長時間の録音から生物音を教師なしに分離することによる生物多様性評価の改善

パッシブ音響モニタリングを用いて生物多様性の動態を調査することは、異なる動物の声を識別する難しさから困難な作業です。音響の複雑さを測定し、生物多様性を予測するためにいくつかの指標が提案されています。これらの指標は低ノイズ条件下では良好に機能しますが、環境音や人為音が関与する場合には偏りが生じる可能性があります。本論文では、長期録音のスペクトログラムから異なる音源を分離するために、周期性符号化非負値行列因子分解（PC-NMF）を提案します。PC-NMFはまず、スペクトログラムを二つの行列、すなわちスペクトル基底行列と符号化行列に分解します。次に、符号化情報の周期性に基づいて、同じ音源に属するスペクトル基底をグループ化します。最後に、基底行列のクラスタと対応する符号化情報に基づいて異なる音源が再構成され、ノイズ成分が除去されることで生物音のより正確なモニタリングが可能になります。我々の結果は、PC-NMFが生物の合唱を正確に強化し、トレーニングデータを必要とせずに海洋及び陸上の録音における環境音や人為音を効果的に抑制することを示しています。この結果は、呼ぶ動物の行動評価を改善し、エコシステム内の異なる音源間の相互作用の調査を促進する可能性があります。