新技术有助于发现鲸鱼、食火鸡和其他几乎听不见的动物叫声中隐藏的细节

在过去的几十年里，动物声音的研究激增。记录设备和分析技术的进步推动了对动物行为、种群分布、分类学和解剖学的新认识

在《生态学与进化》杂志上发表的一项新研究中，我们展示了用于分析动物声音的最常见方法之一的局限性。这些限制可能导致了对印度洋鲸鱼歌声以及陆地上动物叫声的分歧

我们演示了一种可以克服这个问题的新方法。它揭示了以前隐藏的动物叫声的细节，为动物声音研究的未来进展提供了基础

超过四分之一的鲸鱼物种被列为易危、濒危或极度濒危。了解鲸鱼的行为、种群分布和人为噪音的影响是成功保护工作的关键

对于几乎所有时间都隐藏在广阔开阔海洋中的生物来说，这些都是很难研究的事情，但对鲸鱼歌声的分析可以为我们提供重要线索

然而，我们不能仅仅通过听鲸鱼的歌声来分析它们——我们需要比人类耳朵更详细地测量它们的方法

因此，研究动物声音的第一步通常是生成一个称为频谱图的可视化。它可以让我们更好地了解声音的特征。具体来说，它显示了声音中的能量何时出现（时间细节），以及以什么频率出现（频谱细节）

通过仔细检查这些频谱图并使用其他算法进行测量，我们可以了解声音在时间、频率和强度方面的结构，从而进行更深入的分析。当我们发表研究成果时，它们也是传达研究结果的关键工具。

为什么光谱图有局限性

生成光谱图的最常见方法被称为STFT。它被应用于许多领域，包括机械工程、生物医学工程和实验物理

然而，它被认为有一个基本的局限性——它不能同时准确地显示声音的所有时间和频谱细节。这意味着每个STFT光谱图都牺牲了一些时间或光谱信息

这个问题在较低频率下更为明显。因此，在分析侏儒蓝鲸等动物发出的声音时尤其成问题，因为侏儒蓝鲸的歌声很低，接近人类听觉的下限。

放置在海底的地震仪捕捉到的侏儒蓝鲸的声音

在获得博士学位之前，我从事声学和音频信号处理工作，在那里我对短时傅里叶变换频谱图及其缺点非常熟悉

但是有不同的方法来生成光谱图。我突然想到，用于鲸鱼歌声研究的STFT可能隐藏了一些细节，可能还有其他更适合这项任务的方法

在我们的研究中，我和合著者Tracey Rogers将STFT与较新的可视化方法进行了比较。我们使用了合成的测试信号，以及侏儒蓝鲸、亚洲象和其他动物的录音，如食火鸡和美洲鳄鱼

我们测试的方法包括一种名为Superlet变换的新算法，我们改编自它在脑电波分析中的原始用途。我们发现，这种方法产生的合成测试信号的可视化结果比我们测试的其他方法少28%的错误

一种更好的可视化动物声音的方法

这一结果很有希望，但当我们将Superlet应用于动物声音时，它充分发挥了潜力

最近，关于查戈斯侏儒蓝鲸的歌声存在一些分歧：它的第一个声音是“脉冲”还是“音调”。这两个术语是指声音中有额外的频率，但以两种不同的方式产生

STFT频谱图无法解决这一争论，因为它们可以根据配置方式将这种声音显示为脉冲或音调。我们的Superlet可视化显示声音呈脉冲状，与描述这首歌的大多数研究一致

当想象亚洲象的隆隆声时，Superlet显示了这种声音的原始描述中提到的脉冲，但后来的所有描述中都没有。它也从未在光谱图中显示过

我们对南部食火鸡叫声和美洲鳄鱼咆哮的Superlet可视化都显示了以前未报告的时间细节，这些细节在以前的研究中没有显示出来

南食火鸡发出的声音很深，我们几乎听不见（建议戴耳机）

这些只是初步发现，每一项都基于一份记录。为了证实这些观察结果，需要分析更多的声音。即便如此，这也是未来工作的沃土。

易用性可能是Superlet最大的优势，甚至超越了提高的准确性。许多使用声音研究动物的研究人员都有生态学、生物学和兽医学的背景。他们学习音频信号分析只是为了达到目的

为了提高这些研究人员对Superlet转换的可访问性，我们在一个免费、易于使用、开源的软件应用程序中实现了它。我们期待着看到他们使用这种令人兴奋的新方法可能会有什么新发现

Journal information: Ecology and Evolution