Metodología para la identificación de especies animales con características bioacústicas de sonidos simples

Resumen

La presencia o ausencia de determinadas especies animales proporcionan una serie de indicadores biológicos referentes a la calidad medioambiental y salud del hábitat. La mayoría de los animales emiten una rica variedad de señales acústicas para comunicarse entre ellos y con otras especies. Algunas de estas señales son muy puras espectralmente y son comúnmente conocidas como reclamos o llamadas. Esta tesis propone una novedosa metodología que permite la clasificación automática de amplios grupos de animales por medio de sus vocalizaciones o emisiones sonoras. Para alcanzar este objetivo, se han propuesto diversas fusiones de información espectral y temporal que permiten representar de forma precisa las emisiones de los diversos especímenes. Además, se ha desarrollado un detector de anomalías de muestras acústicas basado en Dynamic Time Warping (DTW), para posibilitar la eliminación de sonidos biológicos indeseados o muestras ruidosas que impiden un óptimo entrenamiento del algoritmo de clasificación. Todo ello, ha sido aplicado sobre cuatro algoritmos de aprendizaje automático Hidden Markov Models (HMM), k-Nearest Neighbor (kNN), Random Forest (RF) y Support Vector Machine (SVM), para comparar sus resultados y mostrar la robustez de los parámetros propuestos. Finalmente, se ha utilizado una representación hiperdimensional de los datos por medio de los Fisher scores, para posibilitar una identificación eficiente de las emisiones acústicas. Para confirmar la robustez de la metodología, se ha validado sobre 13 bases de datos de acceso público con un total de 1228 especies, pertenecientes a diversos grupos animales. Los resultados demuestran que la metodología presentada es capaz de obtener tasas de acierto superiores que otras técnicas del estado del arte, sobre una cantidad muy superior de especies.