基于鸣声组合特征与CNN的电网危害鸟种识别

作者：邱志斌^*; 王海祥; 廖才波; 卢祖文; 况燕军; 张宇

来源：湖南大学学报(自然科学版), 2022, 49(08): 149-158.

DOI：10.16339/j.cnki.hdxbzkb.2022235

• 输电线路
• 卷积神经网络
• 涉鸟故障
• 鸟鸣识别
• 组合特征

为了辅助电网涉鸟故障的差异化防治，提出一种基于组合特征和卷积神经网络（Convolutional Neural Network,CNN）的电网危害鸟种鸣声识别方法 .根据历史涉鸟故障的鸟种信息及输电线路周边鸟种调查结果，选择13种高危鸟类、8种微害鸟类和2种无害鸟类建立鸣声样本集；对鸟种鸣声信号进行分帧、加窗、降噪和剪裁等预处理，提取鸟鸣Mel倒谱系数（Mel-frequency Cepstrum Coefficients,MFCC）、Gammatone倒谱系数（Gammatone Frequency Cepstrum Coefficients,GFCC）和短时能量（Short-term Energy,STE）特征.针对单一特征表达能力不足的问题，将MFCC及其一阶差分、GFCC及其一阶差分和STE归一化后进行组合，生成新的鸣声特征集.搭建卷积神经网络模型对组合特征进行训练和识别，鸟种鸣声测试集的识别正确率达91.8%，较单一MFCC和GFCC特征表现更为优异.

• 单位
  南昌大学信息工程学院; 国网江西省电力有限公司电力科学研究院