基于声学冲激响应的奶山羊呼吸及反刍同步监测方法

呼吸及反刍是奶山羊最基本的生理活动,及时准确地同步获取奶山羊的呼吸及反刍信息可以为评估奶山羊健康状况提供数据支撑。针对现有方法呼吸及反刍同步监测能力的不足,提出了一种基于声学冲激响应的单只静卧奶山羊呼吸及反刍同步监测方法。该方法首先利用声学在室内空间中的多径效应,实现奶山羊呼吸过程中胸脯起伏及反刍过程中嘴部咀嚼动作全向采集;其次计算收发信号的冲激响应,捕捉由呼吸及反刍运动造成多径信号周期性变化的特征;然后利用呼吸及反刍运动频率差实现呼吸和反刍信号的分离;最后经过幅度归一化、相位同步后实现呼吸及反刍波形的可视化。为了验证该方法的有效性,选用了不同朝向的静卧奶山羊进行呼吸及反刍监测试验,并分析了环境噪声对试验的影响,结果表明：对于不同朝向的奶山羊,该方法呼吸平均相对误差为2.60%,反刍平均相对误差为3.51%,平均漏帧率为2.49%,并对环境噪声有较强的抗干扰能力。     

基于声波的圈舍智能设备非接触式手势控制方法研究

【目的】研究基于声波的非接触式手势控制方法,实现对圈舍智能设备的非接触式手势控制,为减少畜牧业传染病的接触式传播风险提供技术支持。【方法】设计并实现了基于声波的手势识别系统,该系统由2套商用扬声器和麦克风组成声学雷达,采用功率谱密度对手势移动产生的多普勒效应进行提取,然后建立手势、位置与多普勒效应的映射关系,并提出一种融合规则和机器学习的手势识别方法,通过手势移动时产生的多普勒效应实现感知范围内任意位置对4种常见手势（前推、后移、左移、右移）的准确识别。【结果】采用奇异值分解算法进行特征提取,并对支持向量机模型、BP神经网络模型、K最邻近算法3种机器学习算法进行比较,可以得到支持向量机模型整体优于BP神经网络和K最邻近算法,且线性支持向量机的识别准确率最高,该系统对15位测试者在不同位置手势的平均识别准确率可以达到91.50%,且成功应用于照明设备的开关和亮度调节以及换气扇的开关和转速调节。【结论】综合考虑手势执行位置、手势移动速度和幅度等因素,采用奇异值分解算法进行特征提取,线性支持向量机算法进行分类,可达到较高的手势识别准确率,有望应用于圈舍智能设备的非接触式手势控制。