薛英杰, 韩 威, 周松斌, 刘忆森

(1. 昆明理工大学 信息工程与自动化学院, 昆明 650504； 2. 广东省科学院智能制造研究所 广东省现代控制技术重点实验室, 广州 510070)

声音中所包含的信息与视频、图像、文字等媒介有强烈的互补性. 通过声音, 可以获得不可见、无法接触的诸多信息, 在材料内部结构探测、无损检测、日常生活等领域应用广泛, 如家禽的鸣叫声、工厂中的管路探伤、车辆行驶中的异响等. 电机、家畜等可通过主动发声判断其所处的状态, 而对于不能主动发声的物体可通过气锤敲击、电磁脉冲击打等方式使物体被动发声, 判断其是否损坏. 这种检测方法尽管具有简单有效的优点, 但也存在着方法单一、没有统一标准、过于依赖经验、不能实时监控等缺点.

异常声音检测[1]是指对与目标类声音不一致的声音识别, 近年在军事、畜牧业、工业、医学等领域已有少量相关报道. 目前, 异常声音检测的方法主要有直接观察声音时域、频域波形和通过有监督地训练神经网络模型, 利用网络模型进行异常声音检测两类方法. Jeon等[2]利用声音探测了恐怖主义等恶意目的的无人机; Du等[3]通过检测家禽夜间鸣叫声判断家禽是否处于异常状态; 李江丽等[4]为了预防生猪呼吸道传染病的传播, 通过生猪咳嗽声监测生猪的健康状态; 祁骁杰等[5]通过直接对比分析杨树木段中害虫幼虫的声音时域和频域波形检测害虫幼虫数量, 达到保护树木的目的; 王中旂等[6]通过……