Импортируйте необработанные звуковые данные в программу Adobe Audition 3.0 или Avisoft-SASLab Pro для анализа звука, повторно сэмплируйте (размер выборки: 44100 Гц; размер окна: 1024 точки), а затем сохраните отдельно в формате WAV. Высококачественные волновые формы и сонограммы были отобраны для измерения характеристик позывов хайнаньских гиббонов, анализа различий в акустических показателях между особями и создания базы данных звуковых паттернов хайнаньских гиббонов на индивидуальной основе. Затем с помощью реализованной модели распознавания звуков выполняется индивидуальное распознавание звуков. Наконец, оценивается эффективность сбора звуков и точность их распознавания. При этом оценка эффективности распознавания звуков проводится в основном путем сравнения с результатами полевых исследований и других видов звукового мониторинга.
На основе полученных характеристик хайнаньских гиббонов во временно-частотной области были определены параметры, используемые для автоматического распознавания в сочетании с базой данных вокальных данных. Выбранные временно-частотные параметры были импортированы в программу автоматического распознавания и разработанный алгоритм для автоматической идентификации и извлечения призывов хайнаньских гиббонов из записей. Такая информация, как количество гиббонов, которые могут присутствовать в звуковых данных, оценивается с помощью различных методов кластеризации и дискриминации.
Полностью автоматизированное оборудование для акустического мониторинга очень важно для обработки данных в этом проекте. Переданные звуковые данные автоматически сохраняются в облачном пространстве Huawei. После создания облачной базы данных Huawei, содержащей звуковые шаблоны биоразнообразия Хайнаня, можно будет осуществлять индивидуальное распознавание звуков.