单品种淡水活鱼数量的被动声学估计

针对单品种淡水活鱼数量估计问题,以鲫鱼和鳊鱼为研究对象,采用不同数量淡水鱼的被动水声信号作为样本,通过4~6层小波包分解算法,对比分析了样本的若干特征提取方案,明确了鲫鱼水声信号特征的提取方案为短时平均过零率+6层小波包分解频段能量,而鳊鱼只需提取6层小波包分解频段能量作为其信号特征。根据不同样本集划分方法比较结果,确定了鲫鱼样本集划分方法为Rank-SPXY(m=10),鳊鱼为Rank-SPXY(m=5)。利用竞争自适应重加权采样,筛选出样本的关键特征,并使用多元线性回归和偏最小二乘回归建立了若干淡水活鱼的数量估计模型,结果表明:多元线性回归模型的性能较好,鲫鱼和鳊鱼数量估计模型的复相关系数分别为0.835和0.893,相对分析误差分别为1.79和2.01。     

基于被动水声信号的淡水鱼种类识别

针对淡水鱼种类自动识别问题,采用被动水声信号作为数据源,运用维纳滤波和采样降噪法对水声信号进行预处理,通过4层小波包分解算法提取频段能量,结合信号的短时平均能量和短时平均过零率构建特征向量,使用概率神经网络分类器实现了淡水鱼种类的快速识别,研究了不同平滑因子取值对识别效果的影响。结果表明,当平滑因子为9~19时识别效果最佳,其中草鱼、鳊鱼、鲫鱼的识别正确率均为100%,无鱼状态的识别正确率为77.3%,总正确率为94.3%。