论文部分内容阅读
鸟类是我们日常生活中见到最多的一种动物,但是往往我们见到了却不知道它是什么种类的鸟。而且基于鸟的形态特征和行为特征等来判别鸟种对于大多数人来说难度太大,所以,研究基于鸟鸣声的鸟类识别具有很大的意义。本课题以鸟鸣声为研究对象,以Adaptive optinal kernel time-frequencyrepresentation(AOK)时频技术为核心,采用灰度共生矩阵计算方法搭配DynamicTime Warping(DTW)算法对鸟鸣声进行研究,为鸟类识别提供了一种新方法。以下为本文的主要研究内容和结论:1、使用CRIO开发平台结合两项式混合步进电机来实现小车的智能控制的。通过数字量输出模块NI9472发出的脉冲频率实现小车的行进速度的控制,通过输出高低电平来控制小车的前进,倒退和转角度。小车的无线远程控制通过WIFI技术来实现。2、本文使用的鸟鸣声是通过NI USB4432搭配NI IEPE集成电路压电式声学麦克风采集的。采集的鸟鸣声经过预处理之后使用自适应最优核时频分布(AOK)分析方法处理,AOK分析方法不仅有时频分辨率高的特性,还具有很强的抗交叉干扰项的能力,为深入研究鸟鸣声的时频特性提供了新方法。3、从鸟鸣声的AOK时频谱中,可以清晰地看出不同鸟种的鸟鸣声信号在不同时间和不同频率的强度和能量密度。基于这点将时频谱图转化成灰度图像,求取灰度共生矩阵,提取基于灰度共生矩阵不同角度的图像纹理特征参数用于鸟类的识别。4、选取已知鸟种的图像纹理特征参数进行模型训练生成训练模板,将待识别的鸟种的图像特征参数生成测试模板,然后利用动态时间规整(DTW)算法进行模板的匹配,将匹配值进行大小比较,找到最小匹配值对应的模板,其对应的鸟种就是我们要识别的鸟种,从而实现鸟类的识别。