A comparison of pitch extraction methodologies for dolphin vocalization
Notice bibliographique
Résumé
When collecting and analyzing marine mammal vocalizations one of the most important goals is to automatically extract the pitch/fundamental frequency of the collected calls.In dolphins we can assume that there are two main pitched sounds: whistles, which can be described as tonal AM-FM signals, and bursts, which can be described as highly harmonic signals.There are three main difficulties with pitch extraction on dolphin vocalizations that arise from the nature of the data.First, most underwater recordings are restricted to a low signal-to-noise ratio due to reflections, hardware noise and other interferences.This constitutes a big challenge for most existing pitch trackers.Second, one has to take into account the significant differences in the frequency range of bottlenose dolphin vocalizations compared to humans.Finally, dolphin whistles and bursts generally are emitted in two distinct frequency ranges, which result in different modes in the analysis data.In this work we compare our novel pitch extraction approach with two widely popular algorithms.Our approach uses hierarchy-based hidden Markov models (HMM) with cepstral coefficients as features.We quantitatively compare the performance of our algorithm with Yin, which is based on a modified autocorrelation method and get_f0, a popular off-the-shelf pitch tracker that utilizes linear predictive coefficients (LPC) and dynamic programming.Our approach outperforms the comparative methods by at least a factor of 10%. s o m m a i r ePour la collecte et l'analyse de vocalises de mamifres marins, l'extraction de la fondamentale est une tape cruciale.Dans le cas des dauphins, nous pouvons considrer qu'il y a deux types de sons voiss : les chants qui peuvent tre dcrits comme des tonalits AM-FM, et les rafales ("bursts") constitues de signaux hautement harmoniques.La premire des trois difficults pour extraire le timbre est le trs faible rapport signal sur bruit d aux reflections multiples et autres interfrences.La seconde consiste apprhender les rsolutions harmoniques sur le signal de ctacs par rapport aux traitements connus en parole par exemple.Dans ce papier, nous testons notre nouvelle mthode d'extraction de timbre sur un modle Chane de Markov Cache Hirarchique partir de coefficient cepstraux.Nous comparons nos rsultats la mthode YIN base sur un calcul d'autocorrlation, et get_f0 qui est extracteur de timbre classique par programmation dynamique utilisant des coefficients LPC.Nous montrons que notre mthode apporte un gain de 10% par rapport ces mthodes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».