融合Mel频谱图与MFCC的鸟鸣声纹建模方法研究

摘要

针对鸟鸣声纹识别中存在的数据不平衡、环境噪声干扰、声纹复杂性以及小样本学习等问题，本文提出了一种融合对数梅尔频率(Log-Mel)频谱图与梅尔(Mel)频率倒谱系数(MFCC)的鸟鸣声纹建模方法。首先，利用Log-Mel频谱图获取鸟鸣声的时频结构特征，准确捕捉动态变化；其次，利用MFCC提取更加紧凑的特征，增强对背景噪声和环境变化的适应性；最后，开展了通过声纹识别鸟类的实验。实验结果表明：融合Log-Mel频谱图与MFCC的鸟鸣声纹建模方法有效提升了特征表达的完整性和区分度，在鸟鸣声的识别中表现出卓越的准确率和鲁棒性。

关键词

鸟鸣声识别 / 对数梅尔频率(Log-Mel)频谱图 / 频率倒谱系数(MFCC) / 特征融合 / VGG16 / 卷积神经网络 / 生态监测 / 数据增强

基金资助

大学生创新创业大赛国家级项目(S202411527060); 国家自然科学基金资助项目(U20A20118); 洞庭湖生态环境智能监测与防灾减灾技术湖南省工程技术研究中心开放基金(2022-DTH-03)