过去几十年来，动物声音的研究取得了长足进步。记录设备和分析技术的进步推动了人们对动物行为、种群分布、分类学和解剖学的新认识。

在《生态与进化》杂志发表的一项新研究中，我们展示了一种用于分析动物声音的最常用方法的局限性。这些局限性可能导致了人们对印度洋鲸鱼歌声以及陆地上动物叫声的分歧。

我们展示了一种可以克服这个问题的新方法。它揭示了动物叫声中以前隐藏的细节，为未来动物声音研究的进展奠定了基础。

鲸鱼歌曲的重要性

超过四分之一的鲸鱼物种被列为易危、濒危或极度濒危。了解鲸鱼的行为、种群分布和人为噪音的影响是成功保护鲸鱼的关键。

对于几乎所有时间都隐藏在广阔海洋中的生物来说，这些都是很难研究的事情，但对鲸鱼歌曲的分析可以为我们提供重要的线索。

然而，我们不能仅仅通过聆听来分析鲸鱼的歌曲——我们需要比人耳所能提供的更详细地测量它们的方法。

因此，研究动物声音的第一步通常是生成可视化图像，即频谱图。它可以让我们更好地了解声音的特征。具体来说，它显示了声音中的能量何时发生(时间细节)以及频率(频谱细节)。

通过仔细检查这些频谱图并用其他算法测量它们，我们可以了解声音在时间、频率和强度方面的结构，从而进行更深入的分析。它们也是我们在发表作品时交流研究成果的关键工具。

为什么声谱图有局限性

生成频谱图的最常用方法是STFT。它用于许多领域，包括机械工程、生物医学工程和实验物理学。

然而，它被认为有一个根本的局限性——它无法同时准确地可视化声音的所有时间和频谱细节。这意味着每个STFT频谱图都会牺牲一些时间或频谱信息。

这个问题在较低频率下更为明显。因此，在分析侏儒蓝鲸等动物发出的声音时，这个问题尤其严重，因为它们的歌声非常低，接近人类听力的下限。

放置在海底的地震仪捕捉到的侏儒蓝鲸的声音。

在攻读博士学位之前，我从事声学和音频信号处理工作，对STFT频谱图及其缺点非常熟悉。

但生成声谱图的方法有很多种。我发现鲸鱼歌声研究中使用的STFT可能隐藏了一些细节，而且可能还有其他更适合该任务的方法。

在我们的研究中，我和我的合著者TraceyRogers将STFT与较新的可视化方法进行了比较。我们使用了虚构的(合成)测试信号，以及侏儒蓝鲸、亚洲象和其他动物(如食火鸡和美洲鳄鱼)的录音。

我们测试的方法包括一种称为Superlet变换的新算法，我们根据其在脑电波分析中的原始用途对其进行了改编。我们发现，这种方法在对合成测试信号进行可视化时，错误率比我们测试的其他方法低28%。

一种更好的可视化动物声音的方法

这个结果很有希望，但是当我们将Superlet应用于动物声音时，它就展现出了全部潜力。

最近，人们对查戈斯侏儒蓝鲸的歌声产生了一些争议：它的第一个声音是“脉冲”还是“音调”。这两个术语指的是声音中存在额外的频率，但以两种不同的方式产生。

STFT声谱图无法解决这一争论，因为它们可以将这种声音显示为脉冲或音调，具体取决于它们的配置方式。我们的Superlet可视化将声音显示为脉冲，并与描述这首歌的大多数研究结果一致。

在可视化亚洲象的隆隆声时，超轻音表现出了这种声音的原始描述中提到的脉动，但在后来的所有描述中都没有出现。它也从未在声谱图中显示过。

我们对南部食火鸡叫声和美洲鳄鱼吼叫声的超轻子可视化均显示出了之前未报告过的时间细节，而这些细节在之前的研究中并没有在声谱图中显示出来。

南方食火鸡发出的声音非常低沉，我们几乎听不到(建议戴上耳机)。

这些只是初步发现，每个发现都基于单个录音。为了证实这些观察结果，需要分析更多声音。即便如此，这也为未来的研究提供了沃土。

易用性可能是Superlet最大的优势，甚至超越了提高的准确性。许多使用声音研究动物的研究人员都有生态学、生物学和兽医学背景。他们学习音频信号分析只是一种达到目的的手段。

为了提高这些研究人员对Superlet变换的可访问性，我们将其实现在一个免费、易于使用的开源软件应用程序中。我们期待看到他们使用这种令人兴奋的新方法可能会有什么新发现。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：