李 路 涂群资 黄汉英 赵思明 熊善柏 马章宇

(1.华中农业大学工学院， 武汉 430070； 2.华中农业大学食品科技学院， 武汉 430070)

基于被动水声信号的淡水鱼种类识别

李 路1涂群资1黄汉英1赵思明2熊善柏2马章宇1

(1.华中农业大学工学院， 武汉 430070； 2.华中农业大学食品科技学院， 武汉 430070)

针对淡水鱼种类自动识别问题，采用被动水声信号作为数据源，运用维纳滤波和采样降噪法对水声信号进行预处理，通过4层小波包分解算法提取频段能量，结合信号的短时平均能量和短时平均过零率构建特征向量，使用概率神经网络分类器实现了淡水鱼种类的快速识别，研究了不同平滑因子取值对识别效果的影响。结果表明，当平滑因子为9～19时识别效果最佳，其中草鱼、鳊鱼、鲫鱼的识别正确率均为100%，无鱼状态的识别正确率为77.3%，总正确率为94.3%。

淡水鱼； 被动水声信号； 种类识别； 概率神经网络

引言

鱼类识别是水生生态监测和渔业资源评估的重要内容[1]。近些年，国内外研究者利用水声信号处理技术，通过对鱼类发声特点和声学特性的研究，构建了部分鱼类的自动监测和识别方法，该方法适用范围广、不受能见度影响，是目前研究的一大热点[2-4]。基于被动水声信息的鱼类监测研究主要集中在两方面：①开展海洋渔业资源调查，采集不同水域、不同种类鱼的发声信号，从而获得鱼类的时空分布以及行为特征，为渔业生产提供相关信息[5-6]。②研究鱼类在某种特定行为下的发声特性[7-13]及发声机理[14-16]。……