陈德昊，林建恒，衣雪娟，江鹏飞

(1. 中国科学院大学，北京100049；2. 中国科学院声学研究所北海研究站，山东青岛266114)

0 引 言

随着人类对海洋渔业资源需求的日益增加，利用声学技术开采海洋渔业资源越来越受到人们的重视。目前各国已经广泛采用各种主动声呐技术探测、开发和利用海洋渔业资源。同时，被动声学技术也成为海洋渔业资源评估和海洋生态系统监测的重要手段和工具。

对于鱼类发声信号，可在时域、频域或梅尔频率倒谱域等变换域下进行分析。文献[1-7]采用了带通滤波技术、时域分析、频域分析、时频分析和混合神经网络算法等信号处理方式对鱼类发声信号进行分析。然而，传统的时域或频域分析无法同时兼顾频域和时域信息，故无法全面地分析信号。陈功等[8]于2013年利用仿声技术发现，可将鱼类发声信号类比说话人语音信号进行分析。他们将梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC) 作为鱼类被动声信号的特征信息，该特征具有维数少、区分度大、鲁棒性强、计算量小的优点。时频分析虽可以同时兼顾时域和频域，但选取的方法不同，结果会存在差异。常见的时频分析方法有短时傅里叶变换(Short-Time Fourier Transform,STFT)、维格纳分布(Wigner Distribution Function,WDF)、希尔伯特-黄变换(Hilbert-Huang Transform,HHT)以及小波变换(Wavelet Transform, WT)等。短时傅里叶变换计算简单，但无法同时兼顾时域分辨率和频域分辨率，不太适合处理具有瞬态非平稳特性的鱼类发声信号。维格纳分布会出现“交叉项效应”，且复杂度较高。希尔伯特-黄边换在检测微弱突变信号具有一定优势，但其结果不具有解析形式[8-9]。……