《Journal of Marine Science and Engineering》:Entropy and Envelope Modulation Analysis for Detection of Fish Vocalizations in Complex Coastal Soundscapes
编辑推荐:
鱼类发声自动检测算法的发展对于推进被动声学监测(passive acoustic monitoring, PAM)和增进对海洋声景的理解至关重要。研究人员提出了一种基于声学特征的检测框架,该框架结合声学熵(acoustic entropy)与包络调制(enve
鱼类发声自动检测算法的发展对于推进被动声学监测(passive acoustic monitoring, PAM)和增进对海洋声景的理解至关重要。研究人员提出了一种基于声学特征的检测框架,该框架结合声学熵(acoustic entropy)与包络调制(envelope modulation)分析,用于在复杂沿海环境中识别重复性鱼类发声。该框架应用于在西班牙Cabo de San Antonio海洋保护区采集的被动声学录音,该区域声景动态变化且船舶交通密集。检测通过两种互补配置运行:一种基于熵的模式,用于识别时间上连贯的低熵事件;另一种为熵—包络调制联合模式,利用脉冲重复频率(pulse repetition frequency, PRF;符号为f0)与其二阶调制分量(second-order modulation component, 2·f0)之间的关系验证检测结果。联合配置显著降低了假阳性检测,同时提高了真阳性检测并减少了假阴性。事件级评估得到精确率(precision)0.71、召回率(recall)0.96和F1分数(F1-score)0.82,而仅熵配置分别为0.52、0.91和0.66。检测信号显示出明显的夜间模式,活动峰值约在日落前后。其脉冲周期、峰值频率和夜间出现与已发表的Sciaena umbra发声描述一致,提示该物种为潜在生物来源,同时指出仅凭被动声学数据无法建立物种级归属。总体而言,所提出的框架提供了一种可解释的基于特征的方法,用于在此数据集所代表的声学挑战条件下检测结构化鱼类发声。
研究背景与问题:鱼类生物声学信号检测对理解海洋生态与行为过程具有重要意义,被动声学监测(passive acoustic monitoring, PAM)可非侵入、连续、高分辨率地获取发声鱼类活动信息,并服务海洋空间管理与保护。沿海声景中鱼类发声常是生物声的重要组成,但自动检测面临复杂声景、船舶等低频人为噪声与目标信号频谱重叠的问题。人工审听海量PAM数据不现实,已有方法从规则/特征检测到机器学习与深度学习,但熵检测虽灵敏,仍可能被具有时空组织的人为声触发假阳性。该研究因此在船舶交通强、声景动态的西班牙Cabo de San Antonio海洋保护区,开发并验证结合声学熵(acoustic entropy)与包络调制(envelope modulation)的两阶段检测框架,目标是在保持高灵敏度的同时提高对重复性鱼类发声的判别力,并提供可解释的特征方法。
研究开展与意义:研究人员提出序贯的“熵候选检测—调制验证”架构:第一阶段以联合声学熵(joint acoustic entropy, H
j)识别时间规律且频谱集中的候选事件;第二阶段利用振幅包络中脉冲重复频率(pulse repetition frequency, f
0)与其二阶调制分量(second-order modulation component, 2·f
0)的协同关系验证候选事件。研究比较仅熵配置与熵+调制配置,并以事件级精确率(precision)、召回率(recall)和F
1分数(F
1-score)评价。结论是加入包络调制验证后,检测性能显著提高,假阳性明显减少,真阳性增加、假阴性减少;检测事件的峰值频率、脉冲周期和昼夜节律与已发表的Sciaena umbra发声描述一致,提示其为潜在生物来源,但仅凭被动声学数据不能完成物种级归属。该研究的意义在于提供物理可解释、无需复杂训练的特征检测策略,并为后续监督学习提供候选事件与候选特征。
关键技术与方法(不超过250字):样本来自西班牙Cabo de San Antonio海洋保护区长期PAM站(38.8266° N, 0.1705° E,25 m深)2021年6月3日至7月21日的6870个5分钟录音;另取150个录音(鱼类发声、船舶通过、静默/背景各50)用于参数校准。录音先经175–500 Hz零相位四阶Butterworth带通滤波;以2.5 s窗、2.0 s重叠计算时间熵与谱熵的乘积H
j,用25 s平滑基线与中位绝对偏差(MAD)构建自适应阈值,提取3.5–10 s候选事件。第二阶段用Hilbert变换提取包络,下采样至200 Hz,以15 s窗、1 s步长和Welch调制谱分析,在2–12 Hz识别f
0,并要求f
0与2·f
0调制信噪比分别达到阈值。人工双人标注构建事件级参考,计算TP、FP、FN及精确率、召回率、F
1分数,并用以录音为聚类单位的配对bootstrap评估差异。
研究结果:
3.1 检测框架性能:在完整6870个5分钟录音上比较两种配置。仅熵配置真阳性(TP)2958、假阳性(FP)2732、假阴性(FN)280;联合配置TP 3873、FP 1559、FN 154,即真阳性增加31%、假阴性减少45%、假阳性减少43%。精确率由0.52升至0.71,召回率由0.91升至0.96,F
1分数由0.66升至0.82。配对聚类bootstrap显示联合配置相对仅熵配置的精确率提高0.19(95% CI 0.18–0.21)、召回率提高0.048(95% CI 0.034–0.063)、F
1分数提高0.16(95% CI 0.14–0.17),三个指标的置信区间均不含零。结论是包络调制阶段在本文数据集声学条件下有效补充熵检测,尤其抑制由船舶低频能量引起的假阳性。
3.2 检测事件的声学表征与生物学解释:对联合配置验证后的事件分析峰值频率与脉冲周期。峰值频率分布中心为247 Hz,标准差35 Hz,四分位距223–274 Hz;脉冲周期均值0.12 s,标准差0.03 s,四分位距0.10–0.14 s。按每小时归一化发声率(Rate
10,每10分钟录音的检测数)构建昼夜热图,检测活动集中于晨昏和夜间,日落后迅速升高、夜间维持、日出后下降,白天稀少。结论是检测信号具有一致的声学表型,其频率范围、脉冲周期和昼夜节律与地中海石首鱼科发声描述一致,尤其提示Sciaena umbra为潜在生物来源,但被动声学观测不能确立物种级归属,应视为工作假设而非定种。
讨论与局限性总结:讨论将本框架置于从规则特征检测到机器学习、深度学习的自动鱼类发声分析连续谱中,强调其优势是声学描述符物理可解释、检测过程直接关联可测信号属性;熵阶段提供高灵敏度,调制阶段利用f
0与2·f
0的相干关系提高选择性。讨论还指出,所测熵和包络调制描述符未来可作为工程特征用于监督学习,但本文未测试该扩展。局限性包括:仅单点、单季数据,性能不能假定可迁移到其他地点、季节、物种或声景;未同步视觉观测,不能确证发声物种;未分类船型,其他低频生物源未充分纳入;调制参数来自清晰样本校准子集,校准录音占完整数据集2.2%并保留在评价中,可能存在有限乐观偏差;需独立数据、更宽信噪比和重叠声源条件进一步验证。
研究结论翻译:本研究提出一种结合声学熵与包络调制分析的分析框架,用于复杂沿海声景中重复性鱼类发声的自动检测。基于熵的阶段对识别具有时空组织性的候选事件提供了高灵敏度,而引入脉冲重复频率(f
0)及其二阶分量(2·f
0)的包络调制提供了针对声学混淆源、尤其船舶噪声的额外判别标准。在本文分析的数据集中,联合配置达到精确率0.71、召回率0.96和F
1分数0.82,而仅熵配置分别为0.52、0.91和0.66。这些结果表明,在本数据集所代表的声学条件下,基于调制的阶段改善了精确率与召回率之间的平衡。除检测性能外,分析显示所识别发声具有一致的频谱、时间和昼夜特征,包括主频约247 Hz、脉冲周期约0.12 s以及主要晨昏和夜间活动。这些特征与已发表的Sciaena umbra发声描述一致,并支持该物种作为潜在生物来源,但仅凭被动声学观测无法确立明确的物种级归属。结果表明,结合互补且物理可解释的声学描述符,可在本文数据集所代表的声学条件下改善结构化生物信号的判别。该框架并非替代数据驱动方法,而是提供一种可解释的基于特征的策略,也可能有助于识别信息性声学描述符并为后续监督分析生成候选事件。未来工作应聚焦于跨更多地点、季节和声学条件的独立验证;通过互补生态观测直接确认生物来源;并评估基于熵和调制的描述符作为监督机器学习框架中的工程特征。这些发展将决定该方法能在多大程度上推广到本研究所考察的数据集和信号类型之外。