分析声学数据的研究人员必须应对来自天气、其他动物以及附近机器和车辆的噪音。动物声音在一个物种中个体间的差异是一个更复杂的问题。这两个因素——噪声和可变性——增加了误报和漏报的数量，降低了检测算法的准确性。

处理BRP正在收集的数百兆兆字节的数据是另一个挑战。一个典型的项目需要处理数年的原始声学数据——多达10tb——记录在多个频道上。每个频道都能捕捉到数以亿计的事件——当数据被视为光谱图时，这些声音就会脱颖而出。在小的、高质量的样本上测试的算法，如果应用到更大的、更嘈杂的数据集上，往往会大大降低准确性。

最后，BRP分析工具必须服务于广泛的研究计划、环境和变化的需求。“对我们最初研究问题的回答往往会带来全新的探索途径，我们需要能够应对这些需求的突然变化，”克拉克博士说。

BRP数据科学家使用MATLAB开发了高性能计算(HPC)软件来自动处理声学数据。

他们开始了一个探测分类项目，通过收集他们想要探测的动物的音频片段，动物环境中的背景噪声片段，以及存档的声学数据的mat文件。在MATLAB中，他们开发了新的或改进了现有的算法，这些算法可以检测存档数据中的音频序列，类似于剪辑目录中的音频序列。

这些算法使用图像处理工具箱™和信号处理工具箱™支持的模式匹配、边缘检测、连接区域分析、卷积和其他技术，以及模糊逻辑工具箱™和深度学习工具箱™支持的机器学习技术。金宝app

为了评估算法的准确性，研究人员使用统计数据和机器学习工具箱™来计算接收机工作特性(ROC)和其他性能曲线。

在使用并行计算工具箱对小数据集上的算法进行了调试和优化之后，科学家们使用MATLAB并行服务器对64个工作集群上的完整归档数据集运行这些算法。

BRP团队开发了一个MATLAB接口，使研究人员能够指定算法、数据集和处理器数量。

BRP与Marinexplore和Kaggle社区合作，赞助了一项全球竞赛，240多名参与者提交了检测和分类北大西洋露脊鲸向上接触呼叫的算法。BRP利用他们的MATLAB高性能计算平台来识别最精确的算法，这将有助于防止船只与鲸鱼的碰撞。

除了检测和分类算法外，BRP还使用MATLAB进行噪声分析和声学建模，其中捕获和模拟了海洋或陆地环境的时间频散效应。