Метод машинного обучения помогает «очистить» шум океана и услышать брачные песни рыб

В брачный период рыбы у побережья Калифорнии поют «любовные песни» по вечерам и перед рассветом. Они вокализируют не поодиночке, а хорами, иногда достаточно громко, чтобы их можно было услышать с суши.

Однако эти хоровые сигналы низкочастотные, и их трудно отличить от шума проходящих судов и других звуков. Биологи заинтересованы в их изучении для понимания поведения рыб, что в конечном итоге помогает сохранять популяции и здоровье океана, определяя сезоны нереста.

Ученые из Океанографического института Скриппса Калифорнийского университета в Сан-Диего разработали метод, позволяющий компьютерам быстро анализировать звуки, собранные полевыми акустическими регистраторами, быстрее, чем это делают обученные люди.

Метод SoundScape Learning (SSL)

Метод, названный SoundScape Learning (SSL), сочетает установленные методы анализа звука с нейронной сетью. Он учит компьютеры видеть «общую картину» и распознавать звуковые события, а не искать конкретные сигналы.

Принцип «очистки» (denoising)

SSL разделяет повторяющиеся события (например, ежевечерние хоры рыб) и помещает их в «низкоранговую» (low-rank) матрицу. Переходные звуки, такие как шум кораблей или китов, сортируются в «разреженную» (sparse) матрицу.

Аналогии для понимания:

• Как запись с дорожной камеры: сама дорога — low-rank, проезжающие машины — sparse.
• Как микрофон на углу улицы: алгоритм учится самостоятельно идентифицировать акустические «отпечатки» групп людей, самолета или легкого транспорта.

Эффективность

В исследовании машины проанализировали 5,3 года аудиозаписей с побережья Калифорнии. Обученному акустику на ручной анализ потребовался бы примерно месяц, тогда как обученный SSL справляется за несколько дней.

Перспективы

Метод может быть легко применен для изучения звуковых ландшафтов (soundscapes) других животных: лягушек, птиц, летучих мышей.

Исследование опубликовано 15 марта 2023 года в The Journal of the Acoustical Society of America.