FenixEdu™

Dissertação

Marine Acoustic Signature Recognition using Convolutional Neural Networks EVALUATED

Detalhes: No mar existe uma grande diversidade de fontes sonoras: animais marinhos, fenómenos atmosféricos e atividades humanas. Em resposta às preocupações ecológicas e à necessidade de um maior controlo na navegação, o reconhecimento dessas fontes constitui um desafio. O objetivo deste trabalho consiste em construir um modelo que analise sinais acústicos captados por hidrofones e que os classifique de acordo com a fonte sonora. Assim, propõe-se a aplicação de uma rede neuronal convolucional (CNN) que recebe a representação do sinal em mel-espectrograma, dividido em pequenos intervalos (janelas), e o resultado do cálculo da primeira e segunda derivada do mesmo mel-espectrograma. Para cada janela, são atribuídos class scores pela CNN. Esta metodologia é aplicada a duas bases de dados formadas por sinais hidroacústicos. A primeira constituída por ruído de embarcações, a partir da qual se pretende detetar a sua presença, diferenciando-as em função da dimensão. Usando o mel-espectrograma e o mel-espectrograma em conjunto com a primeira e segunda derivada, obtém-se, respetivamente, uma exatidão de 83.2% e 88.8%. A segunda base de dados complementa a primeira com vocalizações de golfinhos e de baleias. Três técnicas de aumento de dados (time stretching, pitch shifting e time shifting) são estudadas. Aplicadas individualmente, ou simultaneamente, permitem um melhor desempenho em relação ao modelo sem aumento de dados. A influência da dimensão de janelas é também estudada, através da construção de cinco modelos em que a dimensão da janela varia entre 0.22 s e 1.97 s. A percentagem de exatidão situa-se entre os 66.2% e os 78.3%.
Keywords: Reconhecimento de sinais hidroacústicos, rede neuronal convolucional, mel-espectrograma, base de dados ShipsEar, ruído de embarcações, vocalização de animais marinhos

Discussão: julho 19, 2021, 13:0