海洋生物声学对海洋生物的调查、研究与保护具有重要意义，也是人类探索海洋、认识海洋的重要科学工具之一，例如海洋生物声学信号处理技术可采用水声原理与技术来定位、跟踪和获取海洋哺乳动物的统计数据。本书从海洋生物两种典型宽带声信号（哨声与嘀嗒声）采集与测量出发，分析其信号特性，并进行了特征提取与建模合成。在此基础上，给出了关于两种信号的检测、分类、定位等海洋生物声学关键技术，并给出了翔实的科研案例，从理论、技术、实现及最终结果全方位、全链条贯通展示了海洋生物声学信号的完整处理流程。 本书可作为从水下信号处理基本知识学习向水下声信号盲处理进阶的参考书，同时可作为高校和科研院所水声工程、海洋工程、海洋生物学及相关专业本科生和研究生的辅助书籍。

丛书序
自序
第1章 海洋生物声学概述
1.1 海洋生物声学与声学信号处理
1.1.1 海洋生物声学
1.1.2 海洋生物声学信号处理
1.2 海洋中的发声生物
1.3 海洋生物发声机理
1.3.1 齿鲸发声机理
1.3.2 须鲸发声机理
1.3.3 海洋鱼类发声机理
1.3.4 海洋无脊椎动物发声机理
1.4 本章小结
参考文献
第2章 海洋生物叫声传播特性
2.1 海洋生物叫声的传播速度
2.1.1 海水中的声经验公式
2.1.2 海水中的声速变化
2.2 海洋生物叫声传播过程中的折射、反射和散射
2.2.1 分层介质条件下的射线声学
2.2.2 Snell定律
2.2.3 多径效应
2.3 典型声速剖面下的海洋生物叫声传播
2.4 海洋生物叫声传播过程中的多普勒效应
2.5 声呐方程
2.5.1 参数定义
2.5.2 主动声呐方程
2.5.3 被动声呐方程
2.6 本章小结
参考文献
第3章 海洋生物叫声信号采集
3.1 海洋生物叫声信号采集系统整体概述
3.1.1 水听器
3.1.2 前置放大器
3.1.3 滤波电路
3.1.4 模数转换器
3.1.5 中央处理器
3.2 采集系统技术指标
3.2.1 采集系统本底噪声
3.2.2 采集系统动态范围
3.2.3 同步误差
3.2.4 系统幅频特性和相频特性
3.2.5 幅度、相位一致性
3.2.6 通道间串扰
3.3 吸附式多参数声学采集系统
3.3.1 系统概述
3.3.2 吸附式多参数声学监测系统整体设计
3.3.3 关键技术
3.4 锚系式声学采集系统
3.4.1 系统概述
3.4.2 潜标系统整体设计
3.5 本章小结
参考文献
第4章 海洋生物叫声信号分析
4.1 海洋生物叫声信号时域分析方法
4.1.1 自相关
4.1.2 互相关
4.1.3 峰度
4.2 海洋生物叫声信号频域分析方法
4.2.1 傅里叶变换
4.2.2 快速傅里叶变换
4.3 海洋生物哨声信号时频分析方法
4.3.1 基于短时傅里叶变换的海洋生物哨声信号时频分析
4.3.2 基于连续小波变换的海洋生物哨声信号时频分析
4.3.3 基于同步压缩小波变换的海洋生物哨声信号时频分析
4.3.4 基于维格纳分布的海洋生物哨声信号时频分析
4.3.5 海洋生物哨声信号时频分析方法的定量分析
4.3.6 海洋生物哨声信号时频分析方法适用性总结
4.4 本章小结
参考文献
第5章 海洋生物叫声信号特性与参数统计
5.1 鲸豚动物社交类叫声
5.1.1 典型鲸豚动物哨声
5.1.2 哨声参数统计
5.2 鲸豚动物回声定位叫声
5.2.1 典型回声定位信号
5.2.2 回声定位信号参数统计
5.2.3 回声定位信号性能分析
5.3 鳍足类动物叫声
5.4 鱼类动物叫声
5.5 无脊椎动物叫声
5.6 本章小结
参考文献
第6章 鲸豚哨声信号检测技术
6.1 哨声信号的预处理
6.1.1 分帧
6.1.2 加窗
6.1.3 降噪
6.2 基于时域的哨声信号检测方法
6.2.1 基于能量的哨声端点检测方法
6.2.2 基于经验模态分解与Teager算子结合的哨声端点检测方法
6.2.3 匹配滤波器
6.3 基于时频域的哨声信号检测方法
6.3.1 局部最大值检测器
6.3.2 谱熵法端点检测
6.3.3 能量谱熵比法端点检测
6.3.4 基于谱图平滑与自适应阈值的哨声事件检测
6.3.5 基于倒谱域的特征参数聚类的哨声事件检测
6.4 本章小结
参考文献
第7章 鲸豚动物哨声信号特征提取与建模
7.1 鲸豚动物哨声信号时频特征提取
7.1.1 基于最大值的哨声时频谱轮廓提取
7.1.2 基于多目标跟踪的哨声时频谱轮廓提取
7.2 鲸豚动物哨声信号建模
7.2.1 常规海豚哨声模型
7.2.2 高复杂度海豚哨声模型
7.3 本章小节
参考文献
第8章 哨声信号分类
8.1 线性判别器
8.2 基于局部二值模式特征的K-最近邻法海豚哨声分类
8.2.1 局部二值模式
8.2.2 K-最近邻法
8.2.3 局部二值模式特征提取算法与K-最近邻分类器结合
8.3 基于哨声时频谱图的卷积神经网络的分类
8.3.1 卷积神经网络
8.3.2 分类任务模型评估指标
8.3.3 卷积神经网络分类结果
8.4 基于哨声时频谱图迁移学习的微调卷积神经网络的分类
8.4.1 微调VGG16迁移模型
8.4.2 微调ResNet50迁移模型
8.4.3 微调DenseNet121迁移模型
8.4.4 不同微调网络对比
8.5 基于语义分割的非线性支持向量机分类模型
8.5.1 基于语义分割的哨声特征提取
8.5.2 核支持向量机
8.5.3 基于语义分割的核支持向量机白鲸哨声分类性能分析
8.6 本章小结
参考文献
第9章 鲸豚嘀嗒声检测与特征提取
9.1 单嘀嗒声脉冲检测
9.1.1 基于峰度的单嘀嗒声脉冲检测
9.1.2 基于能量的单嘀嗒声脉冲检测
9.1.3 检测方法性能比