aalto1 untyped-item.component.html
Detection of sperm whale clicks in underwater acoustic recordings
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Electrical Engineering |
Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
Language
en
Pages
29
Series
Abstract
Sperm whale (Physeter macrosephalus) vocalizations primarily consist of temporal broadband pulses known as clicks, which are used for communication and echolocation. Progress in underwater technology and automation together with increased accessibility of data enables opportunities for analyzing these signals.
This thesis examines methods for detecting sperm whale clicks, focusing on signal processing and algorithmic approaches. The work illustrates the acoustic characteristics of clicks and presents commonly used recording methods and datasets for analysis. Clicks can be detected using time-frequency methods, such as the short-time Fourier transform (STFT) and the wavelet transform, as well as algorithmic approaches including the Rainbow Click detector and matched filtering combined with the Teager-Kaiser energy operator (TKEO). The principles, advances and limitations of the presented methods are compared based on existing literature.
Tässä kandidaatintyössä tutkitaan kaskelottivalaiden ääntelyn havainnointia vedenalaisista äänitteistä. Kaskelotit käyttävät voimakkaita, naksahduksilta kuulostavia äänisignaaleja viestimiseen, saalistamiseen ja suunnistamiseen. Nämä naksahdukset ovat tyypillisesti voimakkaita, laajakaistaisia impulsseja, joita voidaan erottaa vedenalaisesta akustisesta datasta erilaisten signaalinkäsittelymenetelmien ja algoritmien avulla. Työ on kirjallisuuskatsaus, jossa esitellään kaskelotin äänenmuodostuksen fysiologinen tausta, naksahdusten keskeiset akustiset ominaisuudet sekä neljä yleisesti käytettyä tunnistusmenetelmää.
Koska valaat viettävät suurimman osan ajastaan veden alla, niiden havainnointi pelkästään visuaalisin menetelmin on haastavaa. Passiivinen akustinen seuranta (eng. Passive Acoustic Monitoring PAM) on keskeinen tutkimusmenetelmä, joka mahdollistaa meressä elävien nisäkkäiden tarkemman paikantamisen ja seurannan hydrofonien avulla ilman, että ympäristöön tuotetaan lisähäiriötä. Samalla hydrofonien avulla voidaan kerätä valtava määrä akustista dataa, minkä vuoksi automatisoitujen tunnistusalgoritmien kehittäminen on välttämätöntä. Avoimet tietokannat sisältävät useita tunteja passiivisen akustisen seurannan avulla tallennettua dataa eri merialueilta ja tarjoavat aineistoa algoritmien kehitykseen.
Kaskelotin tyypillinen naksahdus kestää noin 2–30 millisekuntia ja sisältää useita peräkkäisiä pulsseja, joista ensimmäinen on yleensä voimakkain. Äänen energia jakautuu laajalle taajuusalueelle, mutta erityisesti 2–6 kilohertsin alueella naksahdukset ovat erityisen voimakkaita. Naksahdusten välinen aikaväli (eng. Inter Click Interval) vaihtelee: esimerkiksi sosiaalisessa viestinnässä naksahdukset toistuvat tiheämmin kuin saalistuksessa.
Keskeinen osa tutkimusta on eri tunnistusmenetelmien vertailu. Rainbow Click -algoritmi perustuu signaalin suodatukseen ja kynnysarvoihin, minkä vuoksi se soveltuu hyvin reaaliaikaiseen käyttöön kevyen laskennallisen kuormituksensa ansiosta. Lyhytaikainen Fourier-muunnos (Short-term Fourier transform STFT) puolestaan tuottaa aika-taajuusesityksen signaalista, jossa naksahdukset erottuvat lyhytaikaisina ja voimakkaina piikkeinä. Aaltomuunnos (eng. wavelet transform) on tarkkuudeltaan parempi lyhytaikaisten äänteiden havaitsemiseen, koska se mukauttaa analysoitavan ikkunan kokoa signaalin taajuuden mukaan. Lisäksi sovitussuodatukseen (eng. matched filtering) ja Teager-Kaiser-energiaoperaattoriin perustuva algoritmi osoittautui tehokkaaksi meluisassa ympäristössä.
Tulosten perusteella sopivin tunnistusmenetelmä riippuu käyttötarkoituksesta, signaalin laadusta ja ympäristön melutasosta. Työ osoittaa, että ääntelyn tunnistus on tärkeä työkalu kaskelottien viestinnän, käyttäytymisen ja levinneisyyden pitkäaikaisessa seurannassa, ja se auttaa ymmärtämään kaskelottien kieltä entistä paremmin.