原始研究的文章

前面。远程Sens。, 2023年1月17日
秒。声遥感
卷3 - 2022 | https://doi.org/10.3389/frsen.2022.1079223

生物分析声学指标良好的信噪比影响

Lei陈 ¹, www.雷竞技rebatfrontiersin.org

庸徐¹和

赵赵 ^1、2*

¹学校的电子和光学工程、南京科技大学、中国南京
²走读生高级教授,全球音景中心,普渡大学西拉法叶,在美国

近年来,被动声学监测(PAM)已成为越来越受欢迎。许多声学指标(AIs)已经提出了快速生物多样性评估(RBA),然而,大多数声学指标已报告容易受到非生物的声音,比如风或雨噪音当生物声音掩盖,这就极大地限制了这些声学指标的应用。在这上班,为了了解信噪比(信噪比)的影响机制声学指标,四个最常用的声学指标,即。,the bioacoustic index (BIO), the acoustic diversity index (ADI), the acoustic evenness index (AEI), and the acoustic complexity index (ACI), were investigated using controlled computational experiments with field recordings collected in a suburban park in Xuzhou, China, in which bird vocalizations were employed as typical biotic sounds. In the experiments, different signal-to-noise ratio conditions were obtained by varying biotic sound intensities while keeping the background noise fixed. Experimental results showed that three indices (acoustic diversity index, acoustic complexity index, and bioacoustic index) decreased while the trend of acoustic evenness index was in the opposite direction as signal-to-noise ratio declined, which was owing to several factors summarized as follows. Firstly, as for acoustic diversity index and acoustic evenness index, the peak value in the spectrogram will no longer correspond to the biotic sounds of interest when signal-to-noise ratio decreases to a certain extent, leading to erroneous results of the proportion of sound occurring in each frequency band. Secondly, in bioacoustic index calculation, the accumulation of the difference between the sound level within each frequency band and the minimum sound level will drop dramatically with reduced biotic sound intensities. Finally, the acoustic complexity index calculation result relies on the ratio between total differences among all adjacent frames and the total sum of all frames within each temporal step and frequency bin in the spectrogram. With signal-to-noise ratio decreasing, the biotic components contribution in both the total differences and the total sum presents a complex impact on the final acoustic complexity index value. This work is helpful to more comprehensively interpret the values of the above acoustic indices in a real-world environment and promote the applications of passive acoustic monitoring in rapid biodiversity assessment.

1介绍

生物多样性评估日益紧迫的任务,面对全球环境变化(佩雷拉et al ., 2013;Bradfer-Lawrence et al ., 2020)。尽管雄心勃勃的全球目标减少生物多样性损失(Tittensor et al ., 2014),压力对生物多样性有显著增加(布莱德et al ., 2010);Droge et al ., 2021在过去四十年。量化生物多样性保护基本设置优先级(Mittermeier et al ., 1998;布鲁克斯et al ., 2006),特别是在当前时期巨大的生物多样性损失(布鲁克斯et al ., 2006;Ceballos et al ., 2015;Cifuentes et al ., 2021)。传统上,这依赖于详细的物种库存,然而往往需要一个广泛的,昂贵的采样工作,尤其是在high-biodiversity地区(Cifuentes et al ., 2021)。

被动声学监测、一个有前途的替代的分值进行调查,可能提供更快速、更经济的陆地生物多样性评价比传统的方法原位调查(Pijanowski 2011)。有两个主要优势与声学监测。一个是收集数据的能力同时大面积用最小的观察者偏见(Deichmann et al ., 2018;吉布et al ., 2019)。另一个优势是,可以进行数据收集在很长一段时间与最低干扰野生动物(Deichmann et al ., 2018;吉布et al ., 2019;Shamon et al ., 2021)。

近年来,许多声学指标(AIs)已经开发了快速、自动化的评估生态系统条件或作为丰富的代理和/或多样性(Gasc et al ., 2013 a;Rajan et al ., 2019;Sugai Llusia, 2019;Shamon et al ., 2021)。几项研究已经报道之间的关系不同AIs和措施的物种丰富度和多样性,在结论方面表现“最好”的指数在不同生态系统(Fuller et al ., 2015;Gasc et al ., 2015;Fairbrass et al ., 2017;Mammides et al ., 2017;迈尔斯et al ., 2019;赵et al ., 2019)。这些不确定性令ecosystem-specific AIs的性能评估(Gasc et al ., 2015)。此外,仍有一些问题关于AIs,其中包括各种非生物的影响的声音(如风力、雨水和道路噪音),AIs的敏感性不同的信噪比(信噪比)的条件下,和AIs的优化使用声学监测。例如,当使用AIs量化一个声学社区的复杂性,有必要考虑影响AIs的值记录信噪比的变化。

自不同距离的发声生物和声学录音机不可避免地影响信噪比在录音中,我们调查潜在的AIs和信噪比之间的联系使用现场录音收集在徐州市郊的一个公园里,中国。考虑到很难保证信噪比预期在调查环境中,控制计算实验和不同信噪比条件下使用。实验结果表明,除了不同的声音单元形状(赵et al ., 2019),信噪比的变化也导致了AIs的值的差异。

本研究的目的是要了解信噪比的影响机制四个最常用的AIs,即。bioacoustic指数(生物)(Boelman et al ., 2007)、声学多样性指数(ADI) (Villanueva-Rivera et al ., 2011),声均匀度指数(AEI) (Villanueva-Rivera et al ., 2011),和声学复杂性指数(ACI) (Pieretti et al ., 2011)。此外,我们还提出了初步想法改善这些AIs的鲁棒性,这将是未来的探索。

2材料和方法

2.1研究区

我们从两个网站获得声录音在九黎湖国家湿地公园(图1),位于西北徐州,江苏,中国(19 34°27′′′- 34°20′44“N, 117°6′2′′- 117°7′22“E)。有很多种类的昆虫、爬行动物、无尾类的,鸟类(约42种)和哺乳动物在公园里。目前,这一领域被人口城市化基础设施公路贯穿而过公园。

图1

图1。声的位置记录在九黎湖国家湿地公园,徐州,江苏,中国。网站代表了地面采样点,Site B是被湖水包围。

2.2数据收集

声音文件记录在两个地点在公园见图1。网站(34°19′44”N - 117°6′17“E) 50米离开小道,周围树木而Site B (34°20′18“N - 117°6′54”E)是位于中间的一座岛上有一个湖。

在每一个两个地点,我们使用一个SongMeter数字录音设备(模型SM4,野生动物声学Inc .)康科德,MA)获得鸟的声音在连续三天每个月从2022年6月到8月。录音机被编程操作每天24小时。录音是在wav文件(48千赫采样率,26 dB麦克风增益,16位)与点时间。通过这种方式,对于每一个位置,我们每月获得72点记录,对应144 h /月(2×72 h每点位置)和432 h。

图2显示了一个30多岁的声谱图记录作为一个代表性的例子在网站收集从6:35:16点到2022年6月24日上午6:35:46。记录包含各种鸟的声音温和的风,还有几乎没有明显的人为的声音。具体来说,可以观察到低于400赫兹的频率是由噪声,和在400年和12000赫兹之间存在丰富的生物的声音。在这里,符合我们的先前的研究(赵et al ., 2017;2019年;Zhang et al ., 2018),我们认为一个电话或一个音节作为声学事件。我们选择五个常见和普遍的鸟类在徐州,声音对应的五个单元形状独特的声音。更具体地说,听起来这五个单元形状恒频(CF)、调频(FM)吹口哨,宽带脉冲(BP),宽带不同频率成分(BVF),和强大的谐波(SH) (Brandes 2008)。禽声的详细描述事件中提供了用于这项工作表1。我们提取声学事件使用相同的自动分割过程中给出赵et al。(2017)。每个事件的持续时间小于1 s,促进以下实验。

图2

图2。光谱图30年代的记录作为一个代表性的例子在网站收集在九黎湖国家湿地公园,徐州,江苏,中国。

表1

表1。细节的物种和声学事件用于这项工作。5种常见和普遍在徐州。所有的声学事件^一个从我们的现场录音。

2.3数据分析

我们计算四个不同的指标,即。,B我O,一个C我,一个D我,和一个E我, using the R programming language version 3.4.2. More specifically, the above indices were computed using the bioacoustic_index, acoustic_complexity, acoustic_diversity, and acoustic_evenness functions, respectively, in the “soundecology” package (Villanueva-Rivera Pijanowski, 2016)。生物的最低频率和最高频率设置为0.4 kHz和12 kHz,分别。在ACI的情况下,最大频率设置为12 kHz。阿迪,AEI计算使用12 kHz的最大频率和1 kHz频率带宽(−50 dBFS使用阈值)。毕竟指数的计算结果,描述性统计(意思是,标准偏差)为实验1中每个索引。

2.4实验

2.4.1实验时信噪比的影响

为了检查信噪比的影响在AIs的价值观,我们专注于发声强度选择声学事件在这个实验中。使用上面列出的五种鸟类(表1),我们随机选择6声事件的每一个物种,即。,30 events in total, and overlaid them on a 1-min background noise recording with each event within every non-overlapping 2 seconds. The background recording was obtained from 5:15 a.m. to 5:16 a.m. on Jun. 24, 2022, at Jiuli Lake National Wetland Park, Xuzhou, Jiangsu Province, China, and the corresponding spectrogram is shown in图3。这个记录包含几乎没有声响听起来但温和的风,提供一个声背景自然条件类似于大多数现场录音。值得一提的是,背景噪音包含大部分能量在低频率范围而不是均匀分布在整个频谱。

图3

图3。(背景噪音记录收集在九黎湖国家湿地公园的站点,徐州,江苏,中国。(一)归一化功率谱的录音。(B)记录的光谱图。

众所周知,比率计算信噪比的信号和噪声的平均功率。在这项工作中,我们增加信号(即。声学事件)权力的一个因素一个同时保持噪声功率不变,这将导致所需的信噪比。注意,尽管所有选定的事件有很高的信噪比,维纳滤波器(亚斯兰,2006)进一步应用在每个事件减少背景噪音之前构建实验记录。

在这个实验中,每个声学事件设置为11的信噪比不同的值,即:,35dB, 30 dB, 25 dB, 20 dB, 15 dB, 10 dB, 5 dB, 0 dB, −5 dB, −10 dB, and −15 dB, resulting in 11 cases total. For each case, 300 random runs were conducted to obtain a statistically significant result, in which all events were set to the same SNR. In each run, we used a random selection of acoustic events without replacement. It is noteworthy that the place of each event within every non-overlapping 2 seconds was also random—that is, considering a certain event (viewed as a 1-s space) and a 2-s space (say, 0–2 s), the event could be placed within 0–1 s or 0.4 s –1.4 s, etc. Finally, each acoustic index was calculated based on the experimental recording. In this way, we conducted 3,300 random runs in total for each of the four acoustic indices.

2.4.2实验2-Influence机理分析的信噪比

在这个实验中,我们研究了信噪比在AIs的底层的影响机制。我们选择了六声事件从每个列出的5种鸟类表1和信噪比为每个声学事件设置为35 dB和0分贝,分别代表高和低信噪比情况下。类似于实验1,维纳滤波器也使用在每个事件减少背景噪音之前构建实验记录。对于每个案例,总30声学事件准备好后,他们被覆盖在同一背景(记录每个事件在每个重叠2 s。是很重要的话,每个事件的地方在每个重叠2 s是固定在保证信噪比的两种情况下是唯一的不同因素在实验期间,促进影响机理分析与信噪比有关。最后,对于四种声学指标,计算结果是基于实验记录。

3结果与讨论

3.1实验1

5所示图4,明确影响信噪比可以观察到在所有四个指标。具体来说,AEI值相反的方向,信噪比下降。至于其他三个指标,它们的值从低到高信噪比时增加。此外,当信噪比大于0分贝,显然只有生物值趋于一个恒定值。

图4

图4。四个声学指标在不同信噪比的关系。的点代表了误差均值和标准差表示。

3.2实验2

3.2.1 ADI和AEI

ADI的矩阵获得频率垃圾箱在指定频率范围和各自的振幅值。然后,振幅值的比例超过一定阈值和香农熵指数应用于计算这些值,也就是说,

一个 D 我 = - \sum_{我 = 1}^{年代} p_{我} \ln p_{我} (1)

在哪里p_我每一个声音的分数我th频段的年代频带。至于AEI,什么时候p_我准备好了,基尼指数应用于价值观,屈服吗

一个 E 我 = G 我 n 我 ([p_{1}, p_{2}, \dots, p_{年代}]) (2)

用于上述两个指标的阈值是50分贝以下峰值在默认情况下(Villanueva-Rivera et al ., 2011)。值得注意的是,峰值(即。,the strongest time-frequency bin) is assumed to be dominated by biotic sound in the calculation. However, the peak value in the spectrogram may correspond to abiotic sound when SNR decreases to a certain extent, leading to erroneous results of the proportion of sound occurring in each frequency band when calculating ADI and AEI.

为了提供一个直观的演示与上述相关信噪比的影响,图5 a, B现在信号波形在0分贝和35 dB信噪比条件下,分别。相应的谱图所示图5 c, D,每个红点标志的位置时频本与最强大的力量。

图5

图5。两种情况下波形和谱图计算ADI和AEI时在实验2。(A, B)现在信号波形在0分贝和35 dB信噪比条件下,分别。相应的谱图所示(C, D)。每个红点标志的位置时频本与最强大的力量。注意,振幅的规模(一)不同于(B)。

它可以被观察到的位置时频本与最强的力量显然改变了在不同信噪比条件下。具体来说,当信噪比高,相对应的位置是位于时频本鸟(红点图5 d)。大部分的时频箱子比阈值与生物有关的声音,可以正确地用于ADI和AEI计算。在这种情况下,ADI值能够反映AEI的声学监测区域的多样性价值报告声均匀度情况。尽管如此,在低信噪比条件下,位置移动到noise-dominated本(红点图5 c)由于环境噪声在低频区变得突出相比相对较弱的生物的声音。这意味着大量的时频箱子对应于低频噪声被选为ADI和AEI计算箱子的数量与预期生物声音同时大大降低。因此,声音在每个频带的分数值在所有频段更不平衡方程式。1,2,从而减少ADI和增加AEI 5所示的结果图4。

3.2.2生物

生物是计算曲线下的面积定义为每个频带内的声级的区别和最低的声音,例如,

B 我 O = \sum_{我 = 1}^{N} ({年代}_{我} - {年代}_{最小值}) \times Δ f, 为 Δ f = \frac{f_{马克斯} - f_{最小值}}{N} (3)

在哪里年代_我的声音级别吗我在dB th频带,年代_最小值的最小值是声级在所有频段,Δ吗f频带的宽度,N是频带的数量从最低频率f_最小值最高频率f_马克斯。

从理论上讲,年代_最小值在情商。3有望代表noise-dominated的声级频谱。5所示图6,背景噪声的声级频谱逐渐随频率增加而降低(黑色点)。当信噪比高,年代_最小值与噪声的声级频谱(紫色点)正如预期,和之间的区别年代_我和年代_最小值只包含生物组件。然而,在低信噪比条件下,年代_最小值搬到更弱的生物组成的频带声音+噪声(绿点),这意味着大量的噪声组件错误包括在计算中。此外,它的价值也是值得一提的年代_我急剧下降,当信噪比拒绝(红点图6与蓝色相比点),所以情商的积累。3相应减少,这就可以解释生物曲线图4。

图6

图6。实验2中有关生物的影响机理分析。红色和蓝色的点代表每个频带的声级实验记录0分贝和35 dB信噪比条件下,分别。马克的绿色和紫色小点声音强度的最小值0分贝和35 dB信噪比条件下,分别。黑色的点表示背景噪声的声级频谱,固定在实验2。

3.2.3 ACI

ACI计算,记录分为几个时间步骤。在一个时间步,暂时相邻振幅之间的差异值的总和是首先计算每个频率本,然后除以总金额的振幅值。ACI的结果每个时间步是通过积累在频率垃圾箱,屈服

一个 C 我_{Δ t} = \sum_{f = 1}^{F} \frac{\sum_{k = 1}^{N - 1} |我 (k, f) - 我 (k + 1, f)|}{\sum_{k = 1}^{N} 我 (k, f)}, 1 \leq Δ t \leq 米 (4)

在哪里 $我 (k, f)$ 强度注册在一个时频本f和k索引频率垃圾箱和时间框架,Δt表示时间的步骤,F是频率垃圾箱的数量,N是时间框架的数量在每个时间步,然后呢米代表时间的步骤在整个记录的数量。如果指定多个时间步骤,每个步骤获得的值的积累,导致最后的ACI值

一个 C 我_{合计} = \sum_{Δ t = 1}^{米} 一个 C 我_{Δ t} (5)

一般来说,生物声音和噪声是互不相关的。强度在每个时频注册本可以被认为是两个部分组成,即。、噪音生物组件和组件。通过这种方式,绝对差的总和,即。,分子在情商。4,可以近似认为是由生物强度差异和噪声强度的差异,而强度的总和,即。在情商,分母。4,可以被视为生物强度和噪声强度的总和。注意,当在记录背景噪音是静止的,两个相邻的总差异的噪声强度值理论上消除。与此同时,噪声强度的总和保持不变。然而,生物声音强度降低信噪比降低(例如,考虑生物飞离记录器),这意味着生物声强的总差异和相应的生物声强的总额减少。

为了进一步证明ACI不同信噪比的影响机制,图7 a, B目前分子和分母的值在每个频率本在一定时间步骤0分贝和35 dB信噪比条件下,分别。在每个频率对应的商本在情商。4也所示图7 c,黑色和紫色的点表示的值在0分贝和35 dB信噪比条件下,分别。

图7

图7。影响机制分析ACI在实验2中。(A, B)目前的分子和分母的值在每个频率本在一定时间步骤0分贝和35 dB信噪比条件下,分别。红酒吧代表总强度的差异在每个频率本在蓝色酒吧代表在每个频率强度的总额。在每个频率对应的商本所示(C),黑色和紫色的点表示的值在0分贝和35 dB信噪比条件下,分别。

它可以观察到,当信噪比下降的和绝对的不同强度下降速度比强度的总和在几乎所有频率垃圾箱(黑色的点图7 c与紫色的点),导致降低ACI值后所有因素的累积频率垃圾箱在情商。4。这可能也解释了ACI曲线所示图4。

3.3未来的工作

到目前为止,许多学者提到过他们的作品,AIs价值观受到地球物理噪声和人为噪声(Depraetere et al ., 2012;Fairbrass et al ., 2017)。一般来说,两个简单的方法用来减少在使用AIs的影响。一个是使用过滤器去除低频声音从录音(Depraetere et al ., 2012;Towsey et al ., 2014 a;Pieretti et al ., 2015;Bradfer-Lawrence et al ., 2020由于经验),这可能是有问题的截止频率决定。另一种是手动或半自动生成识别和移除包含偏压的录音声音(助手et al ., 2013;Gasc et al ., 2013 b;罗德里格斯et al ., 2014;赢et al ., 2022),这可能是不切实际的考虑所产生的大量数据通常ecoacoustic监控(Towsey et al ., 2014 b)。

在实践中,因为背景噪音水平和发声强度可能会改变在录音,信噪比的变化几乎是不可避免的。例如,给定一个静止的背景噪音监测期间,考虑生物可能远离记录器,导致降低信噪比。另外,尽管声音产生与固定强度以及距离记录器,不同背景噪音水平也会导致信噪比的变化。根据3.1节中实验结果,三个指标(ADI、ACI和生物)下降而AEI的趋势是相反的方向,信噪比下降,应该强调,在快速的背景下生物多样性评估(RBA)普遍依赖AIs,信噪比变化时还应该考虑解释AIs的计算结果。

在这项工作中,我们分析了信噪比的影响机制四个常用的AIs。在前一节中给出的结果启发我们初步的想法来改善某些AIs的鲁棒性。例如,ADI和AEI常用固定检测阈值(−50 dBFS违约),这是不合适的信噪比下降。可能改善或可使用浮动阈值自适应的噪音水平降低噪声的影响,导致一种更健壮的检测生物的声音。当涉及到生物、环境噪音水平在每个频带可以估计,然后可以用来取代年代_最小值在情商。3。

此外,另一个想法可能将麦克风阵列信号处理技术。从理论上讲,一个麦克风阵列由一组麦克风放置在空间信息捕获。因此,传统和/或空间滤波的自适应波束形成方法在信号增强的背景下,可以使用数组和AIs时被认为是在嘈杂的环境中。例如,当地球物理噪声(和/或人为噪音)和生物的声音同时来自不同的方向,这种技术可以减弱噪声(即同时保持所需的信号。生物的声音)不失真,可能特别有用在城市地区。

4结论

自动录音和声学指标被认为是效率评估工具在生物多样性保护环境。在这项工作,四个指标(ADI、ACI AEI和生物)研究了有关声学指标和信噪比之间的潜在关联条件。控制计算实验使用现场录音收集在徐州市郊的一个公园里,中国,鸟叫声被雇佣为典型的生物的声音。实验结果表明,除了不同的声音单元形状、信噪比的变化也导致了AIs的差异值。此外,我们分析了信噪比在AIs的相应的影响机制,在此基础上我们还提供了一些初步的想法进一步改善AIs的鲁棒性。

数据可用性声明

在这项研究中提出的数据集可以在网上找到存储库。库的名称/存储库和加入号码可以找到(s)如下:https://figshare.com/articles/dataset/Bird_species_in_Xuzhou/21317835。

作者的贡献

LC进行实地调查,分析数据,并指导下完成了手稿。ZX和ZZ构思创意和设计研究。所有作者已阅读并同意提交版本。

资金

这个项目是由江苏省林业科技创新和推广项目(批准号LYKJ-XuZhou [2021] 1)。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用

助手,t . M。,Corrada-Bravo, C., Campos-Cerqueira, M., Milan, C., Vega, G., Alvarez, R., et al. (2013). Real-time bioacoustics monitoring and automated species identification.PeerJ1,e103。doi: 10.7717 / peerj.103

《公共医学图书馆摘要》|CrossRef全文|谷歌学术搜索

亚斯兰,l (2006)。修改后的维纳滤波。信号的过程。86年,267 - 272。doi: 10.1016 / j.sigpro.2005.05.021