余礼根 杜天天 于沁杨 刘同海 孟 蕊 李奇峰

(1.北京市农林科学院信息技术研究中心， 北京 100097； 2.国家农业信息化工程技术研究中心， 北京 100097；3.天津农学院计算机与信息工程学院， 天津 300384)

0 引言

发声是动物传递信号的主要方式，能在一定程度上反馈其健康状态和生理生长信息，一直是畜禽行为研究的热点[1-5]。自20世纪50年代首次报道鸡的发声特征以来，研究发现鸡可以发出30多种声叫类型，19种发声语义信息(包括警告、威胁、求偶等)可被理解[6-7]。家禽发出痛苦叫声的总数和频率与其社交能力和生长环境改变呈现一定的相关性[8]。家禽在期待不同类型饲料时，发出叫声的类型和数量有所不同[9]。限制饲喂时，来航鸡发声频率有明显增加，表现出忍受更高的紧张状态[10-12]。然而，不区分动物发声类别，只统计发声频次不能较好地对畜禽发声语义信息进行全面描述[13]。

在畜禽发声识别方面，学者对多种音频特征参数与识别模型进行了相关研究与报道。基于时域特征，张铁民等[14]提出使用短时能量和短时过零率以及短时能量、短时过零率混合特征组成融合特征的音频识别方法，使用T-S模糊神经网络对提取的3种叫声特征参数构成3组测试集，识别正确率分别为78%、80%和75%。HUANG等[15]计算短时过零率和短时能量，使用PV-net模型识别进食行为，准确率达96%。基于频域特征，曹晏飞等[16]根据规模化养殖舍中噪声和蛋鸡发声的子带功率比差异，提出使用J48决策树的分类算法，平均准确率为93.4%。闫丽等[17]提出一种基于偏度的子带聚类法，减少了特征向量数。……