水下声学监测对计算需求庞大

跟着海里的船只，不停地在船头两边跳跃、引路、着实惹人喜爱的海洋动物——“领航鲸”，它们不仅在动物界中智商数一数二，更拥有能给人带来幸运的传说。

然而，几个月前，浙江台州海域，智商超群、惹人喜爱的“领航鲸”集体搁浅，多方对12只“领航鲸”全力救援，仍有3头领航鲸消失生命体征，不禁让人唏嘘。

海洋噪声 引发海洋动物生存危机的杀手

全球70%的面积都被水覆盖，“领航鲸”们本应该自由自在地徜徉在蓝色星球，又是什么造成他们的生存危机，引发集体搁浅？

有报告指出，不断加剧的“海洋噪声”正极大影响着海豚、鲸的生活，成为夺取它们生命的真凶。

海洋动物必须依赖声音进行交配、觅食、以及躲避天敌。而海洋噪声轻则影响海洋生物的行为行动，重则导致它们听力丧失甚至死亡。因各种原因如声呐等噪声、磁场及受伤的干扰时，都会导致头鲸错误判断海岸线与方向，向沙滩最浅处游去，造成集体“自杀”的场景。

水下声学监测 对计算需求庞大

水声环境日益复杂，更好地保护海洋哺乳动物迫在眉睫。对海洋哺乳动物进行水下声学监测则是最有效的方式之一。而持续的水下声学监测会产生海量数据，依赖人工无法进行快速的数据分析，从而需要实时、有效地对海洋哺乳动物声信号进行检测和识别，需要强大的算力支撑。

另一方面，人工智能领域取得了快速发展，通过将人工智能方法应用于海洋声学，建立一个基于人工智能的海洋哺乳动物声信号实时检测识别系统，可以有效提高对庞大数据的处理效率，从而实现对海洋哺乳动物的实时监测。

曙光助力声学信号分析 准确率达到99.6%

近日，基于曙光提供的计算资源的支撑，某海洋研究所团队对已获取的海洋哺乳动物声学观测资料进行分析并获得了进一步研究结果。

该团队基于海洋哺乳动物调频特性信号的轮廓特征提取算法，提出了一种基于人工辅助的时频轮廓特征提取方法，在降低人工参与的同时，实现对海洋哺乳动物调频特性信号特征参数的完整提取。

基于一定人工辅助，该方法可以自动获取时频轮廓，提取信号的声学特征参数（时长、频率、拐点、谐波数等），并自动划分信号类型。

并且通过实测数据的结果显示，该提取方法能够有效地获取不同物种的各类型调频特性声信号的特征参数，在拐点数和信号类型方面的准确率达到99.6%。目前，该算法已应用于多个物种声学信号的分析研究中。

另外，此团队也提出了一种基于图像处理的海洋哺乳动物回声定位信号检测识别算法。算法使用Frangi滤波首先对分帧后的时频图像进行降噪处理，随后使用Hough变换进行直线检测，最后训练出一个随机森林分类器，进一步甄别出回声定位信号。并且，使用开源数据库与实测共4种动物的声数据对算法进行了实验。结果表明，与传统能量算法对比，该算法在所使用的数据中检测准确率不低于80%，同时也保持了较高的召回率。

在未来，该团队将会基于曙光提供的计算资源进行进一步的扩充样本，构建的检测识别模型能够识别不少于5种海洋哺乳动物，识别准确率不低于90%。

既然海洋生物不能“说话”，那么就让人类为它发声。

责任编辑：haq