Nonlinear time series analysis of monkey vocalizations

Abstract

Primat sesleri, mekanik ses üretim sistemi ile sinir sisteminden gelen karmaşık sinir işaretinin etkileşiminin bir sonucudur. Bu sistemin doğası gereği, sistemin oluşturduğu ses işareti nonlineerdir. İnsan olmayan primatların seslerinde görülen nonlineerliğin ses üretim sisteminin yapısal özelliklerinden kaynaklandığı ve karmaşık bir sinirsel kontrol mekanizmasının varlığını zorunlu kılmadığı öne sürülmüştür.Hayvan seslerindeki nonlineerlik miktarı DVS öngörü yöntemiyle belirlenebilir. Bu yöntem, sistemde az-boyutlu bir çekicinin bulunduğunu gösteren LNM değerini hesaplamaya yarar. Bu yöntem kullanılarak, harmonik bileşenler içeren seslerde bu ölçütün iyi sonuçlar vermesine rağmen düzensiz seslerde tespit edilebilen nonlineerliğin nispeten düşük olduğu gösterilmiştir.Bu çalışmada rhesus makaklarının normal ve agresif tip ses işaretlerindeki nonlineerliği tespit etmek ve anlamlandırmak için bir nonlineer zaman serisi analizi yöntemi olan DVS analiz yöntemi kullanılmıştır. Harmonik bileşenler içeren seslerde az sayıda komşu kullanılarak yapılan öngörülerin daha iyi sonuç verdiği; buna karşın düzensiz seslerde komşuluk sayısının öngörü başarısında bir fark yaratmadığı gözlemlendi. Sesler incelendikten sonra farklı bireyler, farklı ses tipleri ve ses alt grupları ayırt edilmeye çalışıldı.

Primate vocalizations are produced as a result of interactions between and within the simple vocal system and the complex signal coming from the nervous system. As a consequence of the nature of this organization, the resulting voice signal is of nonlinear nature. Moreover, in contrast to humans, in many examples of nonhuman primate vocalizations, the vocal folds do not synchronize. Consequently, produced signal is rather complex.Nonlinear techniques were shown to be useful in analyzing nonhuman primate vocalizations. Deterministic versus stochastic (DVS) prediction technique is one of these methods which can be used to determine the amount of nonlinearity in animal vocalizations. This method serves to calculate the low-dimensional nonlinearity measure (LNM), which indicates the presence of a low-dimensional attractor. By using this method, it was demonstrated that while the nonlinearity measure is useful in voice signals with harmonic components, in highly irregular signals like screams and barks, the detectable amount of nonlinearity was comparatively small.In this study, the amount of nonlinearity in rhesus monkey voices was calculated by using DVS analysis and this measure was used to distinguish different call types and individual properties of the monkeys. Voice signals with harmonic components showed relatively high SNR and low-dimensional nonlinearity, while these phenomena could not be detected in irregular voices. The signals were analyzed and compared among different callers, different call types and also among call subtypes.