姚 瑶，李圣辰，邵 曦

(1.南京邮电大学 通信与信息工程学院，江苏 南京 210003；2.西交利物浦大学 智能工程学院，江苏 苏州 215123)

近些年来，科学技术水平不断提高，各种高科技产品也越来越智能化，其中就包括很多监控设备.异常音频事件检测(Anomalous Sound Detection，ASD)成为了一个热点问题，尤其是在视频监控难以到达的领域，如结构复杂的机器内部或者需要监护的老人家里.这就需要一款既能实现实时监测，又能保障顾客隐私的异常事件检测系统.音频异常事件检测系统就可以代替或者结合视频监控，双管齐下，解决视觉盲区问题，缓解监控人员的压力，起到几全其美的作用.

随着工业技术的快速发展，机械化生产已经成为主流，极大地提高了产品生产的效率，保障了产品生产的质量.机器系统的稳定运行对机器生产的效率、质量，乃至安全都有重要的作用，所以在机器运行过程中做好监测和及时警报具有重大意义.在大部分时间里，机器都处于稳定运行阶段，这段时间机器发生的故障很少，但故障种类较多[1]，难以收集到机器的所有故障声进行有监督地训练.无监督学习的机器异常声检测系统在异常音频样本数据集很少的情况下可以发挥巨大的作用.通过比对训练集正常样本库里的特征和新出现的异常样本特征，可以检测到异常的音频事件.

在信号处理领域，稀疏表示和字典学习被广泛应用.字典学习最初起源于压缩感知(Compressive Sensing，CS)领域，其主要思想是创建声事件表或者特征词典对场景建模，其中字典中的事件和特征不一定是先验的，因此可以从数据中以无监督的方式学习字典[2].目前构建字典有两种方法：一是解析法；……