Evaluación de técnicas de reducción de ruido basadas en wavelets orientadas al procesamiento de señales bioacústicas
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Materia
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Abstract
This research project assesses and proposes different strategies for noise reduction based on the undecimated discrete wavelet transform to process noisy bioacoustic signals. The proposed strategies are based on different criteria for estimating the level of noise present in the signal to perform a soft thresholding on the deatail coefficients obtained from the wavelet decomposition. The proposed algorithms, called LAstd, LDstd and LDmad, use the standard deviation of the last approximation, the standard deviation of each detail at each level and the median absolute deviation to estimate the noise level respectively. The strategies are compared with Stein's unbiased risk threshold estimation method (SURE) implemented with the Matlab function wden from the wavelet toolbox which uses the discrete wavelet transform. Three sets of data were used to assess the algorithms. In a first approach, the strategies were evaluated using different owl calls with different additive noise profiles and amplitudes. To test the tolerance of the algorithms to ambient noise, a data set of fragments with acoustic events of high biological activity were extracted from field recordings. Finally, the algorithms were tested with the full recordings of the Colombian ecosystems which contained the acoustic events. The results were quantified using the signal-to-noise ratio and the spectral entropy. To complement the results, a visual analysis of the spectrograms of the processed signals was made. The methodology LAstd obtained an excellent performance when processing the owl calls contaminated with white Gaussian noise, however it is not tolerant to colored noise and narrow band noise. On the other hand, the methodologies LDstd and LDmad show a better performance in signals with colored noise, demonstrating their ability to process field recordings with ambient noise. The implementation of a smoothing parameter “q” for the thresholding in the proposed methodologies allowed to adjust the processing to avoid the loss of important information, giving to the algorithms versatility to perform well in different scenarios
Resumen en español
Este proyecto de investigación evalúa y propone diferentes estrategias de reducción de ruido basadas en la transformada discreta wavelet no diezmada para procesar señales bioacústicas ruidosas. Las estrategias propuestas se basan en diferentes criterios de estimación del nivel de ruido presente en la señal para realizar un softh thresholding sobre los coeficientes de detalle obtenidos de la descomposición wavelet. Los algoritmos propuestos, denominados LAstd, LDstd y LDmad, usan la desviación estándar de la última aproximación, la desviación estándar de cada nivel de detalle y la desviación media absoluta para estimar el nivel de ruido respectivamente. Las estrategias son comparadas con el método de estimación de threshold de riesgo imparcial de Stein (SURE) implementado con la función de Matlab wden del Wavelet Toolbox, la cual usa la transformada discreta wavelet. Para probar los algoritmos se usaron tres conjuntos de datos. En un primer acercamiento se evaluaron las estrategias con distintos cantos de búhos con diferentes perfiles de ruido aditivo y amplitudes. Para probar la tolerancia de los algoritmos al ruido ambiente, se usó otro conjunto de datos formado por fragmentos de señales grabadas en campo con eventos acústicos de alta actividad biológica. Finalmente, se probaron los algoritmos con las grabaciones completas de los ecosistemas colombianos los cuales contenían los eventos acústicos. Los resultados obtenidos fueron cuantificados usando la relación señal a ruido y la entropía espectral. Para complementar los resultados se hizo un análisis visual de los espectrogramas de las señales procesadas. La metodología LAstd obtuvo un excelente desempeño al procesar los cantos de búhos contaminados con ruido Gaussiano blanco, sin embargo, no es tolerante a ruido de color y de banda angosta. Por otro lado, las metodologías LDstd y LDmad demuestran un mejor desempeño en señales con ruido de color, demostrando su capacidad para procesar señales grabadas en campo con ruido ambiente. La implementación de un parámetro “q” de suavizado del thresholding en las metodologías propuestas permitió ajustar el procesamiento para evitar la pérdida de información importante, otorgando a los algoritmos versatilidad para desempeñarse bien en distintos escenarios