基于鸣声组合特征与CNN的电网危害鸟种识别

• 作者: 邱志斌 王海祥 廖才波 卢祖文 况燕军 张宇
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 输电线路 卷积神经网络 涉鸟故障 鸟鸣识别 组合特征
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 149-158
• 页数: 9页
• 分类号: TM726.3
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2022235

摘要

为了辅助电网涉鸟故障的差异化防治，提出一种基于组合特征和卷积神经网络（Convolutional Neural Network,CNN）的电网危害鸟种鸣声识别方法 .根据历史涉鸟故障的鸟种信息及输电线路周边鸟种调查结果，选择13种高危鸟类、8种微害鸟类和2种无害鸟类建立鸣声样本集；对鸟种鸣声信号进行分帧、加窗、降噪和剪裁等预处理，提取鸟鸣Mel倒谱系数（Mel-frequency Cepstrum Coefficients,MFCC）、Gammatone倒谱系数（Gammatone Frequency Cepstrum Coefficients,GFCC）和短时能量（Short-term Energy,STE）特征.针对单一特征表达能力不足的问题，将MFCC及其一阶差分、GFCC及其一阶差分和STE归一化后进行组合，生成新的鸣声特征集.搭建卷积神经网络模型对组合特征进行训练和识别，鸟种鸣声测试集的识别正确率达91.8%，较单一MFCC和GFCC特征表现更为优异.