A transformada wavelet no tratamento de sinais sonoros de aves noturnas

Raphael S. Leão Reis, Paulo César M. Machado, Rodrigo P. Lemos Escola de Engenharia Elétrica, Mecânica e de Computação, EMC, UFG

74605-010, Goiânia, GO E-mail: raphael_leao@hotmail.com, pcmmachado@gmail.com, rodrigo.p.lemos@gmail.com

Palavras-chave: Aves noturnas, filtro digital, reconhecimento automático, transformada wavelet. Resumo: A observação de aves é importante para pesquisas acadêmicas, monitoramento de espécies em áreas de preservação, controle de espécies em extinção e outros fatores, como o seu controle dentro de espaços aéreos para evitar colisões com aeronaves. Para esses fins, um programa de reconhecimento automático de aves é uma ferramenta importante e a primeira etapa para o seu desenvolvimento é o tratamento de sinais sonoros. Este trabalho apresenta uma metodologia para o tratamento de sinais sonoros de aves noturnas utilizando transformadas wavelets e filtro Chebyshev.

1 Introdução As aves apresentam grande importância por suas funções ecológicas servindo como indicadoras da

qualidade do ambiente. Isto porque mudanças bruscas no meio em que se encontram, provocadas por queimadas, desmatamentos dentre outros fatores, podem provocar extinção de algumas espécies assim como excesso de outras, indicando desequilíbrio ambiental [5,9]. O reconhecimento de aves torna-se assim de importância por permitir o monitoramento de espécies em extinção em reservas ambientais e o seu controle em espaços aéreos visando minimizar incidentes envolvendo aves e aeronaves [6]. Para algumas espécies, como as de hábitos noturnos, a identificação visual através de suas características físicas torna-se mais difícil, devido a pouca visibilidade característica do ambiente noturno. Uma forma de identificá-las, nestas condições, seria através dos sons por elas emitidos uma vez que a maior parte das vocalizações é específica para cada espécie, o que a torna uma ferramenta de grande importância para a identificação de espécies [1,3,10]. A maior parte dos estudos de vocalização de aves é feita pela análise visual de espectrogramas, uma atividade trabalhosa e demorada. Uma melhor forma seria fazer o reconhecimento automático das espécies de aves através de programas computacionais. Neste sentido, um sistema completo de reconhecimento e classificação de aves, de forma automática, está sendo desenvolvido na EMC, UFG. Neste trabalho analisamos a fase de pré-processamento dos sinais, utilizando as transformadas wavelets e filtro Chebyshev invertido na eliminação de ruídos presentes nos sinais.

2 Metodologia Os sons utilizados neste estudo foram coletados em sites especializados, como o wiki aves [11] e

xeno cantos [13]. Inicialmente é feita a normalização dos sinais com o intuito de deixá-los em uma mesma ordem de grandeza e minimizar as diferenças de amplitudes existentes entre os cantos, devido, entre outros fatores, ao posicionamento dos equipamentos durante a captura de sinais em campo. Em seguida, como os sinais das espécies em estudo apresentam frequências entre 200 e 4000 Hz, adota-se a taxa de amostragem de 8000 Hz para garantir uma margem de segurança durante a filtragem [8]. Como os sinais coletados geralmente contêm ruídos típicos dos ambientes onde as aves se encontram é necessário realizar o seu tratamento. Para este fim os sinais são filtrados e neste trabalho são utilizados filtros baseados em transformadas wavelets e filtro Chebyshev invertido [8]. O processo de remoção de ruídos através da transformada wavelet apresenta como característica a concentração de energia localizada em um dado ponto no tempo, permitindo a análise de fenômenos transitórios, não-estacionários e variantes no tempo, mantendo as características oscilatórias das ondas, o que possibilita a análise no domínio do tempo e da frequência [2,7]. A família de wavelets daubechies foi utilizada por obter uma melhor resolução no domínio do tempo [7].

ISSN 2317-3289

31

A função normalizadora e a função wavelet utilizadas podem ser vistas na Figura 1 (a) [12]. O filtro Chebyshev invertido foi utilizado por possuir uma banda de passagem plana e banda de transição curta, exigindo assim uma baixa ordem do filtro [8]. Este filtro é aplicado após a detecção automática das frequências mínimas e máximas do sinal que serão usadas como parâmetros do filtro [4]. A Figura 1 (b) apresenta a resposta do filtro Chebyshev invertido [12].

(a) (b)

Figura 1: (a) Função normalizadora e função wavelet. (b) Resposta em frequência do Filtro Chebyshev invertido. Fonte: Wikipedia. Os parâmetros utilizados para comparar os resultados obtidos pela filtragem dos sinais são o erro quadratico médio normalizado (MSEn) e a relação sinal-ruído (SNR), dados pelas equações (1) e (2), respectivamente [7]:

∑

∑

=

=N

ii

N

1ifi

2

nX

X - (X

=MSE

1

2)(

)

(1)

)1

(10 MSElog10 =SNR

n (2)

Sendo Xi o sinal original e Xf o sinal filtrado.

A seção seguinte apresenta os resultados obtidos com a utilização dos filtros citados acima.

3 Resultados e Discussões As espécies escolhidas para esta análise foram o Pulsatrix perspicillata, (Murucututu), Figura 2 (a), e o Hydropsalis albicollis, (Bacurau), Figura 2 (b) [11].

(a) (b)

Figura 2: (a) Pulsatrix perspicillata (Murucututu ) e (b) Hydropsalis albicollis (Bacurau).

ISSN 2317-3289

32

As Figuras 3 (a), (b) e (c) mostram o sinal original, o sinal filtrado utilizando o filtro Chebyshev invertido, o sinal filtrado utilizando transformada wavelet combinada com o filtro Chebyshev invertido e os seus respectivos espectrogramas para som do Murucututu.

(a) (b) (c)

Figura 3: Sinais e espectrogramas do som do Murucututu. (a) Original, (b) Filtrado utilizando o filtro Chebyshev invertido e (c) Filtrado utilizando transformada wavelet combinada com o filtro Chebyshev invertido. As Figuras 4 (a), (b) e (c) mostram o sinal original, o sinal filtrado utilizando o filtro Chebyshev invertido, o sinal filtrado utilizando transformada wavelet combinada com o filtro Chebyshev invertido e os seus respectivos espectrogramas para som do Bacurau.

(a) (b) (c)

Figura 4: Sinais e espectrogramas do som do Bacurau. (a) Original, (b) Filtrado utilizando o filtro Chebyshev invertido e (c) Filtrado utilizando transformada wavelet combinada com o filtro Chebyshev invertido.

Nos espectrogramas pode-se observar que os sinais se encontram normalizados entre -1 e 1 e que ambos os filtros atenuaram grande parte dos ruídos, mantendo as características originais do sinal. Visualmente percebe-se que os espectrogramas dos sinais tratados pela combinação wavelet e filtro Chebyshev invertido são mais claros, demonstrando uma maior eliminação dos ruídos do sinal. A Tabela 1 mostra o comportamento dos filtros em relação aos parâmetros erro quadrático médio normalizado (MSEn) e a relação sinal ruído (SNR).

Tabela 1: Erro quadrático médio normalizado (MSEn) e relação sinal ruído (SNR), calculados para o sinal original (S/ filtro), tratado com o filtro Chebyshev invertido (CI) e com a combinação transformada wavelet e filtro Chebyshev invertido (W + CI).

Espécie Filtro MSEn SNR Murucututu S/ filtro 0,075 11,23

Murucututu CI 0,058 12,37 Murucututu W + CI 0,010 20,13 Bacurau S/ filtro 0,099 10,06 Bacurau CI 0,061 12,18 Bacurau W + CI 0,017 17,82

ISSN 2317-3289

33

Na Tabela 1 pode-se ver que o menor erro quadrático médio normalizado (MSEn) e a maior relação sinal ruído (SNR), em relação ao sinal original (S/ filtro), ocorreu para o tratamento dos sinais com a transformada de wavelet combinada com o filtro Chebyshev invertido (W + CI) para as duas espécies em estudo.

4 Conclusões Neste trabalho estudamos o pré-processamento de sinais sonoros de aves, visando à normalização e a eliminação dos ruídos dos sinais. As aves em estudo foram as aves de hábitos noturnos, tendo em vista que a sua identificação visual através de suas características físicas torna-se mais difícil, devido a pouca visibilidade característica do ambiente noturno. Os sinais foram coletados em sites especializados e normalizados para apresentarem a mesma amplitude. As frequências mínimas e máximas dos sinais que foram utilizadas pelos filtros foram detectadas automaticamente utilizando a técnica descrita em [4]. As técnicas utilizadas para a eliminação de ruídos foram as transformadas wavelets em conjunto com o filtro Chebyshev invertido e a filtragem somente com o filtro Chebyshev invertido. A partir dos resultados encontrados observou-se que houve um melhor desempenho da técnica que utiliza como princípio a transformada wavelet associada ao filtro Chebyshev invertido, apresentando a maior relação sinal-ruído em relação aos sinais originais.

Referências [1] S. E. Anderson, A. S. Dave, D. Margoliash, Template-based automatic recognition of birdsong syllables from continuous recordings, J. Acoust. Soc. Am., 100 (1996) 1209–1219.

[2] F. I. M. Argoud, F. M. de Azevedo e J. Marino Neto, Estudo Comparativo entre funções wavelet e suas diferentes aplicabilidades em reconhecimento de padrões epileptogênicos em eletroencefalograma, Revista Brasileira de Engenharia Biomédica, Vol. 20, No. 2-3, 2004, pp. 49-59.

[3] C. K. Catchpole and P. J. B. Slater, “Bird Song: Biological Themes and Variations”, Cambridge University Press, Cambridge, 1995.

[4] P. F. Conceição, P. C. M. Machado e R. P. Lemos, Sistema automático para segmentação e determinação de características de sinais sonoros de aves do cerrado brasileiro a partir da análise tempo-frequência, SBrT11, 2011, pp. 1-5.

[5] C. Kwan, G.. Mei, X. Zhao, Z. Ren, R. Xu, V. Stanford, C. Rochet, J. Aube and K. C. Ho, Bird Classification Algorithms: Theory and Experimental Results, ICASSP2004, 2004, pp. V289-V292.

[6] C-H. Lee, C-C. Han and C-C. Chuang, Automatic Classification of Bird Species From Their Sounds Using Two-Dimensional Cepstral Coefficients, IEEE Trans. on Audio, Speech, and Language, Vol. 16, No. 8, 2008, pp. 1541-1550.

[7] S. A. Mallat, “Wavelet Tour of Signal Processing (Wavelet Analysis & Its Applications)”, Academic Press-Elsevier, Los Angeles, 1998.

[8] A. V. Oppenheim, R. W. Schafer and J. R. Buck, “Discrete Time Signal Processing” 2nd Edition, Prentice Hall, New Jersey, 1999.

[9] H. Sick, “Ornitologia Brasileira - Uma Introdução”, Ed. Universidade de Brasília, Brasília, 1984.

[10] P. Somervuo and A. Harma, Bird song recognition based on syllable pair histograms, ICASSP2004, 2004, pp. V825-V828.

[11] Wiki Aves – A enciclopédia das aves do Brasil, http://www.wikiaves.com.br/. Acesso 10/04/2012.

[12] Wikipedia - http://en.wikipedia.org/. Acesso em 10/04/2012.

[13] Xeno Cantos, http://www.xeno-canto.org/. Acesso 10/04/2012.

ISSN 2317-3289

34