《Frontiers in Marine Science》:A wavelet kernel design for the detection of sperm whale echolocation clicks
编辑推荐:
抹香鲸(Physeter macrocephalus)产生强宽带回声定位点击声(echolocation clicks),用于在深海环境中探测和识别猎物。被动声学监测(Passive Acoustic Monitoring, PAM)系统为研究这些动物的丰度提
抹香鲸(Physeter macrocephalus)产生强宽带回声定位点击声(echolocation clicks),用于在深海环境中探测和识别猎物。被动声学监测(Passive Acoustic Monitoring, PAM)系统为研究这些动物的丰度提供非侵入性方法,但面临瞬态噪声源导致误检测的挑战。本文提出一种基于小波的方法,通过利用点击声的脉冲特性来识别包含抹香鲸(sperm whale, SW)点击声的感兴趣区域(regions of interest, ROIs)。设计小波核(wavelet kernel)以匹配代表SW点击声模型的Gabor函数。使用该小波重构的信号随后主要在包含SW点击声的ROI中产生高峰值,而环境噪声和瞬态噪声被抑制。与常用的Teager–Kaiser能量算子(Teager–Kaiser energy operator, TKEO)参考方法和一种基于小波的SW点击声检测参考方法相比,在多米尼克岛和巴哈马附近记录的大型人工标注SW点击声数据集上,本研究展示了真检测率与误检测率之间有利的权衡。
研究背景与问题:抹香鲸(sperm whale, SW)是海洋环境最大捕食者之一,作为在大于1,000 m深度觅食的深潜齿鲸,其丰度可指示猎物存在和海洋生态系统健康。SW主要觅食潜水时产生高强度脉冲回声定位点击声(echolocation clicks),被动声学监测(Passive Acoustic Monitoring, PAM)检测这些点击声是评估其丰度的主要工具。但瞬态噪声(波浪、人为源、生物源如snapping shrimp)可在与SW点击声相同频带(2 kHz–24 kHz)产生时频结构相似的类点击信号,导致误检测。减少初始感兴趣区域(regions of interest, ROIs)识别阶段的假候选,可减少后续数据量、提高自动PAM可靠性,支持长期监测、行为研究、保护及与定位/密度估计结合的丰度评估。现有瞬态检测包括基于特征(如脉冲间隔(inter-pulse interval, IPI),需高信噪比(signal-to-noise ratio, SNR))、基于能量(如Teager–Kaiser能量算子(Teager–Kaiser energy operator, TKEO),无参数但检测所有瞬态)、基于模板匹配(难以泛化)和基于小波(可捕获宽带特征,但现有小波对所有瞬态响应高,未专门优化SW点击声)方法。因此需设计匹配SW点击声特性的ROI识别器。
研究开展、结论与意义:研究人员提出基于小波变换的SW点击声ROI识别器:用Gabor表示的一般点击模型设计匹配小波核,输入信号经小波分解重构后在SW点击声处产生强响应,而环境噪声和瞬态噪声被抑制或衰减;该方法确定原始记录中潜在点击位置,可集成到任何点击检测框架。在Dominica岛大型人工标注数据和Bahamas独立数据上,与TKEO及另一基于小波的方法相比,所提方法取得真阳性率与假阳性率之间有利权衡,表明可改进候选选择、降低假阳性并支持PAM。
关键技术方法:研究人员以Dominica岛2023年9月西海岸约2 km处采集的Dominica岛数据集(Gubnitsky数据集)中约25,000个人工标注SW点击声为基础,取3,000个结构多样点击作训练;另用巴哈马2007年AUTEC数据集(Adam et al.数据集,1,203个人工标注SW点击)作跨数据集评估。训练点击先带通滤波至2–24 kHz并按最大成对互相关同步。采用多分量Gabor函数(Multi-Component Gabor Function, MCGF)在约束下以序列二次规划(Sequential Quadratic Programming, SQP)及Broyden–Fletcher–Goldfarb–Shanno(BFGS)拟牛顿法估计单一SW点击模型;再用匹配频谱算法构造与该模型频谱匹配的单一小波核,并以离散小波变换(Discrete Wavelet Transform, DWT)分解、细节系数阈值化、重构和二次阈值识别ROI。
研究结果:
6.1 Dataset(数据集):研究使用Dominica岛数据集约25,000个人工标注SW点击声,去除3,000个用于小波核生成的点击后评估;合成环境噪声用于补充分析;AUTEC数据集包含巴哈马2007年记录的1,203个人工标注SW点击,用于检验跨数据集泛化。评估将ROI识别器视为简单点击检测器,以接收者操作特征(receiver operating characteristic, ROC)曲线衡量检测率P
d与误检测率P
fa的权衡;每个ROI含单个点击,故P
d按ROI计算,P
fa按样本计算。参考方法为TKEO和Daubechies小波ROI识别器(DW-RI),因其与所提方法处于同一ROI识别阶段而可选比较。
6.2 Performance evaluation(性能评估):参数敏感性研究在4,000个Dominica点击加入5 dB白高斯噪声,固定level 1和scale 1时阈值0.1–1中0.1最佳;scale 1优于4和8;重建level 1、1–2、1–3性能几乎相同,选level 1以去除其他层可能背景噪声;N=10、15、20性能仅轻微变化,N=20略佳。合成白高斯噪声SNR为0、5、10 dB、约18,000个点击的实验中,所提方法曲线下面积(area under the curve, AUC)最高;高SNR时三种方法接近,低SNR时TKEO会放大噪声,DW-RI优于TKEO。真实Dominica 18,000个标注点击的ROC中,所提小波核AUC为0.9837,较TKEO提高0.0558、较DB提高0.0197;配对DeLong比较的95%置信区间均为正,Holm校正后p
H<0.05,差异显著。AUTEC 1,203个点击中AUC为0.9861,较TKEO提高0.0267、较DB提高0.0082,置信区间为正且差异显著,但增益中等或较小;三种方法在该数据集性能接近,可能与其样本量较小和较高SNR有关。跨地点结果仍显示所提方法在SW点击声ROI识别中表现良好。
6.3 Discussion(讨论):所构造小波核能识别不同结构SW点击声并拒绝噪声瞬态;研究人员认为区分能力来自小波核锁定点击主脉冲中特定频谱特征,而如snapping shrimp瞬态缺乏这些特征。合成白噪声不同SNR和Dominica、Bahamas真实环境噪声/瞬态下,所提方法均优于参考方法;AUTEC独立数据集提供跨数据集泛化证据,但单一外部数据集不足以宣称跨记录系统、环境条件和SW种群稳健,仍需更多数据集验证。低SNR时小波核与SW点击声相关性可能下降,使重构信号在点击位置幅度降低;强瞬态可能偶然与核对齐而产生高峰值,提高假ROI率。增加基于预期多脉冲的验证步骤可降低假阳性,并可将小波核扩展为表示脉冲及多脉冲预期结构(如抽头延迟线模型)。
讨论部分总结:该方法在两类数据集和不同噪声条件下表现出较好的ROI筛选能力,核心优势是以SW点击声模型匹配的小波核增强点击模式并抑制类点击瞬态;局限在于单一点击模型、低SNR相关下降和强瞬态偶然对齐可能增加假阳性,外部验证仅一个数据集,未来需多数据集及多脉冲验证。
研究结论翻译:研究人员提出一种小波方法,用于识别包含潜在SW点击声的ROI,同时减少或抑制瞬态噪声。该方法可用于任何点击声检测流程,通过在ROI选择阶段细化点击候选,提高真检测率并降低假阳性率。该方法构建与估计的SW点击声模型匹配的小波核。该模型使用3,000个人工标注SW点击声训练数据集进行优化以确定小波核。由此,主要当SW点击声模式存在时产生高峰值,而类点击声瞬态噪声被抑制。研究人员使用18,000个人工标注SW点击声在合成噪声样本存在下评估ROI识别器性能,并展示来自不同海洋环境的真实记录结果,包括环境噪声和瞬态噪声。结果表明,相对于广泛使用的参考方法如TKEO具有优势,尤其在SNR或信号干扰比(signal-to-interference ratio, SIR)较低时。在不同于核构建位置记录的SW点击声数据集上测试,展示了潜在跨数据集泛化能力。然而,其本身并不能确立在不同环境条件或SW种群间的稳健性。未来工作将修改小波核以同时捕获SW点击声的预期多脉冲结构。