典型文献
基于频谱感知音频去噪的无监督机器异常声音检测
文献摘要：
在工业自动化生产中,通过声音监测来判断机器运行状态是否正常是一种有效的方法.针对机器运行状态正常变化引起的误判和现实生产环境中存在大量的背景噪声干扰监测的问题,提出了一种基于频谱感知音频去噪的无监督机器异常声音检测方法.首先,利用开源音频集训练一个基于频谱感知的去噪系统,将含噪音频变换到频域后,在频域上感知噪声谱的统计特性并修改频谱形成增强谱,再转换回时域输出去噪音频.音频特征选择对数Mel谱作为特征,之后利用提供的开发集信息训练一个基于深度可分离卷积和倒残差结构的分类器并对音频的每帧计算分类预测值,然后对其求平均负对数计算音频异常分数和确定异常阈值,通过与异常阈值的比较进行异常检测.DCASE Challenge 2021 Task2数据集上的实验结果表明,进行去噪预处理的异常检测系统的检测性能与基线系统相比有所提升.
文献关键词：
无监督;音频去噪;异常检测;深度学习
中图分类号：
作者姓名：
仇睿;张晨旭;姚瑶;李圣辰;邵曦
作者机构：
南京邮电大学通信与信息工程学院,江苏南京210003;西交利物浦大学先进工程学院,江苏苏州215123
文献出处：
引用格式：
[1]仇睿;张晨旭;姚瑶;李圣辰;邵曦-.基于频谱感知音频去噪的无监督机器异常声音检测)[J].复旦学报（自然科学版）,2022(05):513-519
A类：
Task2
B类：
频谱感知,知音,音频去噪,无监督,异常声,声音检测,工业自动化,自动化生产,声音监测,断机,机器运行,常变,误判,生产环境,背景噪声,噪声干扰,干扰监测,开源,集训,噪音,频变,换到,频域,噪声谱,统计特性,改频,换回,音频特征,特征选择,Mel,深度可分离卷积,倒残差,残差结构,分类器,对音,分类预测,异常检测,DCASE,Challenge,检测性能
AB值：
0.420208
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
