康奈尔生物声学科学家开发了用于分析大数据的高性能计算平台

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。动物声音在同一物种内个体之间的变异性是一个进一步的问题。噪声和可变性这两个因素增加了假阳性和假阴性的数量，降低了检测算法的准确性。

处理BRP正在收集的数百tb的数据是另一个挑战。一个典型的项目包括处理多年的原始声学数据，最高可达10tb，由多个通道记录。每个频道可能会捕捉到数亿个事件——当数据被视为频谱图时，这些声音会脱颖而出。在小的、高质量的样本上测试的算法，在应用于更大的、更嘈杂的数据集时，往往不那么准确。

最后，BRP分析工具必须服务于广泛的研究计划、环境和不断变化的需求。克拉克博士说:“对我们最初研究问题的答案往往会导致新的探索途径，我们需要能够处理这些需求的突然变化。”

BRP数据科学家使用MATLAB开发了用于自动处理声学数据的高性能计算(HPC)软件。

他们开始一个检测分类项目，收集他们想要检测的动物的音频片段，动物环境中的背景噪音片段，以及存档的声学数据的mat文件。他们在MATLAB中开发新的或改进现有算法，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。

该算法使用了模式匹配、边缘检测、连通区域分析、卷积等由图像处理工具箱™和信号处理工具箱™支持的技术，以及由模糊逻辑工具箱™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，研究人员使用统计和机器学习工具箱™来计算接收器工作特征(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调试和优化后，科学家们使用MATLAB并行服务器在64 worker集群上对完整的归档数据集运行它们。

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，赞助了一场全球比赛，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叫声的算法。BRP使用他们的MATLAB高性能计算平台来确定最准确的算法，这将用于帮助防止船只与鲸鱼相撞。

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，在其中捕获和模拟海洋或陆地环境的时间和频率色散效应。