基于DTW 距離的動(dòng)物聲音分類研究

黃 瑋, 冉啟斌

(1 南開大學(xué) 漢語(yǔ)言文化學(xué)院, 天津300071； 2 南開大學(xué) 文學(xué)院, 天津300071)

0 引 言

現(xiàn)在所用的動(dòng)物分類系統(tǒng),大多是以動(dòng)物形態(tài)或解剖的相似性和差異性的總和為基礎(chǔ)的。 根據(jù)古生物學(xué)、比較胚胎學(xué)、比較解剖學(xué)上的許多證據(jù),基本上能反映動(dòng)物界的自然類緣關(guān)系［1］。 在分類特征的依據(jù)方面,迄今形態(tài)學(xué)特征尤其是外部形態(tài)仍然是最直觀和常用的依據(jù)。

從動(dòng)物聲音的角度出發(fā),對(duì)動(dòng)物進(jìn)行分類,有別于傳統(tǒng)的動(dòng)物分類體系,可以豐富動(dòng)物分類的依據(jù),讓動(dòng)物分類體系更加立體化,幫助人類從聽覺角度建立對(duì)動(dòng)物世界的再認(rèn)識(shí),形成全新的認(rèn)知系統(tǒng)。從動(dòng)物聲學(xué)距離的角度出發(fā)對(duì)動(dòng)物進(jìn)行分類,能夠在一定程度上反映出動(dòng)物聲音的聲學(xué)特征,進(jìn)而揭示動(dòng)物聲音的發(fā)展規(guī)律、演變順序等信息,有助于對(duì)動(dòng)物演化過(guò)程的研究。

在動(dòng)物聲音的研究方面,早在1995 年Kurt 等就設(shè)計(jì)了一款基于特征提取算法的程序,對(duì)海洋哺乳動(dòng)物的聲音進(jìn)行識(shí)別和歸類［2］；Yuanfeng Ma 等(2008)使用短時(shí)傅里葉變換(STFT)、摩爾模型等方法,從時(shí)頻感知的角度對(duì)海洋哺乳動(dòng)物的聲音進(jìn)行分類［3］；Che Yong Yeo 等(2011)提出了基于動(dòng)物聲音模式識(shí)別的動(dòng)物識(shí)別和檢測(cè)系統(tǒng),該系統(tǒng)使用零交叉率(ZCR)、梅爾頻率倒譜系數(shù)(MFCC)和動(dòng)態(tài)時(shí)間規(guī)整(DTW)聯(lián)合算法,并用狗的聲音做出了檢驗(yàn)［4］；Fernando 等(2017)使用平行識(shí)別模型和倍率分析對(duì)海洋哺乳動(dòng)物的聲音進(jìn)行了探測(cè)和分類［5］,該研究考慮到了每個(gè)物種發(fā)出的多種聲音,但研究只涉及墨西哥灣的11 種海洋哺乳動(dòng)物；Tuomas Oikarinen 等(2018)引入了端到端前饋卷積神經(jīng)網(wǎng)絡(luò)對(duì)圈養(yǎng)狨猴的呼叫聲的來(lái)源和類型進(jìn)行了分類［6］；Na Lin 等(2018)提出了一種對(duì)動(dòng)物聲音信號(hào)進(jìn)行分類的新方法,即基于稀疏表示法的時(shí)頻域方法,可以對(duì)重疊的動(dòng)物聲音進(jìn)行分類［7］。 綜合來(lái)看,前人的研究著重于兩個(gè)方面,一是從聲音角度對(duì)動(dòng)物進(jìn)行識(shí)別和歸類,主要運(yùn)用于海洋哺乳動(dòng)物；二是對(duì)動(dòng)物聲音的類型進(jìn)行探測(cè)和歸類,主要使用狗、狨猴等較為單一的物種進(jìn)行檢驗(yàn)。

DTW 算法已經(jīng)被廣泛地應(yīng)用到基于識(shí)別、距離計(jì)算、數(shù)據(jù)匹配的各個(gè)領(lǐng)域,最具代表性的是應(yīng)用在人類語(yǔ)音識(shí)別領(lǐng)域。 呂軍等(2007)較早使用DTW算法對(duì)漢語(yǔ)學(xué)習(xí)者的發(fā)音進(jìn)行識(shí)別并進(jìn)行評(píng)價(jià)系統(tǒng)設(shè)計(jì)［8］；鄒韜(2012)使用DTW 算法對(duì)漢語(yǔ)揚(yáng)州方言的識(shí)別進(jìn)行了研究和設(shè)計(jì)［9］；王國(guó)林(2017)使用DTW 算法設(shè)計(jì)評(píng)價(jià)系統(tǒng)對(duì)我國(guó)中學(xué)生的英語(yǔ)發(fā)音進(jìn)行自動(dòng)評(píng)價(jià)［10］；Hossein Hamooni 等(2016)通過(guò)基于DTW 的分類來(lái)對(duì)音素序列進(jìn)行識(shí)別,進(jìn)而實(shí)現(xiàn)對(duì)話語(yǔ)的識(shí)別［11］。 由此可見,DTW 算法運(yùn)用于聲音的研究皆有先例可循。

本文將基于DTW 算法,提出對(duì)動(dòng)物物種從聲學(xué)角度進(jìn)行分類,而非對(duì)某類動(dòng)物進(jìn)行識(shí)別和歸類,或者對(duì)動(dòng)物的某種聲音進(jìn)行識(shí)別。

1 實(shí)驗(yàn)情況

1.1 研究對(duì)象

本研究對(duì)175 種動(dòng)物的聲音進(jìn)行分類,每種動(dòng)物擬使用3 條聲音,即研究對(duì)象為525 條動(dòng)物聲音。在補(bǔ)充實(shí)驗(yàn)中,又對(duì)其中43 種動(dòng)物的聲音進(jìn)行了分類,每種動(dòng)物的聲音增加到10 條,總計(jì)430 條聲音。

1.2 聲音情況

1.2.1 聲音參數(shù)

本研究中使用的聲音均下載自www.animalsounds.org 等8 個(gè)國(guó)外聲音網(wǎng)站,下載的聲音文件格式有.mp3、.aiff、.wav 等,采樣率有11 025 Hz、22 050 Hz 等,存儲(chǔ)位數(shù)有8 位、16 位、32 位等,有單聲道聲音和雙聲道聲音。 最終,本文使用Praat(Praat：doing phonetics by computer,簡(jiǎn)稱Praat)將聲音文件統(tǒng)一為.wav 格式,將聲音采樣率統(tǒng)一為22 050 Hz,將存儲(chǔ)位數(shù)調(diào)整為16 位,將聲道設(shè)置為單聲道,進(jìn)行保存和實(shí)驗(yàn)。

1.2.2 聲音處理

本實(shí)驗(yàn)中用以剪切聲音的軟件是Praat,一款實(shí)現(xiàn)跨平臺(tái)多功能語(yǔ)音學(xué)實(shí)驗(yàn)的專業(yè)軟件,主要用于對(duì)數(shù)字化的聲音信號(hào)進(jìn)行分析、標(biāo)注、處理及合成等,同時(shí)輸出各類語(yǔ)圖和文字報(bào)表。 在實(shí)驗(yàn)中,用Praat 分別將動(dòng)物的聲音打開,將滿足研究需要的聲音剪切出來(lái)并保存。

在剪切中遵循以下標(biāo)準(zhǔn)：如果有較為明確的周期,則按一個(gè)周期剪切出聲音,例如布谷鳥的叫聲是“布谷布谷”,則剪切出“布谷”；沒(méi)有明確周期的,或者周期極短、聲音急促而連續(xù)的,則按1 秒的聲音長(zhǎng)度剪切。

1.3 聲學(xué)距離計(jì)算

1.3.1 動(dòng)態(tài)時(shí)間規(guī)整算法

日本學(xué)者 Itakura 提出的動(dòng)態(tài)時(shí)間規(guī)整(Dynamic Time Warping,DTW)算法是把時(shí)間規(guī)整和距離測(cè)度計(jì)算結(jié)合起來(lái)的一種非線性規(guī)整技術(shù),采用動(dòng)態(tài)規(guī)劃(Dynamic Programming,DP)思想將一個(gè)復(fù)雜的全局最優(yōu)化問(wèn)題轉(zhuǎn)化為許多局部最優(yōu)化問(wèn)題,一步一步進(jìn)行決策,尋找出一條最佳路徑。DTW 算法早期廣泛應(yīng)用于語(yǔ)音識(shí)別領(lǐng)域,尤其適用于對(duì)孤立點(diǎn)的匹配和識(shí)別,具有計(jì)算速度較快,結(jié)論直觀等優(yōu)點(diǎn)。 現(xiàn)在,DTW 算法被廣泛應(yīng)用于語(yǔ)音檢索［13］、漢語(yǔ)聲調(diào)識(shí)別［14］、漢語(yǔ)方言語(yǔ)音識(shí)別［7］、手寫簽名識(shí)別［15］、手勢(shì)識(shí)別［16］、圖形識(shí)別［17］、空中目標(biāo)識(shí)別［18］、農(nóng)作物遙感影像識(shí)別及歸類［19］、電波識(shí)別［20］等領(lǐng)域。

在本實(shí)驗(yàn)中,DTW 算法作為核心工具,主要用于計(jì)算各條聲音兩兩之間的聲學(xué)距離(即DTW 距離),這些聲學(xué)距離將用于系統(tǒng)聚類分析。

1.3.2 系統(tǒng)聚類分析

本實(shí)驗(yàn)使用的系統(tǒng)聚類分析和主成分分析工具是SPSS,它是一款著名的數(shù)據(jù)統(tǒng)計(jì)與分析軟件,全稱為Statistical Product and Service Solutions(統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案軟件) ,最初軟件全稱為Statistical Package for the Social Sciences(社會(huì)科學(xué)統(tǒng)計(jì)軟件包),它涵蓋了數(shù)據(jù)管理、統(tǒng)計(jì)分析、圖表分析、輸出管理等功能,其中統(tǒng)計(jì)分析又包含系統(tǒng)聚類分析和主成分分析等功能。 本實(shí)驗(yàn)使用SPSS 將上述的聲學(xué)距離進(jìn)行系統(tǒng)聚類分析,得出以聲學(xué)距離為基礎(chǔ)的譜系圖,該譜系圖作為以聲學(xué)距離為基礎(chǔ)進(jìn)行動(dòng)物分類的直觀呈現(xiàn)。

1.3.3 其他實(shí)驗(yàn)工具及腳本

由于DTW 算法屬于一種計(jì)算思維,沒(méi)有具體的操作工具,本實(shí)驗(yàn)使用了承載DTW 算法的腳本來(lái)實(shí)現(xiàn)對(duì)聲學(xué)距離的計(jì)算。 在兩兩計(jì)算動(dòng)物聲音的聲學(xué)距離之前,需要將錄音名稱修改為該動(dòng)物的名稱,由于逐個(gè)修改工作量大,容易出錯(cuò),本實(shí)驗(yàn)使用了重命名腳本來(lái)實(shí)現(xiàn),該腳本可以在幾秒鐘之內(nèi)將文件夾中的成百條錄音以上級(jí)文件夾的名稱批量重命名,并將重命名之后的文件匯集到同一個(gè)文件夾之中。

使用距離計(jì)算腳本計(jì)算動(dòng)物間聲學(xué)距離后,距離文件以文本文檔格式保存,為了使其適用于SPSS的運(yùn)行方式,本實(shí)驗(yàn)使用了作者自己編寫的制表工具sound2xls-full 將文本文檔轉(zhuǎn)存為Excel 表格。 該制表工具是基于Python 設(shè)計(jì)的應(yīng)用軟件,操作簡(jiǎn)單、實(shí)用高效,極大地簡(jiǎn)化了數(shù)據(jù)整理工作,保證了數(shù)據(jù)另存過(guò)程的準(zhǔn)確性。

1.4 補(bǔ)充實(shí)驗(yàn)

由于客觀條件的限制,要保證有175 種動(dòng)物,而每種動(dòng)物的有效聲音只有3 條,聲音數(shù)量較少,對(duì)實(shí)驗(yàn)結(jié)果有一定的影響,為了驗(yàn)證本方法的科學(xué)性和可行性,做了一項(xiàng)補(bǔ)充實(shí)驗(yàn)。 補(bǔ)充實(shí)驗(yàn)中每種動(dòng)物采用10 條有效聲音。 經(jīng)過(guò)篩選,175 個(gè)物種中有43種能夠提取出10 條有效聲音。

2 實(shí)驗(yàn)結(jié)果

2.1 主實(shí)驗(yàn)結(jié)果

通過(guò)計(jì)算和數(shù)據(jù)處理,得到175 種動(dòng)物的聚類分析譜系圖,如圖1 所示。

圖1 是SPSS 生成的譜系圖,依據(jù)動(dòng)物之間距離的遠(yuǎn)近進(jìn)行分類。 橫坐標(biāo)表示距離,該距離是將計(jì)算出的DTW 距離進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換以后得到的,區(qū)間是0～25(左開右閉區(qū)間,下同)。 當(dāng)從橫坐標(biāo)上取一個(gè)點(diǎn),從該點(diǎn)做一條垂直于橫軸的直線,該線與連接著動(dòng)物的水平線的交點(diǎn)數(shù)目,就是動(dòng)物被劃分出的類別數(shù)量。 例如：當(dāng)距離取24 時(shí),有2 個(gè)交點(diǎn),則在這個(gè)距離上, 動(dòng)物被分為兩類, pewee 至chaffinch(指縱軸上由pewee 向下至chaffinch 范圍內(nèi)的所有動(dòng)物)為一類,dog 至lion 為一類；當(dāng)距離取20 時(shí),有3 個(gè)交點(diǎn),則在這個(gè)距離上,動(dòng)物被劃分為三類,pewee 至macaw 為一類,hamster 至chaffinch為一類,dog 至lion 為一類；當(dāng)距離取13 時(shí),有5 個(gè)交點(diǎn),則在這個(gè)距離上,動(dòng)物被劃分為五類,pewwee至hyena 為一類,alligator 至macaw 為一類,hamster至blackbird 為一類,chaffinch 單獨(dú)為一類,dog 至lion 為一類。 另外,單從距離與動(dòng)物類別的數(shù)量來(lái)看,當(dāng)距離為0～1 時(shí),動(dòng)物被劃分為175 類；距離為1～2 時(shí),劃分為102 類；距離為2 ～3 時(shí),劃分為47類；距離為3～4 時(shí)劃,分為25 類；距離為4～5 時(shí),劃分為19 類；距離為5～6 時(shí),劃分為13 類；距離為6～8 時(shí),劃分為9 類；距離為8～9 時(shí),劃分為8 類；距離為9～10 時(shí),劃分為7 類；距離為10 ～11 時(shí),劃分為6 類；距離為11～12 時(shí)劃分為14 類；距離為14 ～23時(shí)劃分為3 類；距離為23～25 時(shí)劃分為2 類。

將圖1 所示的分類結(jié)果與傳統(tǒng)動(dòng)物分類方法進(jìn)行比較,發(fā)現(xiàn)有許多相吻合之處。 例如, blue jay 和crow 在距離大于1 時(shí),被劃分為一類,它們?cè)趥鹘y(tǒng)的動(dòng)物分類上都是雀形目鴉科動(dòng)物；hamster 和mouse 在距離大于1 時(shí),被劃分為一類,它們都是嚙齒目鼠形亞目動(dòng)物；bobcat 和cheetah 在距離大于1時(shí),被劃分為一類,它們都是食肉目貓科動(dòng)物；tiger、cougar 和lion 在距離大于2 時(shí),被劃分為一類,它們都是食肉目貓科動(dòng)物；dog 和coyote 在距離大于3 時(shí),被劃分為一類,它們都是食肉目犬科犬屬動(dòng)物。

圖1 175 種動(dòng)物的分類結(jié)果Fig. 1 Classification results of 175 species of animals

同時(shí),更多的是與傳統(tǒng)的動(dòng)物分類方法相異的地方。 例如：polar bear(屬于哺乳綱)和alligator(屬于爬行綱) 在距離大于1 時(shí),被劃分為一類；hippopotamus(屬于鯨偶蹄目)和camel(屬于偶蹄目)在距離大于1 時(shí),被劃分在一類；elephant(屬于長(zhǎng)鼻目)和lemur(屬于靈長(zhǎng)目)在距離大于1 時(shí),被劃分在一類。

圖2 顯示的是類別數(shù)量與距離之間的對(duì)應(yīng)關(guān)系,以及相應(yīng)的變化趨勢(shì)。 可見,距離區(qū)間與類別數(shù)量成負(fù)相關(guān)關(guān)系,距離在0 ～6 區(qū)間時(shí),類別數(shù)量的變化率較大,在6～25 區(qū)間時(shí),變化平緩。 在較小的距離內(nèi),類別數(shù)量產(chǎn)生了較大的變化,說(shuō)明在動(dòng)物聲音之間的細(xì)微差異還是比較小。

圖2 175 種動(dòng)物的類別數(shù)量與距離區(qū)間的關(guān)系Fig. 2 The relationship between the number of categories and the distance interval of 175 species of animals

2.2 補(bǔ)充實(shí)驗(yàn)結(jié)果

通過(guò)重復(fù)主實(shí)驗(yàn)過(guò)程,對(duì)動(dòng)物聲音樣本進(jìn)行計(jì)算和數(shù)據(jù)處理之后,得到補(bǔ)充實(shí)驗(yàn)中43 種動(dòng)物的聚類分析譜系圖。

如圖3 所示,當(dāng)距離為0 ～1 時(shí),動(dòng)物被劃分為43 類；距離為1 ～2 時(shí),劃分為39 類；距離為2 ～3時(shí),劃分為34 類；距離為3 ～4 時(shí),劃分為25 類；距離為4～5 時(shí),劃分為20 類；距離為5 ～6 時(shí),劃分為17 類；距離為6 ～7 時(shí),劃分為14 類；距離為7 ～8時(shí),劃分為10 類；距離為8～9 時(shí),劃分為8 類；距離為9～10 時(shí),劃分為7 類；距離為10 ～12 時(shí),劃分為6 類,距離為12～13 時(shí),劃分為5 類；距離為13 ～17時(shí),劃分為3 類；距離為17～25 時(shí),劃分為2 類。

從傳統(tǒng)動(dòng)物分類的角度對(duì)圖3 的結(jié)果進(jìn)行了分析,本次補(bǔ)充實(shí)驗(yàn)驗(yàn)證了本研究所用方法的科學(xué)性。首先,有證據(jù)顯示,在傳統(tǒng)分類中屬于同一科的動(dòng)物,在研究中隨著聲音數(shù)目的增加,距離更近。 例如：jay 和blue jay 在距離大于5(主實(shí)驗(yàn)為11)時(shí)被劃分為同一類,它們都是雀形目鴉科動(dòng)物；dog 和wolf 在距離大于4(主實(shí)驗(yàn)為9)時(shí)被劃分為同一類,它們都是食肉目犬科犬屬動(dòng)物。 其次,雖然有的動(dòng)物之間的距離有所拉大,但是還在可以接受的范圍之內(nèi)。 例如：leopard 和jaguar 在距離大于3(主實(shí)驗(yàn)為2)時(shí)被劃分為同一類,它們都是食肉目貓科豹屬動(dòng)物；tiger 和lion 在距離大于3(主實(shí)驗(yàn)為2)時(shí)被劃分為同一類,它們都是食肉目貓科豹屬動(dòng)物；goat 和antelope 在距離大于6(主實(shí)驗(yàn)為3)時(shí)被劃分為同一類,它們都是偶蹄目牛科動(dòng)物。 當(dāng)然,這是以傳統(tǒng)動(dòng)物分類體系為參照做出的比較,因?yàn)槭菑穆曇艚嵌葘?duì)動(dòng)物進(jìn)行分類,與傳統(tǒng)分類方法截然不同,但是目前尚無(wú)別的辦法。

圖3 43 種動(dòng)物的分類結(jié)果Fig. 3 Classification results of 175 species of animals

圖4 顯示的是補(bǔ)充實(shí)驗(yàn)中動(dòng)物類別數(shù)量與距離區(qū)間之間的關(guān)系,與主實(shí)驗(yàn)相比,本圖顯得較為平緩。 在距離較小的區(qū)間內(nèi),類別數(shù)量沒(méi)有出現(xiàn)斷崖式的下跌,也反映出聲音內(nèi)部的特征距離比較大,這也可能是由于物種數(shù)量與主實(shí)驗(yàn)相比較少造成的。

圖4 43 種動(dòng)物的類別數(shù)量與距離區(qū)間的關(guān)系Fig. 4 The relationship between the number of categories and the distance interval of 175 species of animals

統(tǒng)計(jì)了鳥類在兩次實(shí)驗(yàn)中的區(qū)分率情況,發(fā)現(xiàn)補(bǔ)充實(shí)驗(yàn)?zāi)軌蚋玫貙ⅧB類與其他動(dòng)物分開。 在主實(shí)驗(yàn)中,鳥類占總數(shù)的66.28%,當(dāng)只劃分為兩個(gè)大類時(shí)(即距離大于23),鳥類在第一類中占比為75.52%,在第二類中占比為25%；在補(bǔ)充實(shí)驗(yàn)中,鳥類占總數(shù)的46.51%,只劃分為兩個(gè)大類時(shí)(即距離大于17),鳥類在第一類中占比為72%,在第二類中占比11.11%。 綜合來(lái)看,本研究能夠較好地將鳥類和其他動(dòng)物區(qū)別開來(lái),尤其是在補(bǔ)充實(shí)驗(yàn)中,第二類里鳥類的占比已經(jīng)非常少了。

3 討 論

本研究使用DTW 算法計(jì)算出動(dòng)物聲音之間的聲學(xué)距離,通過(guò)數(shù)據(jù)分析對(duì)動(dòng)物進(jìn)行聚類分析,旨在探索一種新的動(dòng)物分類維度和方法。 除了主實(shí)驗(yàn)外,還做了補(bǔ)充實(shí)驗(yàn)論證本方法的科學(xué)性。

3.1 距離與類別數(shù)量

在主實(shí)驗(yàn)中,當(dāng)距離區(qū)間在較小范圍內(nèi)(0 ～6)時(shí),類別數(shù)量的變化較為劇烈,即當(dāng)距離尺度稍微放大,類別數(shù)量就會(huì)大量減少,這說(shuō)明在動(dòng)物聲音之間的差別較小,對(duì)距離尺度的變化做出的反應(yīng)比較敏感。 在補(bǔ)充實(shí)驗(yàn)中,距離區(qū)間的變化與類別數(shù)量的變化較為平緩,在較小距離區(qū)間也沒(méi)有出現(xiàn)類別數(shù)量急劇變化的情況,這說(shuō)明動(dòng)物聲音之間的差別比較大,對(duì)距離尺度的變化做出的反應(yīng)比較遲鈍。 本文認(rèn)為,在主實(shí)驗(yàn)中,每種動(dòng)物只有3 條聲音,不能較好地反映該種動(dòng)物的聲音所具有的區(qū)別于其他動(dòng)物的特征,所以算法沒(méi)有能很好地捕捉到動(dòng)物聲音體現(xiàn)出的特征,進(jìn)而表現(xiàn)出類別數(shù)量與距離之間較為敏感的對(duì)應(yīng)；在補(bǔ)充實(shí)驗(yàn)中,每種動(dòng)物有10 條聲音,聲音數(shù)量的增加,更好地反映出每種動(dòng)物的聲音特征,使動(dòng)物之間的區(qū)別更加明顯,距離更大,因此在類別數(shù)量與距離區(qū)間的對(duì)應(yīng)上,顯得不那么敏感；另外,本文認(rèn)為與動(dòng)物種類的數(shù)量有關(guān),主實(shí)驗(yàn)中有175 種動(dòng)物,補(bǔ)充實(shí)驗(yàn)只有43 種動(dòng)物,因而在主實(shí)驗(yàn)中,由于基數(shù)較大,當(dāng)在較小的距離區(qū)間內(nèi)時(shí),類別數(shù)量產(chǎn)生了大幅的變化；在補(bǔ)充實(shí)驗(yàn)中,動(dòng)物數(shù)量較少,類別數(shù)量的變化范圍就會(huì)較小。 但是本質(zhì)上還是和動(dòng)物聲音特征的區(qū)別度有關(guān)。

3.2 鳥類聲音的區(qū)別性

聲音的物理特征包括音高、音強(qiáng)、音長(zhǎng)和音質(zhì)。其中音質(zhì)是聲音的基本屬性,由發(fā)音體、發(fā)音方法和共鳴器決定。 由于哺乳動(dòng)物和鳥類在共鳴器上存在較大的差別,所以有理由相信在很大程度上,鳥類聲音會(huì)與其他動(dòng)物的聲音有較大差別。 實(shí)驗(yàn)結(jié)果驗(yàn)證了這一猜想,在主實(shí)驗(yàn)和補(bǔ)充實(shí)驗(yàn)中,鳥類聲音大體上都能與其他動(dòng)物的聲音區(qū)別開來(lái),并且在補(bǔ)充實(shí)驗(yàn)中這一現(xiàn)象更加明顯。 另外,實(shí)驗(yàn)結(jié)果中對(duì)鳥類的劃分與傳統(tǒng)動(dòng)物分類體系的劃分相差較大,有很多鳥類不是同一科,甚至不是同一目,會(huì)在很小的距離內(nèi)被劃分到一起。 相比之下,屬于同一目或同一科的哺乳動(dòng)物,尤其是貓科和犬科動(dòng)物,在音質(zhì)上統(tǒng)一性更好,所以被劃分到一起的幾率更大。 這也說(shuō)明,基于形態(tài)學(xué)方法對(duì)動(dòng)物的劃分,存在聲音維度上的欠缺。

3.3 人耳感知和聲音本質(zhì)

本研究使用的DTW 算法是將動(dòng)物聲音的頻率(單位：Hz)轉(zhuǎn)化為梅爾刻度(Mel scale,單位：Mel)計(jì)算的。 Mel 與Hz 是心理-聲學(xué)相關(guān)的等價(jià)單位,它體現(xiàn)的是人耳對(duì)聲音的感知,這種感知與聲音的客觀頻率Hz 是非線性對(duì)應(yīng)關(guān)系［21］。 在研究中使用梅爾刻度,是立足于從人類聽覺感知的角度對(duì)動(dòng)物進(jìn)行分類。

另外,王士元(1998)曾提出人類學(xué)、遺傳學(xué)和語(yǔ)言學(xué)是一種綜合體,考古、遺傳和語(yǔ)言是了解人類過(guò)去歷史的3 個(gè)窗口［22］,語(yǔ)言的演化能反映人類的發(fā)展。 本文認(rèn)為,從聲學(xué)意義上,動(dòng)物的聲音蘊(yùn)含著動(dòng)物的特征,動(dòng)物聲音的演化也能反映動(dòng)物的演化,動(dòng)物之間聲音的關(guān)系在一定程度上也能揭示動(dòng)物之間的關(guān)系。 在以后的研究中,應(yīng)該探究距離數(shù)據(jù)所代表的聲音特征,探索其中的聯(lián)系和規(guī)律。

3.4 不足與改進(jìn)方向

由于傳統(tǒng)的動(dòng)物分類體系幾乎不考慮動(dòng)物的聲音,目前沒(méi)有與本研究類似的從動(dòng)物聲音角度對(duì)動(dòng)物進(jìn)行分類的研究結(jié)果可供對(duì)比,所以在接下來(lái)的研究中應(yīng)該彌補(bǔ)不足,進(jìn)一步驗(yàn)證研究方法的科學(xué)性,深入挖掘研究的意義。

由于客觀條件的限制,主實(shí)驗(yàn)中涉及175 種動(dòng)物,每種動(dòng)物只有3 條聲音,樣本數(shù)量較少。 通過(guò)補(bǔ)充實(shí)驗(yàn)發(fā)現(xiàn),通過(guò)增加聲音樣本的數(shù)量,會(huì)使分類結(jié)果更科學(xué)。 但是,補(bǔ)充實(shí)驗(yàn)中只涉及了43 種動(dòng)物,動(dòng)物的物種數(shù)量過(guò)少。 在接下來(lái)的研究中,應(yīng)該在增加物種數(shù)量的同時(shí),增加每種動(dòng)物的聲音數(shù)量。另外,對(duì)于沒(méi)有聲音和聲音較小的物種,比如魚類和小型昆蟲,沒(méi)有辦法進(jìn)行分類。

研究中使用的聲音材料下載自不同的網(wǎng)站,聲音質(zhì)量不統(tǒng)一,可能會(huì)對(duì)研究結(jié)果造成影響。 目前缺少高質(zhì)量、廣博齊全的動(dòng)物聲音數(shù)據(jù)庫(kù),所以這個(gè)問(wèn)題還沒(méi)有辦法很好的解決,只能在篩選聲音的時(shí)候更加仔細(xì)。

附錄一動(dòng)物聲音網(wǎng)站

http：／ ／www.animal-sounds.org.

https：／ ／www.seaworld.org／animals／sounds.

http：／ ／www.findsounds.com／animals.html.

http：／ ／www.animalsoundarchive.org.

https：／ ／www.naturebits.org.

https：／ ／www.freesound.org.

http：／ ／www.grsites.com／archive／sounds.

https：／ ／www.freesoundeffects.com.