Генеративный подход для анализа экологических звуковых ландшафтов

В естественных экосистемах звуковые ландшафты состоят из звуков животных, шумов окружающей среды и деятельности человека. Поскольку разные животные издают звуки в разное время и на разных частотах, исследователи могут изучать аудиозаписи для понимания местного биоразнообразия. Для анализа изменений биоразнообразия во времени и в разных регионах часто используется дискриминативное машинное обучение. Однако в экосистемах со многими видами и сложными звуками по-прежнему трудно точно идентифицировать виды и измерить биоразнообразие, что ограничивает широкое использование анализа звуковых ландшафтов в экологическом мониторинге.

Команда под руководством профессора Лю Фанлина из Хэфэйских институтов физических наук Китайской академии наук разработала новый метод, основанный на генеративных моделях, для анализа экологических звуковых ландшафтов.

Результаты были недавно опубликованы в журнале Methods in Ecology and Evolution.

Метод использует генеративно-состязательные сети (GANs) для изучения базовых паттернов звуковых сигналов из реальных спектрограмм, а затем применяет эти знания для реконструкции видовых вокальных компонентов, генерируя звуки, которые близко имитируют естественные звуковые ландшафты.

В отличие от традиционных дискриминативных моделей, эта генеративная стратегия захватывает внутренние структуры и скрытые особенности акустического пространства, такие как частотные диапазоны, временные паттерны и интенсивность энергии звуков животных. Это позволяет более точно разделять целевые источники звука, эффективно удалять шумы окружающей среды и более чётко восстанавливать биоакустические события.

Эта работа расширяет теоретические и методологические границы анализа биоразнообразия и звуковых ландшафтов, предоставляя новые способы для автоматизированного мониторинга экосистем и оценки их здоровья.