全文总字数：3272字

1. 研究目的与意义及国内外研究现状

地球是人类赖以生存的家园，地球具有湿地，森林与海洋三大生态系统。这三大生态系统有各自的特点也有共性，于此之上诞生了各具特色的生物群落。生物群落具有丰富的物种。研究生物群落可以帮助我们得到许多的有用的信息，包括该地的物种多样性，物种分布等等。得到原始数据后，通过进一步分析，我们可以对该地的生态系统进行分类和特征评估，从而加深对不同生物群落和生态系统的了解。

但是对物种信息进行观测和统计往往耗费了大量的人力，即便如此也无法进行持续的可靠的统计，尤其是某些濒危物种的统计更是困难。例如在鸟类的观测和统计上，由于鸟类的警惕性高，目标小，目前只能使用观鸟镜加人工计数的方式进行统计，某些稀少的不易见到的鸟类品种更是无从下手，只能依靠偶遇或者鸟巢的发现。然而无论如何的小心翼翼，这些接触式的观测手段都会对鸟类存在或多或少的影响甚至伤害。由此看来，观测手段的落后使得对稀有鸟类的追踪和统计存在较大的误差和不确定性。

从观察目标的特征考虑，由于鸟类物理体积小，且隐匿与树木之间，通过直接的视觉方式（例如摄像头）探测存在较大困难。但鸟类的优秀的“歌喉”是大家所熟知的。通常鸟类会通过鸣声进行歌唱、警报这两类基本的信息传递。且鸣声频率较高（例如知更鸟可以发出2 000～13 000hz的声音），在野外环境下传播距离远，适合通过设备进行采集，分析。

2. 研究的基本内容

本文以鸟类的鸣声为样本，对其进行分析，首先是通过多通道的麦克风，将鸟类鸣声的空间信息进行了提取，其次是对鸟类鸣声进行gmm建模和mfcc特征提取以辨别鸟类的品种，最终输出日志得到鸟类的分布统计。主要内容如下：

3. 实施方案、进度安排及预期效果

linux操作系统支持多种的高级语言，我们选取在数学运算方面效果较为突出的python语言进行编程。

基于麦克风阵列的声源定位，该方向的算法有很多，我们需要选取运算量小的适用于实时系统的方法，所以选用时延估计方法，为计算时延选取计算量小的gcc方法。

4. 参考文献

1.俞清,刘如笋. 鸟声研究介绍[j].动物学杂志, 1995, 30(1): 52-55

2.苏秀,朱曦. 鸟声研究进展[j]. 浙江林学院学报,2006, 23(3): 323-327

3.王恩泽.基于鸣声的鸟类智能识别方法研究[d]. 陕西:西北农林科技大学,2014. 1-56