1. 데이터 수집 :연구자들은 특수 녹음 장치 또는 BAT 탐지기를 사용하여 BAT에 의해 방출되는 초음파 반향 호출을 포착합니다. 이 녹음에는 박쥐가 식물을 포함한 다양한 물건으로부터받는 에코에 대한 필수 정보가 포함되어 있습니다.
2. 신호 처리 :수집 된 반향 기록은 컴퓨터 소프트웨어를 사용하여 처리됩니다. 신호 처리 기술은 주파수 구성 요소, 시간 지연 및 진폭 변조와 같은 에코에서 관련 기능을 추출하기 위해 적용됩니다.
3. 기능 추출 :컴퓨터는 다른 식물 구조의 특징 인 에코 신호에서 특정 기능을 식별하고 추출하도록 프로그래밍됩니다. 예를 들어, 다른 식물 종은 잎 모양, 크기 및 질감에 따라 잎 에코에서 뚜렷한 패턴을 생성 할 수 있습니다.
4. 기계 학습 및 분류 :머신 러닝 알고리즘은 추출 된 기능의 패턴을 인식하도록 컴퓨터를 훈련시키는 데 사용됩니다. 감독되거나 감독되지 않은 학습 기술을 사용함으로써 컴퓨터는 반향 데이터를 기반으로 식물 종을 분류하는 법을 배울 수 있습니다. 감독 학습에는 컴퓨터에 라벨이 붙은 데이터 (예 :식물 종과 쌍의 반향 기록)를 제공하는 반면, 감독되지 않은 학습은 컴퓨터가 표지되지 않은 데이터의 패턴을 발견 할 수 있습니다.
5. 반향 시뮬레이션 :컴퓨터 모델과 시뮬레이션은 실제 시나리오를 모방하는 가상 환경을 재현하는 데 사용될 수 있습니다. 연구원들은 식물 모델을 기반으로 인공 에코를 생성하여 박쥐 반향을 시뮬레이션하고 박쥐가 이러한 시뮬레이션 된 에코에 어떻게 반응하는지 분석 할 수 있습니다.
6. 가상 현실 통합 :일부 연구에서 VR (Virtual Reality) 기술은 컴퓨터 시뮬레이션과 통합됩니다. VR을 통해 연구원들은 박쥐가 사실상 탐색하고 시뮬레이션 된 식물과 상호 작용할 수있는 몰입 형 환경을 만들 수 있습니다. 이러한 VR 환경에서 박쥐 행동 및 반향 패턴을 분석함으로써 연구원들은 박쥐가 식물을 어떻게 분류하는지 더 이해할 수 있습니다.
7. 데이터 시각화 및 분석 :컴퓨터는 대량의 반향 데이터의 시각화 및 분석을 가능하게합니다. 연구원은 스펙트로 그램 및 3D 포인트 구름과 같은 시각적 표현을 사용하여 ECHO 신호에서 복잡한 패턴과 관계를 탐색 할 수 있습니다. 통계 분석은 또한 박쥐와 컴퓨터에 의한 식물 분류의 차이를 정량화하고 비교하기 위해 수행됩니다.
컴퓨터를 사용하여 연구원들은 방대한 양의 반향 데이터를 분석하고 의미있는 기능을 추출하며 기계 학습 기술을 적용하여 생산 된 에코에 따라 식물을 정확하게 분류 할 수 있습니다. 이러한 발견은 매혹적인 감각 능력과 박쥐의 생태 학적 상호 작용에 대한 통찰력을 제공합니다.
