基于鸣声模型的鸟类物种识别及其种间和地理种群关系分析

Researches of species recognition based on animal vocalizations often used long time statistical features in time and frequency domains, and were almost done in species not close related. Here we aim to automatic species recognition in close related species. We will use non-statistical acoustic features to indentify more than 20 bird species of genus Phylloscopus. Also we want to investigate the relationships of the acoustic features among the 20 species and different geographical populations of the same species. Whether animal vocalizations can be used to estimate the taxonomic status of species, analyze the relationship and evolution of species and help to recognize new species or not, it is always a controversial topic. Thus we will analyze the interspecific relationship and geographical variations of the acoustic features in more than 20 warblers. Our experiments in close related bird species using non-statistical acoustic features and cluster analysis, will give powerful evidence to solve the problem.

基于物种叫声特征的物种识别，大都使用了叫声的长时平均统计特征，而且多数在分类关系不密切的物种类群中进行。本研究将提取柳莺属20种以上鸟类基于叫声的短时非统计特征，利用模式识别的方法，进行物种识别。进而通过对特征向量进行分析，构建不同种的种间关系以及同一物种不同地理种群叫声特征之间的关系。这是基于物种叫声短时非统计特征的物种识别，在分类关系密切相关的物种类群中的尝试，也是用此方法构建种间关系以及同一物种不同地理种群间关系的首次尝试。虽然有一些研究表明物种的叫声特征跟物种的形态以及分子特征一样，可以用来作为新种鉴定、物种分类地位评价以及种间系统演化关系分析的手段。但是也有研究显示物种的叫声特征并不是一种稳定的可靠的特征。因此关于物种叫声特征在新种鉴定、物种分类地位评价以及种间系统演化关系分析中的作用，一直存在着争议。通过本项目的深入研究，可以为这个争议问题提供一个新的有力的实验证据。

本研究收集柳莺属20余种鸟类鸣声信息，提取基于声音的短时非统计特征，利用SVM等模式识别方法，进行物种识别。通过对特征向量进行分析，构建不同种的种间关系以及同一物种不同地理种群之间鸣声特征的关系。在本研究中，首先对数据采集、处理和分析的过程进行规范化，将处理、分析过程通过自动化的方法实现。在物种识别的研究中，改进了基于MFCC特征的选取方法，将MFCC、iMFCC及短时能量结合起来，从而获得更好的识别效果。在对柳莺属种间关系的研究中，改进了基于MFCC特征的声音提取方法，利用短时鸣声特征构建柳莺属的种间关系图，并将其与分子生物学和形态学分析结果进行比较，证明基于此类特征的分析结果与基于分子和形态特征的分析结果基本一致，验证了短时频率特征用于物种识别的可行性，也证实了基于传统方法和分子方法的对柳莺种间进化关系的一些结论。对云南柳莺地理种群关系的分析结果显示出海拔和种间关系的正相关性。这些研究的结果可以在一定层面上验证物种叫声特征在新种鉴定、物种分类地位评估以及种群间的系统演化关系的分析中的作用，为这个具有争议的问题提供了新的有力的实验证据。此外，项目还完成了鸟类鸣声数据库的构建，相关处理分析工具的研发，一些重要的结论已经撰写论文投出，或正在撰写中。