JPH0772894A - 自動知的監視装置 - Google Patents

自動知的監視装置

Info

Publication number
JPH0772894A
JPH0772894A JP6133053A JP13305394A JPH0772894A JP H0772894 A JPH0772894 A JP H0772894A JP 6133053 A JP6133053 A JP 6133053A JP 13305394 A JP13305394 A JP 13305394A JP H0772894 A JPH0772894 A JP H0772894A
Authority
JP
Japan
Prior art keywords
automatic monitoring
monitoring device
recording
data
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP6133053A
Other languages
English (en)
Inventor
Paul H Patrick
エッチ．パトリック ポール
Narayan Ramani
ラマニィ ナラヤン
William G Hanson
ジー．ハンソン ウィリアム
Ronald W Sheehan
ダブリュ．シーハン ロナルド
Robert L Jennette
エル．ジェネット ロバート
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ontario Hydro
Original Assignee
Ontario Hydro
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ontario Hydro filed Critical Ontario Hydro
Publication of JPH0772894A publication Critical patent/JPH0772894A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G10L2015/0631—Creating reference templates; Clustering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S119/00—Animal husbandry
    • Y10S119/906—Animal counting

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

(57)【要約】 【目的】 本発明は、野生生物の聴覚的データを監視
し、該データを後で分析かつ確認するために記録する自
動式装置を提供する。 【構成】 本装置は、野生生物の発声をデジタルフォー
マットで記録する記録装置（１０）に接続される１つ以
上のマイクロフォン（８）を含む。結果的に得られた記
録データは、それぞれの種を確認するために神経網によ
り事前処理され、セグメントに分割され、分析される。 【効果】 本装置は、人間の干渉の必要性と、記録され
た音声の主観的な解釈とをできるだけ少なくする。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、野生生物の聴覚的デー
タを監視することにより陸生環境における野生生物固体
群に関する情報を得るための自動監視装置に関する。
【０００２】
【従来の技術及び発明が解決しようとする課題】申し込
まれた建築工事や開発の認可を与える前に、政府当局
は、それらが与えかねない自然環境への影響についてよ
り広範囲にわたる調査を要求している。その結果、自然
環境に対する、特に、珍しいすなわち危うくなった動物
種の固体群やさまざまな動物種に対する、人間干渉の影
響の測定が重要な必要条件となっている。
【０００３】現行の野生生物監視策は、典型的に、監視
されるべき環境に入って陸生環境の聴視覚的調査をじか
に行なう、経験を積んだ陸生生物学者または監視者を伴
う。これらのマニュアル調査は、いくつかの理由で不満
足なものになることがある。第一に、マニュアル調査
は、労力がかかり、環境の十分に代表的な地域をカバー
するために多数の人員を要し、したがって実行するのが
非常に困難になり得る。すなわち、十分な資源が得られ
ない場合には、信頼するにたる結果を得ることができな
い。
【０００４】第二に、マニュアル調査は完了まで長い時
間を要する。典型的には、監視されるべき環境は都心か
ら離れており、現場への行き帰りの時間がかなりかかる
ことがある。現場では、監視者は、陸生環境を混乱させ
るのを避けるために非常に注意深くその環境に接近しな
ければならない。
【０００５】第三に、マニュアル調査は通常昼間の時間
に限られるのでその範囲が限られ、その結果、夜行性の
種は普通観察されない。また、動物が森の草木で覆い隠
されて見えなかったり、沼地や湿地のような環境には容
易に近づくことができなかったりすることがある。
【０００６】最後に、測定データの完全性は、聴視覚的
な監視の非常に主観的な性質のため不明確さと誤りにさ
らされる。
【０００７】監視者の監視機能を実行するために自動監
視装置が開発されている。この装置は、典型的に、代表
的な地域から動物の発声すなわち鳴き声を集めるために
在来のアナログレコーダを用いていた。しかしながら、
多数の現場の（１２時間を越える）長期間陸生データを
記録すると共に（１０ｋＨｚまでの）広帯域幅を有する
レコーダは比較的高価である。さらに、記録の分析は監
視者によって現場外で行なわれる必要があり、鳴き声を
確認している時にその自然環境中にいるという恩恵を奪
われた生物学者による分析は労力がかかる。
【０００８】本発明は、陸生環境に対する妨害をできる
だけ少なくして動物の発声を連続的に記録することがで
きる自動装置を提供することにより、マニュアル調査に
伴う欠点を克服するものである。また、本発明は、でき
るだけ少ない労力でかなりの地域の監視を可能にし、監
視者の偏見から生じる確認ミスを減少させるものであ
る。
【０００９】
【課題を解決するための手段】本発明による自動監視装
置は、監視される野生生物の発声からの聴覚的データを
受信するための手段と、前記聴覚的データをデジタルフ
ォーマットで記録するための手段と、前記記録データを
処理するための手段と、記録され処理されたデータの予
め決められた特性を確認することにより、前記発声を出
している野生生物の種を確認するための手段とからな
る。
【００１０】
【実施例】本発明を容易に理解することができるよう
に、その好適な実施例を例として付随の図面を参照して
説明する。
【００１１】全体の概要 図１に示されるように、監視されるべき陸生環境からの
動物の発声を受信するために受信装置８が用いられる。
次に、受信された聴覚的データは、記録装置１０によっ
てデジタルフォーマットで記録され、その後データ分析
装置１２で分析される。また、データ分析装置は、鳴き
声が生じた動物の科、属または種を確認することができ
る確認モジュール１４で処理可能なように前記データを
フォーマット化する。なお、データ分析装置１２は、発
声が数ヶ所、少なくとも３ヶ所、から得られる場合に動
物の固体数概算を計算するために用いることもできる。
【００１２】また、データ分析装置１２は、監視者また
は生物学者が確認モジュール１４の結果の検証として前
記信号の聴覚的的確認を行なうことができるように、デ
ジタル／アナログ（Ｄ／Ａ）コンバータ３３とスピーカ
３５を備えることもできる。
【００１３】自動記録装置 記録装置１０は知的多チャンネル可聴周波帯レコーダで
ある。図２に示されるように、このレコーダは、２０Ｍ
Ｈｚの内部クロックと５１０メガバイトのハードディス
クを備えた従来のポータブル１６ビットパーソナルコン
ピュータ２０で構成される。１６ビット分解能を有する
アナログ／デジタル（Ａ／Ｄ）基板２２がコンピュータ
２０に接続されている。図１の受信装置１０に相当する
マイクロフォン２４は、例えば各チャンネルが、８ｋＨ
ｚの帯域幅と、７０ｄＢ以上のダイナミックレンジと、
９３ｄＢの信号対雑音比とを持つように種々の通信リン
クを用いるＡ／Ｄ基板２２に接続される。１つ以上のマ
イクロフォン２４をＡ／Ｄ基板２２に直接つなぐことが
でき、これらのマイクロフォンは選択された環境からの
動物の発声をピックアップするように配置される。かけ
がえとして、またはさらに、Ａ／Ｄ基板２２から遠隔に
あるマイクロフォン２６ａ、２６ｂ及び２６ｃが無線周
波リンクによりＡ／Ｄ基板に通じている。この場合、マ
イクロフォン２６ａ、２６ｂ及び２６ｃは、別々の周波
数チャンネルで動作する無線周波送信機２８ａ、２８ｂ
及び２８ｃに接続される。Ａ／Ｄ基板の別々のチャンネ
ルは、それぞれ無線周波送信機２８ａ、２８ｂ及び２８
ｃ専用の無線周波受信機３０ａ、３０ｂ及び３０ｃに接
続される。信号を遠隔地からコンピュータ２０に送信す
るために他の手法を用いることができるのは当業者に理
解されるだろう。さらに、本装置は４つのマイクロフォ
ンを備えたものとして図２に示されているが、現場のさ
まざまな位置に配置される１つ以上のマイクロフォンを
使用できることがわかるだろう。
【００１４】マイクロフォン２４及び２６で受信された
聴覚的データはＡ／Ｄ基板２２に送信され、そこでデジ
タル形式に変換されてコンピュータ２０の付属ハードデ
ィスクに格納される。コンピュータ２０には、規格の１
２０ボルトＡＣ電源か、利用可能な場合は１２ボルトＤ
Ｃバッテリを用いて給電することができる。
【００１５】コンピュータ２０のハードディスクにおい
て利用可能な限られた格納スペースを維持するために、
周囲の背景雑音のような無関係な音の記録をできるだけ
少なくする必要がある。この目的を達成するのにあてら
れる２つの方法がある。すなわち、タイムトリガ式記録
と音声作動式記録である。タイムトリガ式記録法に関し
ては、操作者は、収集期間のうちの記録継続時間と連続
する収集期間の間隔とを決めることができる。したがっ
て、記録は、サンプリング期間を連続的なものから断続
的なものに変えることができる。断続的なサンプリング
期間は、使用者に、監視される種が最も発声しそうな時
間に当該環境を監視させる。全チャンネルを、同じまた
は異なる記録時間と収集期間の間隔とを用いてタイムト
リガしても良い。しかしながら、タイムトリガ法が下記
に説明される好適な実施例と関連して用いられる場合
は、全チャンネルは同時にタイムトリガされる。
【００１６】音声作動式記録法は、予め決められた最小
振幅に達する音響トランジェントでトリガされた時に記
録を開始する装置を提供する。好適な実施例では、マイ
クロフォン２６または２４によって受信されたトランジ
ェントが、トリガする音響トランジェントが全マイクロ
フォンで受信されようがされまいが、それらのマイクロ
フォンで受信された環境音をコンピュータ２０に記録せ
しめる。環境音の振幅が４チャンネル全部においてスレ
ショールドレベル以下に下がると、コンピュータ２０は
環境音の記録を止める。トリガするトランジェントの間
に、コンピュータはデータを内部メモリからハードディ
スクに転送する。本装置は、発声の分析を助けるため
に、トリガするトランジェントが生じた時間を記録す
る。本装置は、かけがえとして、コンピュータ２０がト
リガするトランジェントを受信するチャンネルを記録す
るにとどまるように設計できることが当業者に理解され
るだろう。後者の場合、トリガされる個々のマイクロフ
ォンで受信された環境音がスレショールド以下に下がっ
た場合のみ、コンピュータはそのチャンネルの記録を止
めるだろう。かけがえとして、もし望むなら、一部のチ
ャンネルをタイムトリガ式にし、他のチャンネルを音声
作動式にしても良い。
【００１７】本発明の他の実施例では、記録装置１０
は、現場に置かれてタイムトリガ法または音声作動法の
どちらかを用いて記録を開始するように相互接続された
個々のアナログレコーダから構成される。これらのレコ
ーダは同時的にも個別的にも記録を開始することができ
る。適当な市販のタイムトリガ式レコーダは、ソニー製
プロフェッショナル ウォークマン モデルＷＭ−Ｄ６
Ｃである。上述のように、アナログレコーダは行なわれ
得る実時間記録長に制限される。
【００１８】上記の各実施例において、レコーダは、動
物の活動レベルに関係し得る、温度、湿度、気圧及び風
速のような環境データを収集することができるセンサ２
２ａを備えることができる。例えば、両生動物の発声は
温度及び湿度レベルで変化することが一般的に知られて
いる。その音圧レベルを、好適には、コンピュータがタ
イムトリガ式または音声作動式オプションのいずれかを
用いて各チャンネルで記録している間、各チャンネルに
ついて２秒間隔で記録することができる。音圧レベルに
関係する情報は、下記により詳細に説明されるように、
比較的多数の種を概算するために用いることができる。
【００１９】データ分析 データ分析装置１２は、従来のパーソナルコンピュータ
と個別プログラムからなり、記録装置１０で記録された
環境音を分析するために用いられる。前述のように、図
２に関して説明した装置のように記録装置１０を自動式
にするか、またはかけがえとして、標準的なアナログレ
コーダを用いて記録を行なうことができる。確認モジュ
ール１４で分析されるべく環境音を整えるために、環境
音はまずデジタルデータ列にフォーマット化されなけれ
ばならない。図２に示される自動記録装置で記録された
音声は、コンピュータ２０のハードディスクにデジタル
フォーマットで格納される。記録装置１０としてアナロ
グレコーダが用いられる場合は、Ａ／Ｄコンバータが分
析装置のパーソナルコンピュータに接続され、アナログ
記録をデジタル列に変換するために用いられる。
【００２０】前記デジタル列を、確認モジュール１４に
よる処理前または処理中のいずれかにおいて分析するこ
とが有効である。市販のプログラム例えばカルフォルニ
ア州ゴレタ(Goleta)のシグナル テクノロジー社(Signa
l Technology Inc.)からのＩＬＳを、記録装置の第１ま
たは第２の好適な実施例のいずれかを用いて得られる前
記デジタルデータ列を情報損失なしに一定サイズに圧縮
変換するために用いることができる。この圧縮変換は前
記データの後処理を容易にする。特定の発声の詳細と確
認モジュールによる発声の確認の検証とを調べる機会を
生物学者や科学者に提供するために、次のような３タイ
プの列を前記デジタル列から得ることができる。すなわ
ち、 （１）分光記録、これは各時間シーケンス間の色々な周
波数の大きさを確認するものである。 （２）音声記録、これは時間の関数として時間領域信号
の周波数を確認するものである。 （３）時間領域列、これは時間の関数としての信号の大
きさを確認するものである。
【００２１】これらの列は、市販プログラムを用いてさ
らに分析して、関連する統計的情報を抽出することがで
きる。これらの列から抽出することができ、発声を分析
するのに役立つ情報のタイプは、次のものを含む。すな
わち、 （ａ）時間の関数としての特定の時間における全周波数
成分の平均強度 （ｂ）時間の関数としての特定の時間における支配的周
波数の強度 （ｃ）周囲雑音を含む信号部分と鳴き声を含む信号部分
の標準偏差
【００２２】確認モジュール１４による信号処理を促進
するための追加のプログラムを、以下の機能を実行する
ために用意することができる。すなわち、 （ａ）信号の標準偏差を用いて対象の信号を検出するこ
と。 （ｂ）周囲雑音を除去するかまたは種々の周波数からな
る鳴き声をもつ種からの同時の鳴き声を分離するために
音声記録を濾波すること。 （ｃ）平均化により音声記録及び時間領域列を平坦にす
ること。
【００２３】確認装置 図３は確認モジュール１４の構成を示す。本装置の構成
は、特定の用途、例えば鳥、または両生動物、または両
生動物及び鳥の両方等の発声のみの監視、に適応させる
ことができることが当業者にわかるだろう。
【００２４】確認モジュール１４は、野生生物の鳴き声
を識別して、選択された鳴き声が生じた動物を確認する
ために用いられる。図３を参照すると、データ分析装置
１２で作り出されたデジタル列３２は分割モジュール３
４に供給される。分割モジュール３４は発声中の鳴き声
の開始を確認するために用いられる。次に、デジタル列
３２は特徴抽出モジュール３６に供給される。特徴抽出
モジュール３６は、１組の、デジタル音声セグメントの
数値的に量子化された特徴（ＮＱＦＤＳＳ）を発生す
る。音声セグメント（ＮＱＦＤＳＳ）は、信号の一定の
特徴に従って該信号の特徴を表わす。事前ふるい分けモ
ジュール３８は、確認段階に先立って無関係な発声を除
去するために用いられる。次に、ＮＱＦＤＳＳは個別分
類モジュール４０に供給される。分類モジュール４０
は、ＮＱＦＤＳＳが入力され、動物の発声を分類して出
力する神経網から構成される。図３に示されるように、
分類モジュール４０は、信号を４つの副分類モジュール
４２ａ、４２ｂ、４２ｃ及び４２ｄ、すなわち鳥分類モ
ジュール、両生動物分類モジュール、哺乳動物確認モジ
ュール及び他の音声確認モジュール、にさらに分類する
ことができる。これらの副分類モジュール４２は神経網
から構成される。副分類モジュール４２ａ、４２ｂ、４
２ｃ及び４２ｄは、それらに供給された信号を特定の種
に分類し、各種について確認された鳴き声の数４４ａ、
４４ｂ、４４ｃ及び４４ｄを記録する。
【００２５】次に、確認装置の個々の構成要素の詳細を
説明する。
【００２６】分割モジュール 分割モジュール３４は、デジタル列３２が入力され、デ
ータを処理して背景雑音から鳴き声の開始を識別する。
分割モジュール３４の処理機能は、従来のパーソナルコ
ンピュータで実行されるプログラムにより実行すること
ができる。好適な実施例では、分割モジュール３４は、
アナログ実時間音声の１秒に相当する２０，０００点の
入力点を含むデジタル列３２が入力される。分割モジュ
ール３４は同時に２０，０００の入力点を掃引して、各
々が３２点を含む６２５のセグメントに分割する。各３
２点セグメントの音響エネルギーが計算され、事前決定
されたスレショールドレベルと比較される。音響エネル
ギーのスレショールドレベルは、監視される現場におけ
る周囲背景雑音の３２点セグメントの音響エネルギーの
数値表示と同じオーダーだがそれより大きなものであ
る。周囲背景雑音のセグメントは、記録装置１０を現場
に据え付ける時に使用者が記録することができる。かけ
がえとして、図２の実施例に関して説明されたコンピュ
ータ２０を、気象条件の変化、あるいは動物及び／また
は人間の活動で生じた雑音の変化を考慮するために、一
定間隔で周囲雑音レベルを記録するようにプログラムし
ても良い。
【００２７】このプログラムは、音響エネルギーのスレ
ショールド値を越える５つの隣接するセグメントを捜し
出すために６２５セグメントをサーチする。６２５セグ
メントの全部がスレショールドより大きな音響エネルギ
ーを持っている場合は、２０，０００点の全部の組が特
徴抽出モジュール３６に転送される。さもなければ、５
つの隣接するセグメントが捜し出された時に、このスレ
ショールドを越える最初の５つの隣接するセグメントの
うちの一番目のセグメントの開始が、特徴抽出モジュー
ル３６に転送されるべき鳴き声の開始として確認され
る。いったん５つの隣接するセグメントが捜し出される
と、最初の隣接するセグメントで始まる２０，０００点
が、特徴抽出モジュール３６に供給される。
【００２８】３２点セグメントのどれもスレショールド
ファクターより大きな音響エネルギーを持っていない場
合は、新しいスレショールドが、音響エネルギーの最大
量を含む６２５セグメントのセグメントの音響エネルギ
ーの２％を取ることで得られる値を計算することにより
決定される。次に、分割モジュール３４は、音響エネル
ギーの最大量を含む６２５セグメントに同じ手順を繰返
す。
【００２９】決定基準のために用いられる特定の時間
長、各セグメントの点数及びセグメント数やその他の値
は、好適な実施例の説明のためだけの模範的なものであ
り、これらの値は、本質的に全ての監視状態に適切なも
のではないことが当業者にわかるだろう。さらにまた、
当業者は、本発明は上記に説明した分割手順に限らず、
鳴き声を分離することができるどんな手順をも企図して
いることがわかるだろう。
【００３０】特徴抽出モジュール 特徴抽出モジュール３６は、デジタル列３２の特定の特
性を表わすＮＱＦＤＳＳと呼ばれる１組の係数を発生す
る。特徴抽出モジュール３６には、分割モジュール３４
からデジタル列３２が入力される。特徴抽出モジュール
３６は、色々な方法で、例えばメル箱、ケプストラム係
数、一次予測係数または相関係数を用いて、デジタル列
３２の特徴を表わすことができる。特徴抽出モジュール
３６は、分割モジュール３４で確認された発声の開始か
ら最初の１１，２６４点（３５２セグメント）を処理す
るだけである。１１，２６４点は１，０２４点のオーバ
ーラップを伴い同時に２，０４８点処理される。最初の
組の点は、一番目の点から始まり、点２，０４８で終わ
る。これらの点は、ウェルチ(Welch) 窓により分離され
る。ウェルチ窓の手順は、その内容が参照によりここに
含まれる出版物等（Ｃにおける数値配合表、ケンブリッ
ジ大学出版、１９８８年）に開示されている。特徴抽出
モジュール３６がメル箱を用いてデジタル列３２の特徴
を表わす場合には、窓を通した１組の点の高速フーリエ
変換（ＦＦＴ）及びパワースペクトラムが計算される。
次に、周波数軸が、幅が各々２０メルの１８セグメント
に分割される。パワースペクトラムのこれら１８のセグ
メントにおける１８領域が抽出されて保存される。
【００３１】２，０４８点の第２の組は点１，０２５で
始まり、点３，０７２で終わる。これらの点は、第１の
組と同じ手順に従って処理され、さらに１８の数が抽出
される。この手順は、１１，２６４点の全てが処理され
（１０組の２，０４８点）、メル箱に群分けされた１８
０のパワースペクトラム数が抽出されるまで続けられ
る。
【００３２】かけがえとして、特徴抽出モジュール３６
は、ケプストラム係数を用いてデジタル列３２の特徴を
表わすものを用いることができる。ケプストラム係数を
用いて特徴を表わすために、特徴抽出モジュールは発声
の最初の１１，２６４点を同様に用い、これらは各々
２，０４８点からなる１０のオーバーラップする組に分
割される。前記組は各々ウェルチ窓を用いて窓を通され
る。前記組は各々、各組について２４のケプストラム係
数を発生するように処理される。ケプストラム係数はス
ピーカの声帯特性を表わすために用いられる。各組のケ
プストラム係数を引き出すための手順は、その内容は参
照によりここに含まれるエス．フルイ(S.Furui)，自動
式スピーカ検査のためのケプストラル分析法，IEEE Tra
nsactionson Acoustics，Speech and Signal Processin
g，Vol.ASSP-29 ，No. 2 ，April1981，pages 254-272
に見出される。第２のモジュール用のＮＱＦＤＳＳは２
４０のケプストラム係数から構成される。
【００３３】一次予測係数か相関係数のどちらかを用い
てデジタル列の特徴を表わすための手順は、エス．フル
イ(S. Furui)，自動式スピーカ検査のためのケプストラ
ル分析法，IEEE Transactions on Acoustics，Speech a
nd Signal Processing，Vol.ASSP-29 ，No. 2 ，April
1981，pages 254-272 に開示されている。デジタル列３
２の特徴を表わすさらに他の方法があることは当業者に
わかるだろう。
【００３４】事前ふるい分けモジュール 特徴抽出モジュール３６で得られたＮＱＦＤＳＳは事前
ふるい分けモジュール３８に供給される。事前ふるい分
けモジュール３８は、確認段階の前に無関係な発声をふ
るいにかけるものである。このふるい分け工程は確認段
階の信頼性及び効率を向上させる。
【００３５】事前ふるい分けモジュール３８の設計方法
は、その内容が参照によりここに含まれるワイ．パオ
(Y. Pao)，Adaptive Pattern Recogniton and Neural N
etworks, Addison-Wesley, 1989 に開示されている、幾
何学的距離に基づく無管理クラスタリング方法と同じで
ある。１組の確認済トレーニングサンプルの鳴き声のＮ
ＱＦＤＳＳが特徴抽出モジュール３６から得られる。次
に、このＮＱＦＤＳＳは０乃至１の範囲で正規化され
る。次に、このトレーニングサンプルは、以下の工程順
にしたがってクラスターを確認するために処理される。 １． ｎ＝１ ２． クラスター１＝トレーニングサンプル１ ３． ｎを漸増 ４． ｎ＞トレーニングサンプル数なら停止 ５． トレーニングサンプルｎに最も近いクラスターｉ
を捜せ。幾何学的距離がスレショールド（例えば２．
５）より大きければ、新しいクラスターｉ＋１＝サンプ
ルｎを作れ。さもなければ、サンプルｎをクラスターｉ
に加算し、そのクラスター内の全サンプルの重心になる
ようにクラスターｉを調整せよ。 ６． ステップ３に進め。
【００３６】事前ふるい分けモジュール３８が設計され
ると、全クラスターから規定距離外にあるサンプルは全
て“不明”と名づけられ、確認範囲の前に捨てられる。
【００３７】分類モジュール 分類モジュールは、その内容が参照により下記に含まれ
る、マックレランドジェイ．エル(McClelland J.L)等,
Parallel Distributed Processing, Vol. 1,MIT Press,
1986に開示されているような、多層の十分に結合され
たフィードフォワード認知形式の神経網から構成され
る。好適な実施例では、各神経網は、入力層と、出力層
と、１つの不可視層からなる。入力層の神経単位の数
は、特徴抽出モジュール３６により供給されるＮＱＦＤ
ＳＳの数に一致する。したがって、分割された信号がメ
ル箱を用いて特徴抽出モジュール３６によって特徴付け
られる場合には、分類モジュール４０の入力層に１８０
の神経単位が用いられ、分割された信号がケプストラム
係数を用いて特徴付けられる場合には、前記入力層に２
４０の神経単位が用いられる。出力層の出力神経単位の
数は、分割された信号すなわち発声が分類され得る可能
な分類区分の数に一致する。図３の分類モジュールは、
４つの可能な分類に対応して出力層に４つの神経単位を
有する。不可視層の数と各不可視層における神経単位の
数は、監視される特定のタイプの音声に対する動作を最
大にするために経験的に決定される。しかしながら、説
明した装置の特定の用途のためには、２０の神経単位を
含む１つの不可視層が用いられる。各層において、これ
らの神経単位は０と１の間の出力を供給する。
【００３８】本実施例では、神経網のトレーニング段階
において、神経単位間の相互連結強度は、＋０．３と−
０．３の間の値にランダムに設定される。試験デジタル
列が分割モジュール３４に供給される。特徴抽出モジュ
ール３６から得られたＮＱＦＤＳＳは、０と２の間の値
に正規化され、入力神経単位の各々に対する入力として
用いられる。神経網は、前述のマックレランド等の文献
に開示されているような逆伝播アルゴリズムを用いてト
レーニングされる。習得率及び運動量係数はそれぞれ
０．０１と０．６に設定される。トレーニング工程は、
トレーニングサンプルの最大誤差が０．２０以下に達す
るまで（起こり得る最大誤差は１．０である）行なわれ
る。換言すれば、トレーニングは、正しい出力神経単位
の活動が少なくとも０．８にあり、間違った出力神経単
位の活動が０．２未満になるまで継続する。
【００３９】鳴き声を分類するために、鳴き声のＮＦＤ
ＳＳは分類モジュール４０の入力神経単位に供給され
る。応答が規定値Ｖ２（例えばＶ２は０．５以上）より
高い１つの出力神経単位を除いた全出力神経単位の応答
が、規定値Ｖ１（例えばＶ１は０．５以下）以下の場合
のみ、神経網は、Ｖ２以上の出力を有する出力神経単位
に対応する科確認モジュール４２に鳴き声の分類を行な
うと思われる。前記以外の応答が得られる場合は、分類
網は定まらないと思われる。
【００４０】ＮＱＦＤＳＳを鳴き声が生じた動物の種に
さらに分類することが望ましい。図３に示されるよう
に、各々の科確認モジュール４２ａ、４２ｂ、４２ｃ及
び４２ｄは、特定の種４４から生じた記録済鳴き声の数
を確認するためにさらに分類しても良い。確認モジュー
ル４２ａ、４２ｂ、４２ｃ及び４２ｄは各々、分類モジ
ュール４０に関して説明された神経網と同じ神経網を含
む。しかしながら、確認モジュール４２ａ、４２ｂ、４
２ｃ及び４２ｄの出力層の神経単位の数は、各々の科確
認モジュール４２で確認されるべき種の数に一致するだ
ろう。分類モジュール４０が科確認モジュール４２ａ、
４２ｂ、４２ｃ及び４２ｄのうちの１つを確認すると、
ＮＱＦＤＳＳは確認された科分類モジュールの入力層に
供給される。確認された分類モジュールにおいて、鳴き
声を発した動物種に対応する出力層の神経単位はＶ２よ
り大きな出力で応答するだろう。
【００４１】発声をもっと効率的かつ確実に分類するた
めにさらなる分類構成が可能であることは当業者に明ら
かだろう。例えば、鳥確認モジュールは、発声の大部分
を正確に確認することができるが、種Ａ、Ｂ、Ｃ及びＤ
を含む小群の鳥を矛盾して確認することがある。神経網
は、この小群の鳥全部の鳴き声を１つの確認分類区分に
置き、適切な組のＮＱＦＤＳＳを、この小群のみからそ
れに与えられる鳴き声からこの小群の種を確認するため
に特にトレーニングされた他の確認モジュールに進める
ように再トレーニングすることができる。
【００４２】確認モジュール１４の信頼性を向上させる
ために、同じ信号を分析する２つ以上の出力を結合する
装置が設計されている。図４に示されるように、デジタ
ル列３２は分割モジュール３４でセグメントに分割さ
れ、このデジタル列は次に２つの特徴抽出モジュール４
６ａ及び４６ｂに供給される。各特徴抽出モジュール４
６ａ及び４６ｂは、異なる方法例えばメル箱やケプスト
ラム係数を用いてデジタル列３２の特徴を表わす。各特
徴抽出モジュール４６ａ及び４６ｂで発生したＮＱＦＤ
ＳＳは、事前ふるい分けモジュール４８ａ及び４８ｂと
分類モジュール５０ａ及び５０ｂに供給される。特徴抽
出モジュール４６ａ及び４６ｂと、事前ふるい分けモジ
ュール４８ａ及び４８ｂと、分類モジュール５０ａ及び
５０ｂは、図３の同等モジュールと同じように機能す
る。
【００４３】図４に示されるような、２つの分類モジュ
ール５０ａ及び５０ｂを有する装置では、４つの結果が
生じる可能性がある。すなわち、（ａ）両方の分類モジ
ュール５０ａ及び５０ｂとも同じ分類を行なうか、
（ｂ）一方のモジュールは明確な分類を行なうが、他の
モジュールは定まらないか、（ｃ）両方のモジュールと
も定まらないか、または（ｄ）両モジュールとも相反す
る分類を行なうかである。結合モジュール５２は、分類
モジュール５０ａ及び５０ｂから生じ得る出力を合理化
するために用いられる。各モジュール５０ａ及び５０ｂ
からの結果を結合することにより、個々に両方から得ら
れる結果の効率を向上させる結合モジュール５２によっ
て用いることができるいくつかの方法がある。前記方法
の１つによれば、結果（ａ）が得られる場合は、両モジ
ュールで行なわれた分類は正しいものとして受け入れら
れ、結果（ｂ）が得られた場合は、明確な分類が正しい
ものとして受け入れられ、結果（ｃ）及び（ｄ）が得ら
れた場合は、特定の音声は人間の聴取者によって今後調
べられる可能性があるものとして区別され、結論に達し
ない。
【００４４】結合モジュール５２により用いることがで
きる他の方法は、１つの分類モジュールから出力神経単
位毎に得られた応答を、他の分類モジュールからの対応
する神経単位出力からの応答で平均することを伴う。こ
の方法は、神経単位が０．３と０．７の間の範囲に応答
する場合や、結合されるべき分類モジュールが２つ以上
の場合に最適である。
【００４５】結合モジュール５２で得られた分類は、例
えば図３に示されるもののようにさらに副分類にするこ
とができる。
【００４６】他の態様では、本発明は、陸生環境にいる
比較的多数の種の概算にも備える。発声を含む環境音を
記録するために多チャンネル記録装置が用いられる。レ
コーダと組み合わされるマイクロフォンは、三角構成の
３つの分離したサンプリング位置に位置決めされ、それ
により１つのマイクロフォン付近の発声は残りのマイク
ロフォンによっても検出することができる。これらのマ
イクロフォンは、タイムトリガ法または音声作動法のど
ちらかを用いて同時記録する。各マイクロフォンで記録
された音声の振幅は、鳴き声を発した動物に対するマイ
クロフォンの位置により変化するだろう。
【００４７】上記に説明した特定の実施例は、本発明の
範囲を逸脱することなく特定の要求に合わせるために多
くの方法で変えることができることがわかるだろう。例
えば、本装置は、水生環境における野生生物の聴覚的的
データを監視する際に用いるために変形することがで
き、マイクロフォンの位置には水中聴音器が用いられ
る。
【図面の簡単な説明】
【図１】本発明による野生生物の発声確認装置の全体概
略図である。
【図２】図１の受信及び記録装置の概略図である。
【図３】本発明の一実施例による図１の確認モジュール
の概略図である。
【図４】本発明の他の実施例による図１の確認モジュー
ルの概略図である。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ１０Ｌ 9/10 ３０１ Ｃ 9379−5Ｈ (72)発明者 ナラヤン ラマニィ カナダ国，エル４ダブリュ ３エス６，オ ンタリオ，ミッシソウガ，ラヴィングトン クレッセント 879 (72)発明者 ウィリアム ジー．ハンソン カナダ国．エム９ビー ３テー４，オンタ リオ，イズリントン，シェイヴァー アヴ ェニュー サウス 52 (72)発明者 ロナルド ダブリュ．シーハン カナダ国，エル７ジェー ２エル７，オン タリオ，アクトン，アール．アール．ナン バー１ (72)発明者 ロバート エル．ジェネット アメリカ合衆国，21037 メリーランド, エッジウォーター，ホワイトマーシュ レ ーン 3931

Claims (22)

    【特許請求の範囲】
  1. 【請求項１】 野生生物の発声を監視するための自動監
    視装置であって、 前記発声から聴覚的データを受信するための手段（８）
    と、 前記聴覚的データをデジタルフォーマットで記録するた
    めの手段（１０）と、 前記記録データを処理するための手段（１２）と、 前記記録処理データの予め決められた特性を確認するこ
    とにより、発声が出ている野生生物の種を確認するため
    の手段（１４）とからなることを特徴とする自動監視装
    置。
  2. 【請求項２】 請求項１記載の自動監視装置において、
    前記受信手段（８）は記録手段（１０）に直接つながれ
    た少なくとも１つのマイクロフォンからなる自動監視装
    置。
  3. 【請求項３】 請求項１記載の自動監視装置において、
    前記受信手段（８）は無線周波リンクによって記録手段
    （１０）に接続された少なくとも１つのマイクロフォン
    （２６ａ）からなる自動監視装置。
  4. 【請求項４】 請求項１記載の自動監視装置において、
    前記受信手段（８）は、異なる位置に配置され、各受信
    チャンネルを限定する無線周波数リンクによって記録手
    段（１０）に接続された少なくとも３つのマイクロフォ
    ン（２６ａ，２６ｂ，２６ｃ）からなる自動監視装置。
  5. 【請求項５】 請求項１記載の自動監視装置において、
    前記記録手段（１０）は、パーソナルコンピュータ（２
    ０）に接続されたアナログ／デジタルコンバータ（２
    ２）を含む自動監視装置。
  6. 【請求項６】 請求項１記載の自動監視装置において、
    前記記録手段（１０）は、聴覚的データを等しい持続期
    間の連続する異なる間隔で記録するためにタイムトリガ
    式にされる自動監視装置。
  7. 【請求項７】 請求項１記載の自動監視装置において、
    前記記録手段（１０）は、聴覚的データを等しい持続期
    間の連続する異なる間隔で記録するために音声作動式に
    される自動監視装置。
  8. 【請求項８】 請求項１記載の自動監視装置において、
    さらに、環境データを検出するための手段（２２ａ）を
    含み、前記記録手段は前記環境データをデジタルフォー
    マットで記録するのに適応している自動監視装置。
  9. 【請求項９】 請求項８記載の自動監視装置において、
    前記検出手段（２２ａ）は、温度、気圧、及び風速セン
    サである自動監視装置。
  10. 【請求項１０】 請求項１記載の自動監視装置におい
    て、記録データを処理する前記処理手段は、前記データ
    をデジタルデータ列にフォーマット化するための手段
    と、前記デジタルデータ列を情報損失なしに一定サイズ
    に圧縮するための手段とを含む自動監視装置。
  11. 【請求項１１】 請求項１０記載の自動監視装置におい
    て、前記処理手段は、さらに、前記記録データから分光
    記録、音声記録及び時間領域表現を得るための手段を含
    む自動監視装置。
  12. 【請求項１２】 請求項１１記載の自動監視装置におい
    て、前記処理手段は、さらに、前記記録データから、 （ｉ） 時間の関数としての特定の時間における全周
    波数成分の平均強度と、 （ｉｉ） 時間の関数としての特定の時間における支配
    的周波数の強度と、 （ｉｉｉ）雑音を含む聴覚的データ部分と発声を表わす
    聴覚的データ部分の標準偏差とを得るための手段を含む
    自動監視装置。
  13. 【請求項１３】 請求項１１記載の自動監視装置におい
    て、前記処理手段は、さらに、 （ａ）前記のデジタル記録された受信音声の標準偏差を
    用いて発声を検出するための手段と、 （ｂ）前記音声記録を濾波して、周囲雑音、または異な
    る周波数の発声を有する種からの別個の同時に存在する
    発声を除去するための手段と、 （ｃ）平均化により前記音声記録及び前記時間領域表現
    を平坦にするための手段とを含む自動監視装置。
  14. 【請求項１４】 請求項１記載の自動監視装置におい
    て、前記処理手段は、前記のデジタル記録された受信音
    声をアナログ形式に変換するためのものであって、スピ
    ーカに接続されたデジタル／アナログコンバータ（３
    ３）を含む自動監視装置。
  15. 【請求項１５】 請求項１記載の自動監視装置におい
    て、前記確認手段（１４）は、 （ａ）前記の記録された聴覚的データにおける発声の開
    始を確認するための手段と、 （ｂ）受信した発声を、特徴付け法を用いて、１組の、
    前記発声の数値的に量子化した特徴に特徴付けるための
    手段と、 （ｃ）前記の数値的に量子化された特徴に従って前記発
    声を分類するための手段とからなる自動監視装置。
  16. 【請求項１６】 請求項１５記載の自動監視装置におい
    て、前記発声の開始を確認するための前記手段は次の工
    程を実行する自動確認装置。 （ａ）デジタル記録されたデータを複数のセグメントに
    分割する工程と、 （ｂ）各セグメントの音響エネルギーを計算する工程
    と、 （ｃ）各セグメントの音響エネルギーを予め決められた
    スレショールドレベルと比較する工程と、 （ｄ）音響エネルギーが前記スレショールドレベルを越
    える予め決められた数の隣接するセグメントを捜し出す
    工程。
  17. 【請求項１７】 請求項１５記載の自動監視装置におい
    て、前記特徴付け手段は、メル箱、ケプストラム係数、
    一次予測係数または相関係数を用いて前記の記録済聴覚
    的データを特徴付ける自動監視装置。
  18. 【請求項１８】 請求項１５記載の自動監視装置におい
    て、前記分類手段は神経網を含む自動監視装置。
  19. 【請求項１９】 請求項１８記載の自動監視装置におい
    て、前記神経網は、入力層と、出力層と、少なくとも１
    つの不可視層とを有する、多層の完全に接続されたフィ
    ードフォワード認知形式のものである自動監視装置。
  20. 【請求項２０】 請求項１９記載の自動監視装置におい
    て、前記入力層における神経単位の数は、前記１組の数
    値的に量子化された特徴の数に対応し、主力層における
    神経単位の数は、前記発声に関して可能な分類の数に対
    応している自動監視装置。
  21. 【請求項２１】 請求項２０記載の自動監視装置におい
    て、前記出力層における各出力神経単位の活動は、前記
    数値的に量子化された特徴を受信する入力層と、前記発
    声に関して可能な各分類のための神経単位を有する出力
    層とを備えた、後続の副分類神経網を確認する自動監視
    装置。
  22. 【請求項２２】 請求項２１記載の自動監視装置におい
    て、さらに、前記発声をさらに分類するのに用いられる
    連続する分類神経網を含む自動監視装置。
JP6133053A 1993-06-15 1994-06-15 自動知的監視装置 Pending JPH0772894A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US7675193A 1993-06-15 1993-06-15
US076751 1993-06-15

Publications (1)

Publication Number Publication Date
JPH0772894A true JPH0772894A (ja) 1995-03-17

Family

ID=22133965

Family Applications (1)

Application Number Title Priority Date Filing Date
JP6133053A Pending JPH0772894A (ja) 1993-06-15 1994-06-15 自動知的監視装置

Country Status (12)

Country Link
US (1) US5956463A (ja)
EP (1) EP0629996A3 (ja)
JP (1) JPH0772894A (ja)
AU (1) AU680658B2 (ja)
BR (1) BR9402405A (ja)
CA (1) CA2125095C (ja)
DE (1) DE629996T1 (ja)
ES (1) ES2070811T1 (ja)
FI (1) FI942580L (ja)
GR (1) GR950300023T1 (ja)
NO (1) NO941999L (ja)
NZ (1) NZ260733A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003255984A (ja) * 2002-03-06 2003-09-10 Asahi Kasei Corp 野鳥の鳴き声認識装置及びその認識方法
JP2005147953A (ja) * 2003-11-18 2005-06-09 Asaza Kikin 環境データ計測システム，方法，プログラム、環境データ計測システムに用いる集計サーバ，センサ端末

Families Citing this family (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3702978B2 (ja) * 1996-12-26 2005-10-05 ソニー株式会社 認識装置および認識方法、並びに学習装置および学習方法
US6087960A (en) * 1998-06-24 2000-07-11 Mitsubishi Electric Engineering Company, Limited Accident sound detection circuit
US6910011B1 (en) 1999-08-16 2005-06-21 Haman Becker Automotive Systems - Wavemakers, Inc. Noisy acoustic signal enhancement
US7117149B1 (en) 1999-08-30 2006-10-03 Harman Becker Automotive Systems-Wavemakers, Inc. Sound source classification
US6546368B1 (en) * 2000-07-19 2003-04-08 Identity Concepts, Llc Subject identification aid using location
US6396402B1 (en) 2001-03-12 2002-05-28 Myrica Systems Inc. Method for detecting, recording and deterring the tapping and excavating activities of woodpeckers
FI20010632A7 (fi) * 2001-03-27 2002-09-28 Jaakko Larjomaa Menetelmä ja laitteisto äänien tunnistamiseksi
DE10129720B4 (de) * 2001-06-15 2004-02-19 Forschungsinstitut Für Die Biologie Landwirtschaftlicher Nutztiere Lautverarbeitungsvorrichtung und -verfahren
US20030115215A1 (en) * 2001-12-18 2003-06-19 Daniel Swarovski Method and system for watching and tracking birds
US20030125946A1 (en) * 2002-01-03 2003-07-03 Wen-Hao Hsu Method and apparatus for recognizing animal species from an animal voice
US20040107104A1 (en) * 2002-12-03 2004-06-03 Schaphorst Richard A. Method and apparatus for automated identification of animal sounds
US8073689B2 (en) 2003-02-21 2011-12-06 Qnx Software Systems Co. Repetitive transient noise removal
US7725315B2 (en) 2003-02-21 2010-05-25 Qnx Software Systems (Wavemakers), Inc. Minimization of transient noises in a voice signal
US8326621B2 (en) 2003-02-21 2012-12-04 Qnx Software Systems Limited Repetitive transient noise removal
US7895036B2 (en) 2003-02-21 2011-02-22 Qnx Software Systems Co. System for suppressing wind noise
US7885420B2 (en) 2003-02-21 2011-02-08 Qnx Software Systems Co. Wind noise suppression system
US8271279B2 (en) 2003-02-21 2012-09-18 Qnx Software Systems Limited Signature noise removal
US7949522B2 (en) 2003-02-21 2011-05-24 Qnx Software Systems Co. System for suppressing rain noise
US7454334B2 (en) 2003-08-28 2008-11-18 Wildlife Acoustics, Inc. Method and apparatus for automatically identifying animal species from their vocalizations
US20050049876A1 (en) * 2003-08-28 2005-03-03 Ian Agranat Method and apparatus for automatically identifying animal species from their vocalizations
US8170879B2 (en) 2004-10-26 2012-05-01 Qnx Software Systems Limited Periodic signal enhancement system
US7716046B2 (en) 2004-10-26 2010-05-11 Qnx Software Systems (Wavemakers), Inc. Advanced periodic signal enhancement
US8543390B2 (en) 2004-10-26 2013-09-24 Qnx Software Systems Limited Multi-channel periodic signal enhancement system
US7610196B2 (en) 2004-10-26 2009-10-27 Qnx Software Systems (Wavemakers), Inc. Periodic signal enhancement system
US8306821B2 (en) 2004-10-26 2012-11-06 Qnx Software Systems Limited Sub-band periodic signal enhancement system
US7680652B2 (en) 2004-10-26 2010-03-16 Qnx Software Systems (Wavemakers), Inc. Periodic signal enhancement system
US7949520B2 (en) 2004-10-26 2011-05-24 QNX Software Sytems Co. Adaptive filter pitch extraction
US8284947B2 (en) 2004-12-01 2012-10-09 Qnx Software Systems Limited Reverberation estimation and suppression system
US7377233B2 (en) 2005-01-11 2008-05-27 Pariff Llc Method and apparatus for the automatic identification of birds by their vocalizations
US8027833B2 (en) 2005-05-09 2011-09-27 Qnx Software Systems Co. System for suppressing passing tire hiss
US8170875B2 (en) 2005-06-15 2012-05-01 Qnx Software Systems Limited Speech end-pointer
US8311819B2 (en) 2005-06-15 2012-11-13 Qnx Software Systems Limited System for detecting speech with background voice estimates and noise estimates
US8457962B2 (en) * 2005-08-05 2013-06-04 Lawrence P. Jones Remote audio surveillance for detection and analysis of wildlife sounds
CA2573049C (en) * 2006-01-06 2014-07-15 Jerry J. Bromenshenk Honey bee acoustic recording and analysis system for monitoring hive health
JP4573792B2 (ja) * 2006-03-29 2010-11-04 富士通株式会社 ユーザ認証システム、不正ユーザ判別方法、およびコンピュータプログラム
US20070237342A1 (en) * 2006-03-30 2007-10-11 Wildlife Acoustics, Inc. Method of listening to frequency shifted sound sources
US7844453B2 (en) 2006-05-12 2010-11-30 Qnx Software Systems Co. Robust noise estimation
US8326620B2 (en) 2008-04-30 2012-12-04 Qnx Software Systems Limited Robust downlink speech and noise detector
US8335685B2 (en) 2006-12-22 2012-12-18 Qnx Software Systems Limited Ambient noise compensation system robust to high excitation noise
US8904400B2 (en) 2007-09-11 2014-12-02 2236008 Ontario Inc. Processing system having a partitioning component for resource partitioning
US8850154B2 (en) 2007-09-11 2014-09-30 2236008 Ontario Inc. Processing system having memory partitioning
US8694310B2 (en) 2007-09-17 2014-04-08 Qnx Software Systems Limited Remote control server protocol system
FR2923043A1 (fr) * 2007-10-29 2009-05-01 Orelia Sas Procede et systeme de creation automatisee de modeles de reconnaissance de contenu sonore
GB2455971B (en) * 2007-12-11 2010-04-28 Motorola Inc Method and apparatus for providing an audiovisual stream
US8209514B2 (en) 2008-02-04 2012-06-26 Qnx Software Systems Limited Media processing system having resource partitioning
US7782195B2 (en) 2008-03-19 2010-08-24 Wildlife Acoustics, Inc. Apparatus for scheduled low power autonomous data recording
MX2010014192A (es) * 2008-06-17 2011-07-28 Normandeau Associates Inc Sistema y método para detectar murciélagos y su impacto sobre instalaciones eólicas.
US8297231B2 (en) * 2009-02-03 2012-10-30 Faunus Ltd. System and methods for health monitoring of anonymous animals in livestock groups
US20100198024A1 (en) * 2009-02-03 2010-08-05 Ron Elazari-Volcani Vitality meter for health monitoring of anonymous animals in livestock groups
US8838260B2 (en) * 2009-10-07 2014-09-16 Sony Corporation Animal-machine audio interaction system
US9089123B1 (en) * 2011-10-19 2015-07-28 Mark Holton Thomas Wild game information system
US10569150B1 (en) 2012-07-09 2020-02-25 Phillip Botsko Game call analyzer and simulator software systems
US10222493B2 (en) * 2013-10-23 2019-03-05 Cornell University System and methods for processing and the visualization of bioaccoustical information
US9544687B2 (en) * 2014-01-09 2017-01-10 Qualcomm Technologies International, Ltd. Audio distortion compensation method and acoustic channel estimation method for use with same
US9792896B2 (en) * 2015-12-15 2017-10-17 Facebook, Inc. Providing intelligent transcriptions of sound messages in a messaging application
KR101884000B1 (ko) * 2017-09-21 2018-08-01 이동환 PFD(Peak Frequency Detect)기술을 이용하여 조류독감을 포함한 동물 질병 감염개체의 소리를 비교, 구분, 판독하는 전자공학적 하모닉스 알고리즘에 관한 서비스 제공방법 및 장치
CN110782920B (zh) * 2019-11-05 2021-09-21 广州虎牙科技有限公司 音频识别方法、装置及数据处理设备
US11910781B2 (en) * 2019-12-26 2024-02-27 Organic Intelligence Technologies, Inc. Analyzing media based on non-human animal input
EP3868202B1 (en) 2020-02-19 2022-05-18 FaunaPhotonics Agriculture & Enviromental A/S Method and apparatus for determining an index of insect biodiversity
US20210315186A1 (en) * 2020-04-14 2021-10-14 The United States Of America, As Represented By Secretary Of Agriculture Intelligent dual sensory species-specific recognition trigger system
US11322160B2 (en) 2020-04-24 2022-05-03 Darrell Poirier Audio collection system and method for sound capture, broadcast, analysis, and presentation
IT202100005591A1 (it) * 2021-03-10 2022-09-10 Smartleaf S R L Apparato di acquisizione sonora
CN114067809A (zh) * 2021-11-15 2022-02-18 百鸟数据科技(北京)有限责任公司 野生动物声音智能监测与ai识别系统以及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58158736A (ja) * 1982-03-16 1983-09-21 Toppan Printing Co Ltd 電算写植用音声入力方法
JPS59105697A (ja) * 1982-12-09 1984-06-19 松下電器産業株式会社 音声認識装置
JPS62220134A (ja) * 1986-03-18 1987-09-28 株式会社　アトム電器産業 害鳥予防装置
JPH03276199A (ja) * 1990-03-27 1991-12-06 Agency Of Ind Science & Technol 話者認識方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1044250A1 (ru) * 1979-05-10 1983-09-30 Волгоградский сельскохозяйственный институт Способ определени пола цыпл т
US4415979A (en) * 1981-03-25 1983-11-15 Ensco, Inc. Method and apparatus for detecting the presence of an animate body in an inanimate mobile structure
US4509151A (en) * 1982-01-22 1985-04-02 Sea World, Inc. Marine acoustic analysis system and method
US4630246A (en) * 1984-06-22 1986-12-16 The United States Of America As Represented By The Secretary Of The Air Force Seismic-acoustic low-flying aircraft detector
US4897878A (en) * 1985-08-26 1990-01-30 Itt Corporation Noise compensation in speech recognition apparatus
US4895025A (en) * 1986-09-15 1990-01-23 Sound Technologies, Inc. Destructive insect induced vibration detector
US4864282A (en) * 1986-10-21 1989-09-05 Sasson Toeg Method and apparatus for detecting or measuring the presence of humans or biological organism
US4864297A (en) * 1987-10-14 1989-09-05 Tekedge Development Corp. Siren detector
US4806931A (en) * 1988-01-25 1989-02-21 Richard W. Clark Sound pattern discrimination system
US4876721A (en) * 1988-03-03 1989-10-24 Martin Marietta Energy Systems, Inc. Method and device for identifying different species of honeybees
AU5886590A (en) * 1989-07-10 1991-01-10 Gain Fame Pty Ltd Acoustic monitoring device
US4965552A (en) * 1989-07-17 1990-10-23 Price Charles S Electronic animal repellant apparatus
US5036538A (en) * 1989-11-22 1991-07-30 Telephonics Corporation Multi-station voice recognition and processing system
DE69030561T2 (de) * 1989-12-28 1997-10-09 Sharp Kk Spracherkennungseinrichtung
US5168471A (en) * 1991-08-14 1992-12-01 Parra Jorge M Integrated passive acoustic and active ultrasonic marine aquatic finder system
CA2089597A1 (en) * 1993-02-16 1994-08-17 Douglas G. Bain Apparatus for audio identification of a bird

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58158736A (ja) * 1982-03-16 1983-09-21 Toppan Printing Co Ltd 電算写植用音声入力方法
JPS59105697A (ja) * 1982-12-09 1984-06-19 松下電器産業株式会社 音声認識装置
JPS62220134A (ja) * 1986-03-18 1987-09-28 株式会社　アトム電器産業 害鳥予防装置
JPH03276199A (ja) * 1990-03-27 1991-12-06 Agency Of Ind Science & Technol 話者認識方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003255984A (ja) * 2002-03-06 2003-09-10 Asahi Kasei Corp 野鳥の鳴き声認識装置及びその認識方法
JP2005147953A (ja) * 2003-11-18 2005-06-09 Asaza Kikin 環境データ計測システム，方法，プログラム、環境データ計測システムに用いる集計サーバ，センサ端末

Also Published As

Publication number Publication date
ES2070811T1 (es) 1995-06-16
US5956463A (en) 1999-09-21
FI942580A7 (fi) 1994-12-16
EP0629996A2 (en) 1994-12-21
CA2125095A1 (en) 1994-12-16
AU680658B2 (en) 1997-08-07
AU6470294A (en) 1994-12-22
NZ260733A (en) 1997-10-24
CA2125095C (en) 1999-06-15
GR950300023T1 (en) 1995-06-30
DE629996T1 (de) 1995-10-12
EP0629996A3 (en) 1995-03-22
FI942580L (fi) 1994-12-16
NO941999D0 (no) 1994-05-31
BR9402405A (pt) 1996-02-27
NO941999L (no) 1994-12-16
FI942580A0 (fi) 1994-06-01

Similar Documents

Publication Publication Date Title
JPH0772894A (ja) 自動知的監視装置
Bardeli et al. Detecting bird sounds in a complex acoustic environment and application to bioacoustic monitoring
Jouventin et al. Finding a parent in a king penguin colony: the acoustic system of individual recognition
CN102163427B (zh) 一种基于环境模型的音频异常事件检测方法
US4905285A (en) Analysis arrangement based on a model of human neural responses
US8164484B2 (en) Detection and classification of running vehicles based on acoustic signatures
CN102027338B (zh) 信号判定方法、信号判定装置、信号判定系统
CN111048114A (zh) 一种设备异常声音检测的设备及方法
WO2005024782B1 (en) Method and apparatus for automatically identifying animal species from their vocalizations
CN101976564A (zh) 昆虫声音识别方法
Waide et al. Tropical forest bird counts and the effect of sound attenuation
Ting Yuan et al. Frog sound identification system for frog species recognition
Venter et al. Automatic detection of African elephant (Loxodonta africana) infrasonic vocalisations from recordings
CN105825857A (zh) 基于声纹识别帮助失聪患者判断声音类别的方法
US4829572A (en) Speech recognition system
Soni et al. Automatic audio event recognition schemes for context-aware audio computing devices
Xie et al. Acoustic feature extraction using perceptual wavelet packet decomposition for frog call classification
Luitel et al. Sound event detection in urban soundscape using two-level classification
JP4209122B2 (ja) 野鳥の鳴き声及び人の音声認識装置及びその認識方法
Ranasinghe et al. Enhanced frequency domain analysis for detecting wild elephants in asia using acoustics
CN119805226A (zh) 一种锂电池热失控火灾识别方法及系统
Buck et al. Synthesis and modification of the whistles of the bottlenose dolphin, Tursiops truncatus
Estrebou et al. Voice recognition based on probabilistic SOM
CN117692588A (zh) 一种智能可视化噪声监测及溯源装置
Marcarini et al. Comparison of methods for automated recognition of avian nocturnal flight calls