@PHDTHESIS{ 2017:445208022,
 	title = {Uma abordagem para monitoramento de anuros baseada em processamento digital de sinais bioacústicos},
 	year = {2017},
 	url = "http://tede.ufam.edu.br/handle/tede/6014",
 	abstract = "O monitoramento de animais silvestres em seu habitat natural é objeto de estudo de
 biólogos e ecólogos que coletam informações ambientais para inferir o estado das popula
 ções animais e suas variações ao longo do tempo. Um objetivo especí co desses
 estudos é identi car problemas ecológicos em estágios iniciais. No entanto, a coleta
 das informações é um trabalho manual que deve ser realizado por um grupo de especialistas
 em áreas de difícil acesso durante períodos de tempo prolongados. Neste
 contexto, as Redes de Sensores Sem Fio (RSSF) são uma alternativa viável ao monitoramento
 manual. Estas redes são constituídas por pequenos sensores com capacidade
 de transmissão, armazenamento e processamento local. Isto possibilita que métodos
 bioacústicos para reconhecimento automático de espécies sejam embarcados nos nós
 sensores para automatizar e simpli car a tarefa de monitoramento. Como os sons produzidos
 pelos animais oferecem uma impressão digital bioacústica, esta pode ser usada
 para identi car a presença ou ausência de uma espécie particular em uma região. Neste
 trabalho, apresentamos uma abordagem que utiliza aprendizagem de máquina, RSSF e
 processamento digital de sinais bioacústicos para reconhecer espécies animais com base
 em suas vocalizações. Como prova-de-conceito, aplicamos nossa solução para identi-
  car de forma automática diferentes espécies de anuros. Escolhemos anuros uma vez
 que são utilizados como indicadores precoces de estresse ecológico, pelo fato de serem
 sensíveis às mudanças do habitat e oferecerem informações sobre os ecossistemas terrestre
 e aquático. Nossa abordagem integra quatro operações fundamentais: filtragem
 de ruídos e aprimoramento dos sinais acústicos, segmentação automática desses sinais,
 extração de descritores acústicos e classificação. Além disso, nossa solução considera
 as limitações de RSSF, buscando reduzir a carga de processamento e comunicação
 para prolongar o tempo de vida dos sensores. Portanto, representamos os sinais por
 um conjunto de descritores acústicos de baixo nível (Low-Level Acoustic Descriptors
 - LLDs) conhecidos como Mel Frequency Cepstral Coe cients (MFCCs). A técnica
 escolhida para filtrar os ruídos ambientais foi o Singular Spectrum Analysis (SSA),
 esta escolha foi baseada nas diversas comparações que  zemos com outros métodos
 de filtragem. Além disso, o SSA é não paramétrico, se adapta ao coaxar de cada espécie e possui um esquema equivalente na teoria de  ltros FIR, o que possibilita ter
 uma implementação com complexidade computacional constante. Ainda no método
 de  ltragem, desenvolvemos uma versão robusta do SSA. Esta nova versão é mais tolerante
 aos diferentes ruídos ambientais, sejam estes Gaussianos ou não. A robustez
 também permitiu identi car os componentes acústicos causados pelos ruídos ambientais
 associados com as baixas frequências. No que diz respeito à segmentação, primeiro
 realizamos uma comparação entre diferentes LLDs baseados na teoria da informação.
 Nesta etapa, desenvolvemos um método não supervisionado capaz de se adaptar às diferentes
 condições de ruídos ambientais, sejam estes branco ou coloridos. Na segunda
 etapa, adaptamos dois dos LLDs comparados para funcionamento incremental. Assim,
 foi possível de nir uma metodologia para segmentar os sinais acústicos em tempo real
 com custo de memória constante, ideal para ser embarcado em um nó sensor de baixo
 custo e obter as porções dos áudios que possuem as informações relevantes para o reconhecimento
 das espécies. Finalmente, avaliamos diferentes estratégias de classi cação
 e propusemos uma nova forma de validação cruzada para avaliar a capacidade de generaliza
 ção do método. Portanto, a validação cruzada tradicional de sílaba-por-sílaba foi
 substituída por uma validação cruzada que separa diferentes indivíduos nos conjuntos
 de teste e treinamento. Isto viabilizou uma avaliação mais justa e permitiu estimar o
 comportamento  nal que o método de classi cação embarcado no nó sensor teria em
 uma situação real. Dentre os métodos de classi cação planos comparados descobrimos
 que SVM e kNN são os mais promissores. Todavia, propomos e desenvolvemos uma
 estratégia de classi cação hierárquica multirótulo para decompor e simpli car o espaço
 de decisões do classi cador e simultaneamente reconhecer a família, o gênero e a espécie
 de cada amostra. Isto nos permite concluir que nossa abordagem é  exível o su ciente
 para se adaptar aos diferentes cenários monitorados, sem deixar de otimizar a relação
 custo-benefício da solução de monitoramento proposta.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}