Modelo computacional para el análisis de patrones acústicos subacuáticos

Abstract

La acústica pasiva es muy importante en diversas áreas. Aunque viene siendo estudiada desde hace mucho tiempo, los investigadores aún siguen investigando nuevas técnicas de detección, clasificación y localización, que logren mejorar los algoritmos ya existentes, en cuanto a una mayor precisión, ahorro de energía, etc. Su utilidad depende del área donde vaya a ser usada, pero puede ser desde investigación de animales marinos, monitoreo de niveles de sonido antropogénico, monitoreo de instalaciones de petróleo hasta aplicaciones militares. Debido a la poca investigación hecha en el país, surge la necesidad de realizar un modelo que logre clasificar señales acústicas subacuáticas en base a la firma acústica de la clase de interés, considerando algunos factores como la contaminación por ruido ambiental u otros que puedan presentarse durante el proceso de grabación. Lo que permitirá desarrollar un modelo de reconocimiento original. Se diseñó un clasificador basado en un conjunto (“ensemble”) de redes neuronales MLP, capaz de identificar 14 clases, las cuales usan frecuencias desde 0 hasta 22,050 Hz. Para su diseño, se analizaron los diferentes tipos de sonido emitidos y se eligió la técnica de extracción que presentó mejores resultados. Se obtuvieron buenos resultados en la clasificación de diversas señales acústicas subacuáticas, considerando el estado del arte, probando que la arquitectura propuesta puede ser usada para integrar más clases que puedan ser de interés. Estos resultados son las bases para ayudar a monitorear los océanos de México ya sea en tiempo real o diferido u otros lugares de interés.