一种基于VQ-MAE网络的抹香鲸叫声增强方法

本发明涉及音频信号处理领域，具体的涉及一种基于VQ‑MAE网络的抹香鲸叫声增强方法，包括：步骤1：对抹香鲸叫声音频信号进行噪声降低处理，调整音频信号的振幅范围；步骤2：处理频谱图像，将提取后的特征向量作为MAE网络输入的一部分；步骤3：通过LSTM网络对音频信号进行处理，提取原始的音频信号的时序特征；步骤4：设计并训练一个多模态掩码编码器MAE网络，训练不同模态的融合权重；步骤5：进行掩码，选取掩码效果最好的策略训练网络进行数据增强。本发明创新性的引入了多模态网络融合声音信号的时域、频域以及空间域特征，更为精确且深入地捕捉与增强抹香鲸叫声中的语义细节，为叫声的分类和识别提供了强有力的支持。