为第二组,进行不同种海豚识别,实验结果表明这两组实验的平均识别准确率分别可以达到98%和96%。

圈养瓶鼻海豚通讯信号分析及融合分类方法

针对圈养条件下瓶鼻海豚通讯信号(whistle)分类时混叠大量回声定位信号(click)导致分类正确率降低的问题,提出了一种基于机器学习的融合分类方法。分别提取whistle信号的时频分布特征训练随机森林分类器,梅尔时频图特征训练卷积神经网络分类器,在此基础上设计融合判决器对混叠whistle信号进行分类识别。对圈养海豚声信号采集实验数据的分类识别结果表明,融合分类方法具有更好的分类性能,对混叠whistle信号分类正确率大于94%,优于时频分布特征分类器和梅尔时频图特征分类器,能够提高混叠信号的分类能力。

圈养瓶鼻海豚通信信号声谱特征及声行为研究

对2只圈养瓶鼻海豚的通信信号进行采集,通过Matlab进行短时傅里叶变换生成声谱图,根据频率阈值提取信号基频轮廓,计算其起始频率、结束频率、最大频率、最小频率、持续时间、拐点数的均值及标准偏差,采用双尾t检验分析2只海豚声谱特征的差异性,并将信号类型与行为进行匹配分析。结果表明,2只海豚的发声类型与声谱特征均存在差异:发声类型主要以固定型为主,3号发出上扫型与正弦型的比例更高;声谱特征在持续时间、最小频率处存在显著差异(p<0.05)。在行为方面,信号类型与行为存在关联:跃出水面时,主要发出固定型信号,在栅栏处停留时,主要发出凸型信号,推测固定型信号是跃出水面的标志声音,凸型是与同伴交流的标志声音。

印太瓶鼻海豚(Tursiops aduncus)通讯声信号分类及特征参数的环境差异性分析

通过长期记录室内水池环境下两只印太瓶鼻海豚通讯信号,并与海湾自然环境下同样的两只海豚所发出的通讯信号进行比较分析,从信号类型、声谱特征等方面研究生活环境变化下瓶鼻海豚通讯信号的差异性。结果表明,生活环境的差异,会改变瓶鼻海豚通讯信号。海湾自然环境下,瓶鼻海豚通讯信号以正弦型信号为主;而室内水池环境下,上扫型信号比例明显增多,而正弦型信号减少。两种环境下,瓶鼻海豚通讯信号在持续时间、拐点数、起始频率、结束频率、最小频率、最大频率等存在显著性差异(p<0.05),但信号的频率变化量相近(p=0.29)。结果为提高海豚通讯信号认知和增强海豚生物行为研究提供一定的科学参考,同时也为仿生隐蔽通信提供技术支撑。

不同环境下瓶鼻海豚click信号及仿真分析

瓶鼻海豚click信号具有较高的分辨率和抗混响性,但国内对其研究和应用仍然不足。利用宽带高频记录系统,对瓶鼻海豚在水池环境近距离目标以及自然环境下产生的click信号进行记录。经过统计和对比分析,瓶鼻海豚在水池环境下产生的click信号相比于自然环境下产生的click信号,信号长度更长,频率更低,带宽更窄。建立并利用瓶鼻海豚click信号的波形简化表达式,对仿生瓶鼻海豚click信号的模糊函数开展进一步仿真分析,结果表明,自然环境下的瓶鼻海豚click信号信号长度更短,有利于目标的分辨;水池环境下的瓶鼻海豚click信号,峰值频率更低,频带更窄,有利于抗混响。

时频特征的海豚发声端点检测方法研究

为在复杂的海洋环境噪声场中检测出目标海豚的某类声信号,设计了一种基于海豚声学特征的端点检测方法。根据海洋环境中噪声能量大且分布频率范围广,而海豚声音的时频特征具有持续时间短、频率高且集中、发声行为持续时间长的特点,将采集到的海洋声音进行分帧,计算单帧信号短时能量、谱质心和谱质心二阶偏移率,当海豚发出声信号时,谱质心和能量相应发生突变,截取发生突变的信号实现端点检测。通过与门限法等其他常见端点检测方法进行对比,结果表明,此方法在低信噪比的海洋环境下对单一海豚的某一类声信号检测准确度更高,同时具有较强的抗干扰能力。

模拟海豚滴答声的仿生换能器设计

海豚回声定位信号具有宽带窄脉冲特性,能够精确分辨水中目标,为了使换能器模拟海豚发射回声定位信号,本文采用等效电路法分析了匹配层参数对换能器谐振频率和对应模态强弱的影响,并建立有限元模型进行仿真验证,同时从频域和时域对换能器展开优化设计,根据海豚回声定位信号的特点,设计了一款能模拟海豚发声的双匹配层宽带仿生换能器。该换能器工作频带为50~145 kHz,基本覆盖了海豚回声定位信号的频率范围,单个脉冲发射持续时间不超过22μs,时域波形与频谱能量分布与海豚滴答声信号一致。

一种仿生谐波信号的分析

0引言动物声纳在恶劣捕食环境的具有卓越的性能,如大棕蝙蝠密集丛林中捕获到静止昆虫,瓶鼻海豚则能从泥沙中寻找到不同尺寸、形状的掩埋目标[1]。无庸置疑,回声定位动物在复杂环境下跟踪和捕食猎物的能力让人工声纳系统望尘莫及。研究表明,动物声纳之所以具有优势,一个主要原因就是其发声信号更加多样、复杂,其中蝙蝠利用多个谐波信号来对抗丛林等混响背景[2]。本文从波形分析的角度来探讨谐波信号在人工声纳的应用问题。