
谢将剑, 朱梦坤, 郝珠琳, 江欣怡, 毛锐锐, 肖治术
收稿日期:2026-06-02
修回日期:2026-08-19
通讯作者:
肖治术
Jiangjian Xie, Mengkun Zhu, Zhulin Hao, Xinyi Jiang, Ruirui Mao, Zhishu Xiao
Received:2026-06-02
Revised:2026-08-19
Contact:
Zhishu Xiao
Supported by:摘要: 复杂声景中多种声源常同时存在,不同声学成分在时间、频率及统计特征层面相互叠加,使得单一声学表征难以完整刻画声景中的判别信息。同时,深度学习模型虽能提高声景分类精度,但其决策依据缺乏透明性,限制了其在生态监测中的应用可信度。为此,本文围绕复杂声景分类中的多特征融合与模型可解释性开展研究。首先,分别提取Mel频谱图与声学指数序列两类互补声学表征,构建双分支融合分类模型,并在自然保护区声景、城市公园声景和城市环境声音数据集上验证模型性能。随后,采用LIME解释最佳谱图模型、采用SHAP分析最佳序列模型,并以低维瓶颈层结合符号回归解释融合模型;其中谱图与序列模型进一步采用输入扰动对照评价解释忠实度,融合模型则以符号代理的R²和MSE衡量代理保真度。结果表明,在所评估架构与统一训练条件下,基于Mel频谱图的模型整体具有更强的独立判别能力,而基于3 s片段内短时统计量构成的声学指数序列能够提供补充信息。融合模型在自然保护区声景和城市环境声音数据集上进一步提升分类性能;在CBL-data上,相较最佳谱图模型,Micro-F1和Macro-F1分别提高0.0560和0.0365,达到0.9065和0.7141。在城市公园复合声景中,融合结果低于最佳谱图模型,未获得正增益,说明融合收益具有场景依赖性。解释分析显示,LIME高贡献时频区域具有较清晰的决策相关性;SHAP热图中高贡献时间步与部分目标声源发声区段存在视觉对应,但其等量随机置零对照未显示稳定优势,因此仅作定性解释;融合模型的符号回归在绝大多数类别上表现为瓶颈变量的线性组合,可作为低维瓶颈到类别logit映射的高保真代理。本研究形成了面向不同模型层次的双特征融合与解释验证流程,为复杂声景自动识别的可信性评估提供了方法参考。
谢将剑, 朱梦坤, 郝珠琳, 江欣怡, 毛锐锐, 肖治术. 基于双特征融合与解释验证的复杂声景分类研究. 生物多样性, DOI: 10.17520/biods.2026203.
Jiangjian Xie, Mengkun Zhu, Zhulin Hao, Xinyi Jiang, Ruirui Mao, Zhishu Xiao. Dual-Feature Fusion and Interpretability Validation for Complex Soundscape Classification. Biodiversity Science, DOI: 10.17520/biods.2026203.
| [1] | 马凡, 管振华, 张利祥, 李彭, 郑文艺, 张永生, 虎瑞琦, 张浩宇, 胡坤融. 基于被动声学和深度学习的高黎贡白眉长臂猿(Hoolock tianxing)鸣声检测[J]. 生物多样性, 2026, 34(9): 26258-. |
| [2] | 彭俊杰, 曹志强, 刘国卿, 武大伟, 郑思豪, 宛凤英, 邱之恒, 张方. 基于被动声学监测的麋鹿发情期发声节律及其影响因素[J]. 生物多样性, 2026, 34(9): 26104-. |
| [3] | 郝泽周, 申小莉, 斯幸峰, 赵岩岩, 魏晨韬, 吴飞, 许晓青, 阙品甲, 董路, 华方圆, 张立勋, 张承云, 刘阳. 中国鸟类被动声学监测规范与建议[J]. 生物多样性, 2026, 34(5): 25474-. |
| [4] | 白梓彤, 王成, 齐志勇. 北京中心城区公园中生物声对植被三维结构的响应[J]. 生物多样性, 2026, 34(4): 25218-. |
| [5] | 谢将剑, 朱梦坤, 蒋爱伍, 肖治术. 聆听生物多样性的未来: 声景自动评估方法的局限性与发展方向[J]. 生物多样性, 2026, 34(2): 25296-. |
| [6] | 廖之锴, 白皓天, 张修瀚, 余上, 凌嘉乐, 刘阳. 海南热带雨林国家公园常见鸟类鸣声数据集[J]. 生物多样性, 2025, 33(11): 25194-. |
| [7] | 白皓天, 余上, 潘新园, 凌嘉乐, 吴娟, 谢恺琪, 刘阳, 陈学业. AI辅助识别的鸟类被动声学监测在城市湿地公园中的应用[J]. 生物多样性, 2024, 32(8): 24188-. |
| [8] | 胡婉君, 郝泽周, 夏灿玮, 谢将剑. 湿地声景录音策略及面向声景分类的特征选择[J]. 生物多样性, 2024, 32(10): 24121-. |
| [9] | 郭倩茸, 段淑斐, 谢捷, 董雪燕, 肖治术. 鸟声标注技术及其在被动声学监测中的应用[J]. 生物多样性, 2024, 32(10): 24313-. |
| [10] | 陈蕾, 许志勇, 苏菩坤, 赖小甜, 赵兆. 依频声学多样性指数用于人类活动区域的适用能力[J]. 生物多样性, 2024, 32(10): 24286-. |
| [11] | 刘莹莹, 龚立新, 曾皓, 冯江, 董永军, 王磊, 江廷磊. 被动声学监测在蝙蝠研究中的应用[J]. 生物多样性, 2024, 32(10): 24233-. |
| [12] | 黄万涛, 郝泽周, 张梓欣, 肖治术, 张承云. 被动声学监测设备性能比较及对鸟声识别的影响[J]. 生物多样性, 2024, 32(10): 24273-. |
| [13] | 李乐, 张承云, 裴男才, 高丙涛, 王娜, 李嘉睿, 武瑞琛, 郝泽周. 基于被动声学监测技术的城市绿地景观格局与鸟类多样性关联分析[J]. 生物多样性, 2024, 32(10): 24296-. |
| [14] | 谢将剑, 沈忱, 张飞宇, 肖治术. 融合音频及生态位信息的跨地域鸟类物种识别方法[J]. 生物多样性, 2024, 32(10): 24259-. |
| [15] | 郝泽周, 张承云, 李乐, 高丙涛, 曾伟, 王淳, 王梓炫, 黄万涛, 张悦, 裴男才, 肖治术. 城市鸟类多样性被动声学监测与评价技术应用[J]. 生物多样性, 2024, 32(10): 24123-. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||
备案号:京ICP备16067583号-7
Copyright © 2026 版权所有 《生物多样性》编辑部
地址: 北京香山南辛村20号, 邮编:100093
电话: 010-62836137, 62836665 E-mail: biodiversity@ibcas.ac.cn