ベースバンドを超えて：フルスペクトラム・バイオアコースティクス分類のための適応的マルチバンド符号化

Abstract

動物は、人間とは大きく異なる周波数帯域にまたがって聴取し、発声することが多く、しばしば超音波領域まで及びます。しかし、ほとんどの計算バイオ音響システムは16 kHzで事前学習された音声モデルに依存しているため、利用可能な帯域が0-8 kHzのベースバンドに制限され、多くのバイオアコースティック録音に含まれる高周波情報が捨てられてしまいます。本研究では、動物の鳴き声の全スペクトルを帯域特徴に分解し、それらを統一表現へと融合する、マルチバンド符号化の枠組みを検討します。モデルに対する類似度解析により、特定のエンコーダが、融合後のクラス分離を改善する、非相関な帯域埋め込みを生成することが示されます。8つの事前学習モデルと5つの融合戦略を用いて、3つのバイオ音響データセットに対する分類実験を行った結果、融合表現は一貫して2つのデータセットで、ベースバンドおよび時間拡張のベースラインを上回ることが確認されました。これは、動物の鳴き声の全スペクトル符号化に対するマルチバンド手法の可能性を示しています。