베이스밴드를 넘어: 전 스펙트럼 생체음향 분류를 위한 적응형 멀티밴드 인코딩

동물은 인간과 현저히 다른 주파수 범위를 통해 청각을 감지하고 발성을 하며, 종종 초음파 영역까지 확장됩니다. 그러나 대부분의 계산 생체음향 시스템은 16 kHz 에서 사전 학습된 오디오 모델을 기반으로 하여 사용 가능한 대역폭을 0-8 kHz 베이스밴드로 제한하고, 많은 생체음향 녹음에 존재하는 고주파수 정보를 버리는 문제가 있습니다. 우리는 동물 호출의 전체 스펙트럼을 밴드 특징으로 분해하고 이를 통합된 표현으로 융합하는 멀티밴드 인코딩 프레임워크를 조사합니다. 모델에 대한 유사성 분석은 특정 인코더가 융합 후 클래스 분리성을 개선하기 위해 상관관계가 없는 밴드 임베딩을 생성함을 보여줍니다. 8 개의 사전 학습 모델과 5 가지 융합 전략을 사용하여 3 개 생체음향 데이터셋에서 수행한 분류 실험은 융합된 표현이 두 데이터셋에서 베이스밴드 및 시간 확장 베이스라인보다 일관되게 뛰어난 성능을 보였으며, 이는 동물 호출의 전 스펙트럼 인코딩에 대한 멀티밴드 방법의 잠재력을 보여줍니다.