周映荷，劉 琪，李天樂，劉龍申

(南京農(nóng)業(yè)大學(xué)工學(xué)院，江蘇南京 210031)

1 緒論

長久以來，我國現(xiàn)代農(nóng)業(yè)中畜牧業(yè)是一項很有潛力的產(chǎn)業(yè)之一，也占據(jù)著中國農(nóng)業(yè)生產(chǎn)的重要地位。而準(zhǔn)確高效地采集動物個體信息是分析動物生理、健康和福利狀況的基礎(chǔ)。

本文論及蛋雞養(yǎng)殖，首先傳統(tǒng)蛋雞飼養(yǎng)中主要依靠人工觀測的方式監(jiān)測蛋雞個體健康狀態(tài)，不僅會耗費飼養(yǎng)員大量的時間和精力，還很容易引起蛋雞的應(yīng)激反應(yīng)，破壞蛋雞生長自然環(huán)境。而科學(xué)研究表明，蛋雞在不同健康狀態(tài)下的叫聲會存在聲學(xué)特征的差異，因此聲音識別可以作為一種判斷動物福利的輔助方法。

2 系統(tǒng)研究

聲音識別本質(zhì)上是一種模式識別過程，主要包括蛋雞叫聲采集、去噪及加重、特征參數(shù)提取、識別器訓(xùn)練、健康識別等幾個功能模塊。

具體實施過程可以描述為：首先采集健康蛋雞的叫聲信號進行去噪處理，并根據(jù)設(shè)定的音頻特征提取方法提取音頻特征集，建造健康蛋雞聲音特征庫；然后，采集健康狀況待檢測的蛋雞叫聲，并進行同樣的特征提取，最后選擇分類算法進行識別分類，與健康聲音特征庫中的數(shù)據(jù)進行匹配，得到健康識別的結(jié)果。

2.1 去噪程序

本項目研究目標(biāo)為散養(yǎng)蛋雞，在此環(huán)境下，噪聲主要為自然環(huán)境噪音，而由于信號譜和噪聲譜是任意重疊的，傳統(tǒng)的濾波器方法效果并不顯著。在本文中將創(chuàng)新采用小波分解與重構(gòu)的方法對采集聲音進行去噪。

簡而言之，小波分析是一種信號的時間頻率分析方法，是將原函數(shù)y（t）表示為一系列逐次逼近表達式，其中每一個都是y（t）函數(shù)經(jīng)過平滑后的形式，它們分別對應(yīng)不同的分辨率因此能夠聚焦到信號的任意細節(jié)進行多分辨率的時頻分析。

本項目在實施過程中選用小波閾值去噪法對樣本聲音進行去噪，在此過程中，主要測定了適用的小波基和分解層數(shù)，合適的閾值和閾值函數(shù)等影響去噪效果的主要特征。

通過MATLAB多次仿真實驗可得，運用“db3”小波基做兩層分解后通過硬閾值函數(shù)進行閾值去噪并重構(gòu)為該實驗環(huán)境下最有效的去噪方法，圖1為效果圖。

圖1 去噪波形圖

2.2 特征參數(shù)提取程序

在研究過程中，我們通過對同一段樣本提取不同特征向量并用同樣參數(shù)訓(xùn)練SVM識別模型，識別模型的準(zhǔn)確率分別如表1所示：

由表可知，MFCC與短時能量結(jié)合的方式訓(xùn)練識別模型效果最理想。因為短時能量是時域特征，MFCC參數(shù)是人耳聽覺感知特征，而兩者之間的相關(guān)性不大，它們反映的是音頻信號的不同特征，結(jié)合有較好的識別效果。

2.3 SVM訓(xùn)練與識別程序

由于支持向量機在解決小樣本問題、非線性問題及高維空間內(nèi)的模式識別問題的時候有很多優(yōu)點，所以其被廣泛使用。基本原理是升維，即將低維空間中的非線性問題映射到高維空間中，然后利用核函數(shù)將非線性問題轉(zhuǎn)換為線性問題，使其變得更簡單容易解決。

表1 不同特征參數(shù)訓(xùn)練模型效果

而本文作為異常識別只能提供大量的健康蛋雞叫聲，因此采用單極支持向量機（one class SVM）。根據(jù)對已有支持向量機的理解，單極支持向量機并非對已有標(biāo)簽的數(shù)據(jù)進行分類判別，而是通過回答yes or no的方式去根據(jù)支持向量域描述（support vector domaindescription SVDD），將樣本數(shù)據(jù)訓(xùn)練出一個最小的超球面（大于3維特征），其中在二維中是一個曲線，將數(shù)據(jù)全部包起來，即將異常點排除。

以下是通過訓(xùn)練樣本表2數(shù)據(jù)所訓(xùn)練得到的SVM分類器模型參數(shù)，如表3所示。

表2 訓(xùn)練樣本詳情

表3 分類器參數(shù)詳情

2.4 實驗結(jié)果

在實施過程中，模型成型后對模型進行調(diào)試測驗，最終該系統(tǒng)的識別正確率可高達86%（如表4所示：樣本數(shù)120 識別成功數(shù)103），是較為理想的結(jié)果。

表4 測試樣本詳情

3 總結(jié)

本論文在結(jié)合實際的項目研究工作的基礎(chǔ)上，分析了在Matlab 平臺上實現(xiàn)異常聲音識別的方法，并且將基于支持向量機的異常識別方法應(yīng)用于蛋雞的健康診斷中。

在研究的過程中，對蛋雞叫聲的聲學(xué)特性作了系統(tǒng)的分析，對支持向量機的理論與應(yīng)用進行了較為深入的探索，并且在總結(jié)許多前人研究成果的基礎(chǔ)上，提出了自己的方法。

本文系統(tǒng)的實現(xiàn)對于豐富和發(fā)展自動化養(yǎng)殖技術(shù)具有一定的意義。