陜南田間四種昆蟲鳴聲特征參數(shù)的研究

摘 要： 昆蟲鳴聲是識別昆蟲種類的重要手段之一，針對陜南田間四種常見昆蟲，采用信號處理方法分別對四類昆蟲的功率譜，鳴聲聲譜進行了分析;采用靜態(tài)特征和動態(tài)特征相結(jié)合的方式，提取了四類昆蟲鳴聲的MFCC靜態(tài)特征參數(shù)和動態(tài)特征參數(shù)。研究結(jié)果表明，四類昆蟲鳴聲信號的脈沖組重復(fù)時間和持續(xù)時間、頻率范圍和主頻、MFCC特征參數(shù)均存在明顯的差異。研究結(jié)果可為昆蟲種類的自動檢測提供參考。

關(guān)鍵詞： 昆蟲鳴聲; 信號處理; 特征參數(shù); MFCC

中圖分類號： TP311 ? ? ?文獻標志碼： A

Study on Characterstc Parameters of nsect Acoustcs n the Feld of

Southern Shanx Provnce

YE Xaodong

（School of Physcs and Telecommuncaton Engneerng， Shanx Unversty of Technology，

Hanzhong 723000）

Abstract： nsect acoustcs s an mportant means to dentfy nsect speces. n ths paper， four knds of common nsects n the feld of southern Shanx provnce are dentfed by the power spectrum and sound spectrum usng sgnal processng method. MFCC statc characterstc parameters and dynamc characterstc parameters of the four types of nsect acoustcs are extracted by a combnaton of statc characterstc and dynamc characterstc. The results show that there are sgnfcant dfferences n repetton tme and duraton of pulse group，frequency range， man frequency and MFCC characterstc parameters of the four types of nsect sound sgnals. The results of the study can provde a reference for the automatc detecton of nsect speces.

Key words： nsect acoustcs; Sgnal processng; Characterstc parameters; MFCC

0 引言

發(fā)聲是昆蟲間通訊的重要方法之一，昆蟲的不同鳴聲代表不同種類或者同一種類的不同心理。昆蟲鳴聲主要有磨擦發(fā)聲、膜振動發(fā)聲、由口發(fā)聲、振翅發(fā)聲或碰擊發(fā)聲[1]。陜南四季氣候分明，北靠秦嶺、南倚巴山，具有雨量充沛，氣體濕潤的特點，非常適宜農(nóng)作物生長和發(fā)展，但同時在農(nóng)業(yè)病蟲害監(jiān)測與防治的任務(wù)上也很艱巨。由于不同昆蟲具有不同的鳴聲信號，可以利用昆蟲鳴聲實現(xiàn)昆蟲的分類與識別，進一步實現(xiàn)對害蟲的智能預(yù)測與防治。本文針對陜南農(nóng)田中常見病蟲害的特點，利用計算機技術(shù)和信號處理技術(shù)，對陜南田間四種常見昆蟲蟋蟀、蟈蟈、蜻蜓、知了的鳴聲信號進行了信號分析與特征提取，為陜南農(nóng)田病蟲害的自動識別與檢測提供了借鑒。

2 昆蟲鳴聲分析方法

昆蟲聲音檢測原理是將采集到的昆蟲鳴聲信號轉(zhuǎn)化為電信號，對其進行信號調(diào)理，通過信號處理的方法提取出鳴聲的特征信號，根據(jù)昆蟲鳴聲信號的特征參數(shù)來確定昆蟲的種類與數(shù)量。在此過程中，鳴聲信號特征參數(shù)的提取是最重要的一個步驟。

當前國內(nèi)許多研究人員分別對不同的昆蟲鳴聲進行了研究，如蘆榮勝等應(yīng)用計算機技術(shù)，分析了山西歷山自然保護區(qū)的4種蟋蟀雄性的鳴聲結(jié)構(gòu)，并從時域與頻域角度對鳴聲信號進行了對比[2]。姚青等采用MATLAB對水稻害蟲褐飛虱雄蟲求偶鳴聲信號進行了分析[3];盧亞玲采用不同譜估計法對昆蟲鳴聲特征進行了分析研究[4];賈春花，郭敏采用HHT方法對同種內(nèi) 2 個不同品系果蠅翅振鳴聲進行特征分析[5];張明真，郭敏采用經(jīng)驗?zāi)B(tài)分解、小波閾值去噪、神經(jīng)網(wǎng)絡(luò)自適應(yīng)濾波方法對4種儲糧害蟲活動聲信號進行了去噪研究[6]。2014年，他們又利用流形學習的等距特征映射方法對2 種儲糧害蟲的 4種活動聲信號聲信號進行降維并提取流形特征，并用SVM 進行了分類識別[7]。可以看出，信號處理方法已經(jīng)被廣泛應(yīng)用于昆蟲鳴聲信號的分析研究中。本文針對陜南田間的四種昆蟲，對其鳴聲從信號角度進行了分析和特征提取，并從功率譜，聲譜圖，MFCC參數(shù)等方面對比了四類昆蟲鳴聲的區(qū)別，為其智能識別打下了基礎(chǔ)，同時也為陜南害蟲的聲學防治提供了參考。

3 陜南田間四種昆蟲鳴聲信號分析

蟋蟀、蟈蟈、蜻蜓、知了是陜南田間常見的4類昆蟲，所采集的鳴聲時域波形圖如圖1所示。

從圖1可看出，四類昆蟲的鳴聲在鳴聲幅值、脈沖組間隔、脈沖組持續(xù)時間等方面均存在差異。其中蜻蜓的振翅頻率約為每秒19次，周期性明顯;蟋蟀和蟈蟈的脈沖組的周期性比較明顯，蟋蟀的脈沖組間隔約為0.37 s，蟈蟈的脈沖組間隔約為0.46 s，蟈蟈的聲音幅度大于蟋蟀的聲音幅度;知了鳴聲的周期約為5 s。

3.1 功率譜分析

功率譜分析是信號頻域分析中的一種重要方法，對4類昆蟲鳴聲的原始時域信號進行功率譜分析，結(jié)果如圖2所示。

從圖2中可看出4類昆蟲鳴聲信號在頻域中具有不同的特征。其中，蟋蟀的主頻率為3 969 Hz，頻率范圍3 200～4 500 Hz;蟈蟈的主頻率為4 159 Hz，頻率范圍3 600～4 800 Hz;蜻蜓的主頻率為4 758 Hz，頻率范圍0～6 600 Hz;知了的主頻率為3 540 Hz，頻率范圍1 200～6 000 Hz?？梢姡唑颜癯崧暤念l率范圍較寬，蟈蟈的頻率范圍較窄，蟋蟀和知了的頻率范圍居中。在主頻率方面，蜻蜓振翅聲音的主頻最高，知了的最低，蟋蟀和蟈蟈的主頻在兩者之間。

3.2 四類昆蟲的聲譜分析

時域分析和頻域分析是信號分析的重要方法，但是這兩種方法也有局限性，即對信號的分析要么是在時域，要么是在頻域，而無法描述出頻率隨時間的變化。而聲譜圖綜合了頻譜圖和時域波形的優(yōu)點，可以顯示出鳴聲頻譜隨時間的變化情況。對四類昆蟲鳴聲做了聲譜圖，如圖3所示。

聲譜圖展現(xiàn)了昆蟲鳴聲的時頻分布狀態(tài)，圖中顏色的濃淡代表了聲強的大小。從聲譜圖可看出，蟋蟀鳴聲頻率分布范圍為3 200～4 500 Hz，每隔0.37 S重復(fù)一次;蟈蟈鳴聲頻率分布范圍為3 600～4 800 Hz，每隔0.46 S重復(fù)一次;蜻蜓振翅聲的頻率分布范圍為0～6 600 Hz，知了的頻率范圍區(qū)間為1 200～6 000 Hz。分析結(jié)果與功率譜分析結(jié)果一致。

4 陜南田間四種昆蟲鳴聲的特征提取

4.1 MFCC參數(shù)提取流程

為了進行智能識別，首先必須提取昆蟲鳴聲的特征參數(shù)。MFCC是廣泛使用的一種語音特征參數(shù)，本文選擇MFCC作為昆蟲鳴聲的特征進行提取及分析。MFCC是Mel Frequency Cepstral Coeffcents的縮寫，即梅爾頻率倒譜系數(shù)，Mel倒譜系數(shù)符合人耳的聽覺特征，梅爾特征參數(shù)提取的功能框圖如圖4所示。

首先對所采集的昆蟲鳴聲進行預(yù)處理，包括預(yù)加重和加窗分幀，接著依次進行FFT變換、Mel濾波器組濾波、對數(shù)變換和DCT變換。

（1） 預(yù)處理

預(yù)加重的目的主要是增強昆蟲鳴聲的高頻部分，高通濾波器系統(tǒng)函數(shù)如式（1）所示。其中λ為預(yù)加重系數(shù)，在此λ取0.937 5。 H（z）=1-λz-1

（1） ?由于昆蟲鳴聲具有非平穩(wěn)特性，只在很短時間段才近似認為是平穩(wěn)過程。因此對昆蟲鳴聲分析時，需進行加窗分幀處理。此處在對采集的昆蟲鳴聲進行處理時，幀長取為256，幀移取為80，采用的漢明窗。鳴聲信號x（n）經(jīng)預(yù)處理后為x（m），其中表示分幀后的第幀。

（2） FFT變換

對每一幀信號進行FFT變換，從時域數(shù)據(jù)轉(zhuǎn)變?yōu)轭l域數(shù)據(jù)如式（2）。X（k）=FFT[x（m）]

（2） ?（3） Mel濾波器組濾波

將得到的昆蟲鳴聲信號的能量譜X（k）2通過梅爾濾波器組，得到濾波后的能量輸出。

（4） 對數(shù)變換

對每個濾波后的輸出能量取對數(shù)，得到鳴聲信號的對數(shù)能量。

（5） DCT變換

將得到的昆蟲鳴聲信號的對數(shù)能量進行離散余弦變換（DCT），即可求得昆蟲鳴聲的MFCC倒譜系數(shù)，鳴聲信號MFCC計算公式如式（3）所示：其中S（m）為Mel濾波器組輸出的對數(shù)能量;n=1，2，…，P，P表示倒譜系數(shù)的階數(shù);c（n）為MFCC系數(shù)，如式（3）。

c（n）=∑M-1m=0S（m）cosnπ24（m-0.5）， 0≤n≤P

（3）

4.2 MFCC特征提取

上式所求得的特征參數(shù)MFCC主要反映昆蟲鳴聲信號的靜態(tài)特征，而為了更好的提高昆蟲鳴聲的識別性能，需要將靜態(tài)特征和動態(tài)特征相結(jié)合，在此，提取了靜態(tài)參數(shù)和動態(tài)參數(shù)共24維，如圖5、圖6、圖7、圖8所示。

分別是蟋蟀，蟈蟈，蜻蜓，知了鳴聲信號的MFCC特征參數(shù)的第5階，第23階波形圖，可以看出，不管是第5階靜態(tài)特征數(shù)據(jù)，還是第23階動態(tài)特征數(shù)據(jù)，四類昆蟲的鳴叫信號MFCC特征參數(shù)都存在明顯差異。

5 總結(jié)

對鳴聲信號的特征分析是進行昆蟲智能識別的基礎(chǔ)，本文將研究人類語音識別的技術(shù)應(yīng)用于昆蟲鳴聲的分析。以陜南田間四種常見昆蟲為例，分別從時域、頻域和時頻域的角度對昆蟲鳴聲信號進行了研究。

（1） 蜻蜓、蟋蟀、蟈蟈鳴聲信號具有明顯的周期性，蜻蜓鳴聲信號的脈沖組重復(fù)時間最短;知了鳴聲信號周期性稍差，脈沖組重復(fù)時間長。

（2） 蜻蜓振翅的主頻最大，振翅頻率分布范圍最寬;知了鳴聲的主頻最低，蟈蟈鳴聲的頻率分布范圍最低。

（3） 四種昆蟲鳴聲的MFCC 動態(tài)參數(shù)和靜態(tài)參數(shù)均存在明顯差異。

研究結(jié)果不僅可以實現(xiàn)昆蟲的分類與識別，還可為進一步實現(xiàn)對害蟲的智能預(yù)測與防治打下基礎(chǔ)。

參考文獻

[1] 曹鳳勤， 程立生. 昆蟲鳴聲的研究進展及其應(yīng)用概述[J]. 熱帶生物學報， 2004， 10（1）：29-33.

[2] 蘆榮勝， 楊培林， 石福明，等. 歷山自然保護區(qū)四種蟋蟀鳴聲結(jié)構(gòu)的比較研究（直翅目：蟋蟀總科）[J]. Zoologcal Systematcs， 2002， 27（3）：491-497.

[3] 姚青，賴鳳香，傅強，等. Matlab在昆蟲聲信號研究中的應(yīng)用[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息， 2003（8）：12-14.

[4] 盧亞玲. 昆蟲鳴聲信號特征參數(shù)提取的研究[J]. 武漢輕工大學學報， 2008， 27（3）：53-56.

[5] 賈春花， 郭敏. 基于HHT方法的果蠅鳴聲特征提取及分類[J]. 云南大學學報（自然科學版）， 2011， 33（2）：152-157.

[6] 張明真， 郭敏. 儲糧害蟲活動聲信號去噪方法研究[J]. 東北師大學報（自然科學版）， 2013， 45（2）：61-66.

[7] 張明真， 郭敏. 基于流形學習和SVM的儲糧害蟲聲信號識別研究[J]. 云南大學學報（自然科學版）， 2014， 36（2）：174-180.

（收稿日期： 2018.10.18）Mcrocomputer Applcatons Vol.36，No.1，2020研究與設(shè)計微型電腦應(yīng)用2020年第36卷第1期Mcrocomputer Applcatons Vol.36，No.1，2020研究與設(shè)計微型電腦應(yīng)用2020年第36卷第1期

基金項目：陜西省教育廳專項科研計劃（17JK0164）

作者簡介：耶曉東（1975-），男，長安人，副教授，工學碩士。研究方向：智能信號處理及其應(yīng)用。文章編號：1007-757X（2020）01-0045-04