基于被动水声信号的混合淡水鱼数量预测

基于被动水声信号的混合淡水鱼数量预测

论文摘要

我国是淡水鱼养殖大国,淡水鱼产量逐年递增,渔业养殖中一个非常重要的问题是鱼类数量的估计,传统估计方法主要适用于海洋和大型湖泊,而缺少针对于对一般淡水养殖的鱼类数量估计手段,由此本文以鳊鱼和鲫鱼两种淡水鱼为研究对象,采集了7种比例和15种数量下鳊鱼鲫鱼的声音信号,经归一化和滤波处理后,提取了鱼声信号特征,分别建立了鳊鱼鲫鱼混合比例识别模型和混合数量预测模型,主要研究结论如下:1.采集了不同比例和不同数量下鳊鱼鲫鱼的声音信号,其中比例依次为1:1、1:2、1:3、1:4、2:1、3:1和4:1,及比例在1:1条件下,总数量依次从2条、4条、6条递增至30条,对信号分别进行了巴特沃斯低通滤波、等波纹滤波、小波滤波和维纳滤波处理,提取了不同比例和不同数量下鳊鱼鲫鱼声音信号基于小波包分解的频段能量、平均Mel倒谱系数和基于功率谱的主峰频率及主峰值三类特征。2.建立了鳊鱼鲫鱼混合比例识别模型。分别运用概率神经网络和支持向量机构建了鳊鱼鲫鱼比例识别分类器,用二次网格搜索优化分类器中的超参数,以10次10折交叉验证后的平均分类准确率作为分类器性能指标来评价模型,结果表明:所构建的概率神经网络模型中,选用等波纹滤波处理,平滑因子取0.09时模型性能最好,识别率达到0.9067。所构建的支持向量机模型中,选用等波纹滤波处理,惩罚系数取90.5097,高斯核函数参数取2.0000时,模型性能最好,识别率达到0.9583。3.建立了鳊鱼鲫鱼混合数量预测模型。利用Rank-RS法将原始样本划分为训练集和验证集,再运用基于普通最小二乘法的多元线性回归建立了鳊鱼鲫鱼数量预测模型,结果表明:(1)所构建的模型中,经巴特沃斯低通滤波处理后数据所建模型性能最好,其训练集决定系数2为0.9522,调整的决定系数?2为0.9514,定标均方误差RMSEC为0.9443,验证集决定系数2为0.9555,验证均方误差RMSEP为0.9108,相对分析误差RPD为4.7571。(2)采用t检验来判断上述模型中各特征值对数量影响的显著性时,共有12个特征对数量有显著影响(P<0.05),且对数量影响最大的依次是第22、23、4和20个特征,它们分别代表了第6、7个平均Mel倒谱系数、375-500Hz内的频段能量及第4个平均Mel倒谱系数。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 研究目的与意义
  •   1.2 国内外研究现状
  •     1.2.1 非声学鱼类数量估计方法现状概况
  •     1.2.2 水声技术在渔业中的应用概况
  •     1.2.3 模型建立方法研究概况
  •   1.3 研究内容
  •   1.4 技术路线
  •   1.5 本章小结
  • 2 材料与方法
  •   2.1 材料与设备
  •     2.1.1 试验材料
  •     2.1.2 仪器与设备
  •   2.2 试验方案
  •   2.3 鱼声信号处理
  •     2.3.1 巴特沃斯低通滤波
  •     2.3.2 等波纹滤波
  •     2.3.3 小波滤波
  •     2.3.4 维纳滤波
  •   2.4 鱼声信号特征提取
  •     2.4.1 基于小波包分解的频段能量
  •     2.4.2 平均Mel倒谱系数
  •     2.4.3 基于功率谱的主峰频率及主峰值
  •     2.4.4 特征处理
  •   2.5 混合比例识别模型建立方法
  •     2.5.1 概率神经网络
  •     2.5.2 支持向量机
  •     2.5.3 分类器超参数寻优与评价
  •   2.6 混合数量预测模型建立方法
  •   2.7 本章小结
  • 3 结果与分析
  •   3.1 混合比例识别模型建立
  •     3.1.1 鱼声信号
  •     3.1.2 鱼声信号特征
  •     3.1.3 基于概率神经网络的混合比例识别模型
  •     3.1.4 基于支持向量机的混合比例识别模型
  •     3.1.5 不同建模方法对模型精度的影响
  •   3.2 混合数量预测模型建立
  •     3.2.1 鱼声信号特征
  •     3.2.2 模型建立
  •     3.2.3 模型验证
  •   3.3 本章小结
  • 4 总结与展望
  •   4.1 总结
  •   4.2 展望
  • 参考文献
  • 附录
  • 攻读硕士学位期间科研成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 涂群资

    导师: 黄汉英

    关键词: 淡水鱼,被动水声信号,特征提取,模式识别,回归分析,概率神经网络,支持向量机

    来源: 华中农业大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,农业科技

    专业: 物理学,工业通用技术及设备,水产和渔业

    单位: 华中农业大学

    分类号: S932;TB56

    DOI: 10.27158/d.cnki.ghznu.2019.000617

    总页数: 60

    文件大小: 4660K

    下载量: 56

    相关论文文献

    • [1].基于脑认知信号的水声信号智能辨识方法探索研究[J]. 现代信息科技 2019(04)
    • [2].海上水声信号处理算法中的物理特性仿真研究[J]. 舰船科学技术 2015(06)
    • [3].基于小波变换的水声信号滤波方法[J]. 测试技术学报 2015(04)
    • [4].简析高频水声信号的空间相关性[J]. 科技传播 2011(11)
    • [5].迭代维纳滤波在水声信号分离中的应用[J]. 舰船电子工程 2016(11)
    • [6].基于被动水声信号的淡水鱼种类识别[J]. 农业机械学报 2017(08)
    • [7].水声信号处理系统的应用与研究[J]. 信息通信 2018(06)
    • [8].水声信号预处理电路的设计与实现[J]. 四川兵工学报 2012(09)
    • [9].水声信号自动增益控制及幅值恢复电路设计实现[J]. 国外电子测量技术 2010(10)
    • [10].基于潜标的水声信号数据采集系统[J]. 测控技术 2015(02)
    • [11].水声信号监测系统设计与实现[J]. 舰船电子工程 2018(04)
    • [12].基于光电复合缆的水声信号采集发射传输系统[J]. 舰船科学技术 2017(07)
    • [13].高频水声信号高速传输系统研究[J]. 舰船电子工程 2017(10)
    • [14].油田管道不定衰减水声信号的仿真分析[J]. 计算机仿真 2014(03)
    • [15].一种多用途水声信号预处理机的设计与实现[J]. 电声技术 2009(04)
    • [16].一种水声信号探测装置的设计[J]. 电子设计工程 2019(06)
    • [17].一种水声信号的模拟研究和检测[J]. 电子设计工程 2014(21)
    • [18].四路同步水声信号记录仪设计与实现[J]. 电子世界 2013(17)
    • [19].一种堤坝渗漏探测仪的设计[J]. 计算机产品与流通 2020(03)
    • [20].基于nRF24L01的无线水声信号传输[J]. 火控雷达技术 2015(03)
    • [21].离心泵空化监测试验[J]. 振动.测试与诊断 2011(03)
    • [22].基于DSP和FPGA的多通道水声信号采集[J]. 网络新媒体技术 2016(04)
    • [23].基于小波包变换及改进阈值法则的水声信号压缩[J]. 应用科技 2009(03)
    • [24].水声信号仿真的快速检验方法研究[J]. 三峡大学学报(自然科学版) 2017(03)
    • [25].多路水声信号抗串漏检测技术仿真[J]. 舰船科学技术 2012(12)
    • [26].小波包变换在水声信号压缩编码中的应用[J]. 电声技术 2009(11)
    • [27].一种强噪声环境下的水声信号提取算法研究(英文)[J]. Journal of Measurement Science and Instrumentation 2020(03)
    • [28].试析基于FPGA的水声信号记录电路设计[J]. 电子世界 2019(02)
    • [29].水声信号动态阈值正交匹配追踪降噪方法[J]. 声学技术 2017(04)
    • [30].基于DDS和触摸屏的水声信号源设计[J]. 电声技术 2014(11)

    标签:;  ;  ;  ;  ;  ;  ;  

    基于被动水声信号的混合淡水鱼数量预测
    下载Doc文档

    猜你喜欢