水下环境的智能守卫：基于深度脉冲神经网络的水下异音检测
基于深度脉冲卷积神经网络（SCNN）的水下异音检测框架，通过机器听觉与智能算法的深度融合，成功实现了对复杂环境中目标声源的非接触式、高精度实时识别。这一研究不仅为海洋生态监测提供了创新解决方案，更深刻启示我们：👉 异音异响检测的核心在于从噪声中精准提取特征声学指纹 👈 ——无论是水下入侵物种的叫声，还是工业设备的早期故障异响，其底层逻辑高度相通。
一、 引言与研究背景
在全球气候变化的大背景下，海洋环境正在经历着深刻的演变。海水的持续变暖、表面水体的酸化以及海平面的上升，造成了海洋生物栖息地的大量丧失。这种生态环境的剧变迫使许多海洋物种为了寻找适宜的温度或追踪食物来源，向异域水域大规模迁徙，从而加剧了入侵物种（Invasive Species, INSP）的繁衍和扩散。
在以地中海为代表的海洋生态系统中，外来物种的入侵被认为是仅次于栖息地破坏的全球第二大生物多样性威胁（被称为“生物污损”）。入侵物种不仅会导致具有经济价值的本土物种面临灭绝风险、造成区域旅游业衰退，还会通过捕食或竞争破坏食物网，导致区域生态系统的同质化。更为严重的是，某些入侵鱼类（例如含有河豚毒素的兔头鲀科 Lagocefalous）具有极强的毒性，对人类健康构成了致命威胁。
传统的物种识别方法存在显著的局限性：基于表型形态的视觉识别极其困难且充满不确定性；而基于DNA条形码或分子生化标记的基因方法虽然准确，但极度依赖昂贵的实验室设备，难以实现实时的大规模监控。针对这一迫切的生态与安防痛点，Konstantinos Demertzis 等人创新性地提出了一种基于机器听觉（Machine Hearing）和深度脉冲卷积神经网络（Spiking Convolutional Neural Network, SCNN）的自动化监控框架。该系统通过分析水下声学信号并结合地理位置服务（Geo Location Based Services, LBS），成功实现了对海洋入侵鱼类的非接触式、低成本、高精度的实时自动化识别。
二、 核心科学挑战与机器听觉的引入
在水下环境中进行连续的声音监控，属于典型的大数据（Big Data）分析范畴。机器听觉作为人工智能的一个重要分支，致力于通过算法重现人类的听觉感知，利用传感器获取的音频信号提取知识。
然而，根据奈奎斯特采样定理，为了保留水下复杂的声学高频特征，必须采用极高的采样率。这导致提取出的音频片段包含海量的样本数据点，对特征分类算法的时间复杂度和内存消耗提出了严苛的考验。传统的深度学习卷积网络虽然在特征提取上表现优异，但其极高的计算能耗限制了其在水下低功耗监控设备中的部署。为了在生物学现实意义和计算效率之间取得平衡，学术界开始将目光转向脉冲神经网络（Spiking Neural Networks, SNN），这是一种通过模拟大脑神经元基于离散“脉冲（Spikes）”进行通信的新型神经形态计算范式。
三、 核心方法与系统架构剖析
本研究提出的深度脉冲机器听觉系统，其核心工作流分为三个关键模块：水下声学特征工程、基于SCNN的模式识别，以及基于空间地理定位的入侵身份研判。
1. 水下声学数据集与双层特征工程 (Audio Feature Extraction)
研究采用了高复杂度的权威水下声音数据集（包括 URI 海洋学研究生院与康奈尔大学鸟类学实验室提供的数据），以模拟真实的海洋混合声景。数据集共包含 4 个大类：
- 人类活动噪音 (Anthr Sounds)： 包含船只、声纳、鱼雷、气枪等 9 个子类的 684 个声音样本。
- 自然声音 (Natural Sounds)： 包含地震、热液喷口、冰裂、降雨等 6 个子类的 477 个样本。
- 鱼类 (Fishes)： 鱼类通过牙齿、鱼鳔等器官发声，该组包含鲤鱼、虹鳟等 10 个子类的 1076 个样本。
- 海洋哺乳动物 (Mammals)： 包含海豚、海象等 8 个子类的 836 个样本。
所有音频的采样率均高达 44.1 kHz，平均时长 10.3 秒。在特征提取阶段，研究遵循了双层架构：首先进行短期特征提取 (Short-term feature extraction)，使用 50 毫秒的帧长和 25 毫秒的步进（50% 重叠）将信号切片，计算各频带的信息；随后进行中期特征提取 (Mid-term feature extraction)，计算短期序列的均值和标准差等统计量。最终系统为每个音频提取了 34 个核心声学特征向量，并将其归一化至 0 到 1 之间。
2. 脉冲卷积神经网络 (SCNN) 的构建与无损转换策略
本文在算法架构上的最大亮点，是提出了一种能够将传统连续激活的 CNN 无损转化为离散脉冲网络 SNN 的数学策略，成功克服了长期困扰该领域的“转换精度暴跌 (Accuracy loss)”问题。
具体转换逻辑基于以下三大假设和步骤：
- ReLU 激活函数的放电率近似： 传统的修正线性单元 (ReLU) 可以被视为没有不应期的整合放电神经元 (Integrate-and-Fire, IF) 的放电率近似。ReLU 的输出值正比于 IF 神经元在给定时间窗口内产生的脉冲数量。
- 偏置归零与连续训练： 在训练阶段，系统将网络偏置 (Bias) 固定为零，完全依赖标准误差反向传播算法（通过随机梯度下降）对 ReLU 网络进行预训练。
- 基于 IF 模型的权重直接映射与归一化： 训练完成后，将权重直接映射到 IF 神经元网络。为了防止网络在输入高频信号时因过载而丢失精度，研究引入了极度保守的权重归一化 (Weight Normalization) 策略。该策略考虑了可能输入到某层的所有最大正激活值，并以此为基准对权重进行缩放，确保网络对任意高输入率都具备极强的鲁棒性，彻底消除了由于输入过多导致的精度损失。
最终构建的 SCNN 拓扑结构包含输入层（34×34）、12 个 5×5 的卷积核及 2×2 平均池化层、第二阶段的 68 个 5×5 卷积核及池化层，最终全连接至代表 4 个音频大类的 4 节点输出层。基于特征强度值，网络通过泊松分布（Poisson distributed）生成相应的脉冲序列进行分类判定。
3. 基于地理定位服务的物种入侵研判 (GeoLocation Based Services)
系统在识别出鱼类或哺乳动物的具体物种后，并未就此止步，而是引入了空间维度的研判机制。
系统通过设备的 GPS 获取当前海域的经纬度坐标，利用 Python 的国家空间边界库（Shapefile）将其映射为具体的国家领海。随后，算法自动查询权威的“入侵物种纲要 (Invasive Species Compendium)”数据库。研判逻辑如下：系统将声学网络识别出的目标物种（Recognized_Species）与该国的“本土物种名录（Country_Native_Species）”进行逐一比对。如果目标存在于本土名录中，则判定为原生种；反之，则立即将其标记为入侵物种 (Invasive Species) 并触发记录。
四、 实验设计与主要结论
研究团队采用严谨的 10 折交叉验证法 (10-Fold CV) 提升模型的泛化评估能力，并使用真阳性率 (TPR)、真阴性率 (TNR)、精确率 (Precision)、召回率 (Recall)、F-Score 以及 ROC 曲线下面积等指标进行了全面评估。
实验在极具挑战性的高噪声现实模拟数据集中取得了令人瞩目的成就：
- 极高的整体分类性能： SCNN 系统在四个大类（人类噪音、自然声音、鱼类、哺乳动物）的宏观分类任务中，取得了高达 96.25% 的总准确率 (Total Accuracy)，F-Score 达到了 0.963，ROC 指标高达 0.975。这充分证明了深度脉冲特征在隔离复杂水下背景噪声方面的优越性。
- 哺乳动物检测表现优异： 在针对 8 类海洋哺乳动物的具体分类中，模型准确率达到了 92.10%。对于绝大多数物种（如真海豚、弓头鲸等），其 TPR 普遍保持在 0.9 甚至 0.95 以上。
- 对高难度鱼类信号的精准捕获： 鱼类发声的能量通常远低于哺乳动物，声学结构更为隐蔽。即便如此，系统在 10 种目标鱼类的多分类任务中依然取得了 89.03% 的高精度，以及 0.939 的 ROC 分数。混淆矩阵分析显示，尽管存在极少量的误判，但系统整体上对各类鱼类的敏感度（Sensitivity）和特异度（Specificity）表现出了极强的鲁棒性。
五、 研究亮点与工业应用价值
- 开创性的跨学科融合： 本文首次将声学信号处理（特征工程）、前沿的类脑计算（脉冲深度学习 SCNN）、以及空间信息技术（GIS 地理定位）完美整合于同一个自动化管线中。这使得系统不仅能“听出”是什么鱼，更能结合“地理语境”自动判定其是否具备生态危害性。
- 兼顾性能与低功耗的类脑算法： 通过在数学层面上解决 CNN 向 SNN 转换的精度损失问题，该研究为大规模神经形态硬件在海洋监测浮标、自主水下航行器 (AUV) 上的落地提供了关键的算法支撑。SNN 极低的放电功耗，使其非常适合资源受限的偏远海域部署。
- 生物安全防护的非侵入式新范式： 相比捕捞鉴定或基因测序，这种基于机器听觉的实时测绘与动态追踪能力，为科研人员研究种群的季节性波动、精准绘制入侵物种扩张版图提供了极具经济效益的解决方案，有望大幅延缓外来物种的无序扩张。
六、 局限性与未来展望
虽然 SCNN 展现出了极佳的泛化能力，但作者也展现了严谨的学术态度，指出了未来优化方向：
首先，当前的脉冲网络在权重归一化上采用了极其保守的策略以防止丢失信号，这不可避免地增加了神经元积分放电的等待时间。未来的工作应当探索更先进的超参数优化方法，以及自适应的特征显著性评估机制。
其次，为了适应海洋声场日新月异的变化，引入在线学习算法 (Online learning algorithms) 是下一步的研究重点。此外，探索更前沿的声学相似性度量特征（如高斯分析等），并尝试将深度学习与单层脉冲极端学习机 (Deep Spiking Extreme Learning Machines) 结合，有望进一步突破水下弱小目标识别的性能瓶颈。
K. Demertzis, L. Iliadis, and V.-D. Anezakis, “A Deep Spiking Machine-Hearing System for the case of Invasive Fish Species,” in Proceedings of the IEEE, 2017.
