《Marine Mammal Science》：Mind the Gap: Performance Limits of Automated Contour Extraction Methods for Individual Monitoring of Bottlenose Dolphins
编辑推荐：
可靠提取海豚哨叫声轮廓是开展鸣声身份、鸣声库结构及基于个体的声学监测可扩展分析的基础。研究人员利用来自已知个体标注哨叫声的基准数据集，评估了四种用于普通瓶鼻海豚(Tursiops truncatus)哨叫声基频(f0)估计的算法，并在个体间及作为信号噪比(SN
可靠提取海豚哨叫声轮廓是开展鸣声身份、鸣声库结构及基于个体的声学监测可扩展分析的基础。研究人员利用来自已知个体标注哨叫声的基准数据集，评估了四种用于普通瓶鼻海豚(Tursiops truncatus)哨叫声基频(f0)估计的算法，并在个体间及作为信号噪比(SNR)函数条件下检验性能。在高SNR哨叫声(>20 dB)中，深度学习模型CREPE-tt、SAM-whistle与Silbido Profundo在平均轮廓覆盖率(~80%)上表现相近，其中CREPE-tt产生最连续的轮廓且频率误差最低。在低SNR条件下，SAM-whistle与Silbido Profundo比CREPE-tt更稳健。然而，自动提取的轮廓一致地削弱了个体内相对个体间的分离度，并最终降低个体分类准确率，凸显轮廓缺口与碎片化如何向下游身份匹配传播。综上，结果表明一种实用划分：CREPE-tt擅长高SNR数据及无需谐波后处理的精细轮廓形状分析，而SAM-whistle与Silbido Profundo在低SNR录音中表现更优。对于个体识别与丰度估计，明确的基于SNR的纳入阈值与质量控制准则仍然必要。
研究背景与问题提出
有效监测海洋哺乳动物种群依赖被动声学监测(PAM)以克服目视调查在栖息地与目测难度上的限制。齿鲸类具丰富的调频哨叫声，其中普通瓶鼻海豚(Tursiops truncatus)的签名哨叫声(signature whistle)因长期稳定且具个体辨识度，成为PAM种群监测与标记重捕丰度估计的核心声学目标。哨叫声结构常以时频轮廓表示，轮廓提取是后续物种分类、个体内/间比较及动态时间规整(DTW)相似度计算的关键前置步骤。现实录音中存在强谐波、快速调频、多哨重叠及背景噪声掩盖，使自动基频轮廓提取面临挑战。传统粒子滤波与图搜索法召回率约71%–80%，精度60%–77%；新近深度学习(DL)模型在复杂噪声下表现不一，但缺乏在已知个体基准集上跨SNR与跨个体的系统评估，亦不清楚自动轮廓缺陷如何传导至下游个体分类。为此，研究人员在《Marine Mammal Science》报道的工作中选评四种代表性算法，量化其轮廓覆盖率、碎片化与频率误差，并进一步衡量对基于DTW的个体识别影响。
主要技术方法
研究人员构建三类数据均源自Sarasota Dolphin Whistle Database(SDWD)：基准集取72头已知FBID个体各40段高质哨叫(n=2880，其中高SNR子集>20 dB为2036段)；固定SNR集将高SNR哨叫嵌入白噪/粉噪，按?20至32 dB以4 dB分箱合成；单环集抽取每哨中央环插入20 dB SNR白噪6秒段以便短输入处理。评估算法为SAM-whistle(Vision Transformer+图跟踪)、Silbido Profundo(CNN+图跟踪)、SMC-PHD(贝叶斯序贯蒙特卡洛概率假设密度跟踪)与CREPE-tt(时域CNN直接估f0)。后处理对所有非CREPE输出做谐波剔除(重叠>70%且频比为整数倍±20%判为谐波)，CREPE-tt按≥25 ms缺口分段。指标含轮廓覆盖率(预测点落真值±25%时间比例)、每环碎片化、相对频率误差(RMS)，并以单环DTW最近邻匹配计算个体分类准确率。
研究结果
3.1 基准集性能：SAM-whistle、Silbido Profundo与CREPE-tt对多数个体覆盖率>80%；高SNR下CREPE-tt覆盖率升至83%且频率误差最低(0.76%±0.29%)、碎片化最少(1.20±0.90)；SMC-PHD全面最差(覆盖67%、误差3.18%、碎片化3.32)。个体间差异显著，强调频、多环、弱基频与强谐波个体更易低覆盖。
3.2 SNR敏感性：固定SNR显示SAM-whistle与Silbido Profundo在?10 dB仍恢复约50%轮廓，CREPE-tt在<0 dB常失效但高SNR最准，SMC-PHD全程碎片最多。粉噪下碎片化普遍更高。
3.3 轮廓相似度后果：以真值DTW识别准确率0.68为基准，CREPE-tt与Silbido Profundo降至0.31–0.32，SAM-whistle 0.15，SMC-PHD 0.06；自动轮廓的缺口与碎片化压缩个体内/间差异，导致错配。
讨论与结论翻译
可靠提取齿鲸哨叫声轮廓是鸣声分类、鸣声库发现及签名哨叫种群监测的基础步骤。研究人员评估四种前沿自动提取法，发现高SNR下三种DL法上限相近，但CREPE-tt以连续单轮廓和低频误胜出，SAM-whistle与Silbido Profundo胜在低SNR鲁棒。自动轮廓即便覆盖较高，仍因断裂与谐波混淆削弱DTW个体辨识，证明人工校验基准不可替。架构差异决定权衡：CREPE-tt直接估基频轮廓(fundamental frequency contour, FFC)利于单哨连续，音调跟踪器擅重叠多音但过分割。SNR依赖明显，低SNR法常以碎片换鲁棒。个体间差异多源于哨叫结构（非线性、断点、谐波）而非算法随机性。对种群监测而言，距离远致低SNR会选择性丢失调频段，故需基于SNR的纳入阈值与质控；重叠哨叫场景尚待独立现场PAM验证。结论：CREPE-tt适用于高SNR精细形状分析且无谐波后处理需求，SAM-whistle与Silbido Profundo适于低SNR；个体识别与丰度估计须显式设定SNR阈值与质量准则。
