异常声音检测的问题导向综述:从正常性学习到可部署的声学智能

《Computer Speech & Language》:A problem-oriented survey of anomalous sound detection: From normality learning to deployable acoustic intelligence

【字体: 大 中 小 】 时间:2026年10月01日 来源:Computer Speech & Language 3.4

编辑推荐:

   • 回顾异常声音检测(ASD)从仅使用正常样本学习向一次性(first-shot)部署的演进历程。 • 将 ASD 方法按问题导向划分为五类范式。 • 将基准评测指标与校准、部署成本联系起来。 • 提出面向鲁棒、可解释与边缘就绪的 ASD 研究优先事项。 引言 异常声音检

  

• 回顾异常声音检测(ASD)从仅使用正常样本学习向一次性(first-shot)部署的演进历程。
• 将 ASD 方法按问题导向划分为五类范式。
• 将基准评测指标与校准、部署成本联系起来。
• 提出面向鲁棒、可解释与边缘就绪的 ASD 研究优先事项。

引言

异常声音检测(Anomalous Sound Detection, ASD)旨在识别偏离已学习正常模式的声学信号,已成为智能声学感知中的一项重要任务(Lo et al., 2024; Kong et al., 2025; Wu et al., 2026)。得益于声学感知的非接触、低成本与富信息量特性,ASD 已被广泛应用于工业设备监测(Di Fiore et al., 2022)、医学声学诊断(S.Y. Kim et al., 2025)、电力与能源系统(Folz and Gomes, 2025)、交通安防(Xing et al., 2025)、城市与环境监测(Y. Wang et al., 2025)以及智能建筑基础设施(Antonini et al., 2018)。在实际部署中,声学信号对运行工况、人类活动与环境状态的变动高度敏感;因此,偏离正常声学模式的现象可能预示机械故障、生理异常、电气缺陷、交通事故、环境危害或基础设施退化。由此,ASD 为复杂真实环境中及时的状态监测、故障诊断与风险预警提供了一种高性价比且可规模化的解决方案。

对 ASD 日益增长的兴趣也反映在近年来的发文趋势上。如图 1 所示,使用与 ASD 相关检索词获得的年发文量自 2015 年至 2025 年稳步上升,表明学界对声学异常检测及其面向部署的扩展方向关注度不断提高。

在面向日益多样真实的现实应用需求驱动下,ASD 研究已从传统的正常性建模逐步演进至面向表示学习与适应感知的学习范式。早期研究通常假设正常样本可得而异常样本稀缺或不可得,由此催生了以自编码器(S. Chen et al., 2025)和变分自编码器(C. Zhang et al., 2025)为代表的重建类方法,以及包括高斯混合模型(Wu et al., 2023)和有代表性的一类学习(one-class learning)方法(Kilickaya et al., 2025)在内的经典密度估计与单类分类方法。尽管这些方法在众多半监督场景下表现出一定有效性,但其性能可能因过度重建、背景噪声以及工况变化而退化(Salekshahrezaee et al., 2021)。随着"检测与分类声学场景与事件"(DCASE)2021 和 2022 等工业基准引入域偏移(domain shift)与域泛化(domain generalization)设定,研究重心日益转向在不同机器身份、录制片段、源/目标域以及环境条件下学习具有判别力且可迁移的正常声音表示(Tagawa et al., 2021)。在此背景下,基于间隔的代理分类(proxy classification with margin-based objectives, Shin and Lee, 2026; Y. Zhao et al., 2025)、对比学习及其他自监督预训练策略(Hojjati and Armanfard, 2022; Guan et al., 2023b),以及嵌入级别的评分与校准方法得到了探索,以增强表示的可分离性并提升异常评分的可靠性。更近期,一次性学习(first-shot learning)、大规模音频预训练、补丁级(patch-level)建模以及多传感器融合等新兴设定,进一步将 ASD 方法拓展至数据受限、元数据不完整以及异构感知条件下。

尽管已取得上述进展,ASD 的核心难题在真实声学监测场景中仍未解决。在许多应用中,异常声音稀有、多样,且在训练阶段往往不可得,这限制了传统监督分类范式的适用性(Abbasi et al., 2022)。此外,声学信号极易受到运行工况、录音设备、背景噪声、空间布局与环境语境的变化影响(Mallegni et al., 2022)。因此,仅在正常声音上训练的模型可能对未见域泛化不良,而细微的异常模式又极易被非平稳噪声或正常类内变化所掩盖。这些挑战要求 ASD 系统在两个相互竞争的目标之间取得平衡:既要学习稳定且可迁移的正常声学行为表示,又要对未见异常保持足够的敏感性。

已有综述为 ASD 的发展奠定了重要基础。Nunes 系统总结了 2010 至 2020 年间的 ASD 研究,涵盖数据集、音频特征、机器学习模型与评估指标,提供了从 MFCC、梅尔频谱等手工特征到自编码器、卷积神经网络等深度模型的早期技术概览(Nunes, 2021)。Mnasri 等从更宏观视角综述了异常声音事件检测,涵盖特征提取、数据集、评估协议、检测方法与应用场景(Mnasri et al., 2022)。更近期的综述则从专门视角进一步探讨 ASD 相关问题,例如 Wilkinghoff 等聚焦于 DCASE 相关机器状态监测任务中的域偏移,强调源域与目标域之间的声学差异如何改变异常分数分布与依赖域的判断阈值(Wilkinghoff et al., 2025)。Ye 等综述了基于声音的工业预测性维护方法,包括特征工程、经验阈值、机器学习与深度学习方法(Ye et al., 2025)。Grzymkowski 等研究了 ASD 方法在边缘、嵌入式及 TinyML 平台上的部署,突出内存占用、计算成本与单声道输入等实际约束(Grzymkowski et al., 2026)。这些研究从早期 ASD 流程、异常声音事件检测、域偏移、预测性维护以及资源受限部署等角度提供了互补视角。然而,它们并未充分刻画近年来基准演进、域泛化、一次性学习、评分校准与面向部署的 ASD 的融合趋势。表 1 总结了代表性 ASD 相关综述的范围与侧重点,并突出了本文的独特覆盖范围。

尽管如此,ASD 的最新进展呼唤一种更整合、更问题导向的综述。第一,现有综述通常聚焦于通用异常声音事件检测、工业设备监测、域偏移、预测性维护或边缘部署等特定方面,而这些视角之间的内在联系并未在统一的 ASD 框架下得到充分组织。第二,基准任务的快速演进,尤其是 DCASE 2020–2025 期间从传统机器声音异常检测向域泛化、一次性学习与面向部署设定的转变,尚未与相应的方法论变化被系统考察。第三,若干现实问题仍探索不足,包括异常分数校准、阈值选择、报警成本、连续流评估等评估与决策问题,以及小样本适应、多传感器工业融合、在线学习、边缘实现等部署相关问题。因此,本综述通过提供一种最新、跨域且任务驱动视角,将问题设定的最新变化、基准设计、学习范式与部署约束彼此联系起来,以补充已有综述。

基于以上观察,本综述围绕四项目标组织。第一,考察公开 ASD 数据集与评估指标如何塑造研究问题,重点关注从仅用正常样本的 ASD 向域偏移与域泛化、一次性 ASD 以及多传感器工业融合方向的演进。第二,构建面向问题的 ASD 方法分类体系,按正常性学习、嵌入结构化、统计评分、鲁棒融合与部署适应对现有研究进行分类,而非简单依据模型架构或算法名称进行归类。第三,讨论 ASD 方法与机器声音信号内在特性之间的关系,强调周期性、谐波结构、局部瞬态、谱漂移与背景噪声如何影响特征表示、模型设计与异常评分。第四,从实际部署视角总结若干开放挑战,包括一次性适应、阈值与报警成本设计、时频定位、多传感器证据对齐、在线与增量学习、边缘实现以及可复现的评估。通过上述目标,本综述旨在提供问题导向的视角,将基准演进、声学信号属性、方法设计与现实部署约束贯通起来。

章节摘录

数据集与评估指标

公开数据集与评估指标为异常声音检测(ASD)研究提供了实证基础。表 2 汇总了代表性的 ASD 基准及相关声学异常数据集。这些数据集界定了可用的训练数据、所考虑的声学源与异常类型、模型评估所处的域条件,以及比较不同方法所采用的标准。由于异常声音在训练期间往往稀有或不可得,因此 ASD 通常采用仅正常训练设定。

方法分类体系

在第 2 节所述的数据集设定与评估指标基础上,本节从问题导向(而非严格的时序或基于架构的顺序)回顾 ASD 方法。经典统计模型在声学状态监测与异常检测中出现较早;而以重建为基础的深度学习模型则在仅用正常样本的 ASD 基准中被广泛采用,因为它们天然契合异常样本稀缺或不可得的场景。此外,更……

开放挑战与未来研究议程

ASD 借助公开基准、深度表示学习、一次性学习设定以及多传感器数据集取得了快速发展。然而,从基准性能走向可靠的现实部署仍充满挑战。当前 ASD 系统仍面临若干未解决问题,包括异常稀缺、域偏移、评分不稳定、一次性泛化有限、部署约束以及可解释性不足。

其中一项根本性挑战是异常的稀缺与……

结论

本综述通过数据集、评估协议、方法范式与部署需求之间相互关联的视角,考察了异常声音检测(ASD)的最新进展。公开基准的演进表明,ASD 已从仅用正常样本的机器声音检测,逐步迈向域偏移与域泛化设定、一次性部署以及多传感器监测。这一进展说明 ASD 不仅是一个模型设计问题,更是……

生成式 AI 及 AI 辅助技术在写作过程中的声明

在撰写本作品过程中,作者使用 ChatGPT 以提升英文呈现的清晰度、可读性与学术质量,并协助部分表格的组织与格式化。该工具未被用于生成或修改本手稿中呈现的研究数据、分析、结果或结论。在使用该工具之后,作者对所有 AI 辅助内容进行了必要的审阅与修改,并对手稿内容负全部责任。

伦理声明

本综述文章不适用机构审查与信息知情同意。

CRediT 作者贡献声明

Fengtao He:初稿撰写、可视化、方法论、调研、数据整理、概念化。Zhaoyang Li:审阅与编辑、初稿撰写、资源。Mingyue He:审阅与编辑、可视化、方法论、调研、数据整理。Yulu Fang:审阅与编辑、资源、调研。Boda Zhou:审阅与编辑、资源、调研。Jianqiao Zhao:审阅与编辑。Jinhui Zhao:审阅与编辑。Qisheng Xu:…… Zhenzhen Jia:……

利益冲突声明

作者声明不存在已知的、可能影响本文所报告工作的竞争性经济利益或个人关系。

作者简介

Fengtao He 是澳大利亚新南威尔士大学硕士研究生。2024 年,他获得西交利物浦大学理学学士学位。研究方向包括 AI for Science、信号处理与大语言模型。其先期发表的工作探讨了机器人视觉与非侵入式脑机接口的整合。邮箱:fengqiaoyebo0623@gmail.com。

作者名单:Fengtao He | Zhaoyang Li | Mingyue He | Yulu Fang | Boda Zhou | Jianqiao Zhao | Jinhui Zhao | Qisheng Xu | Zhenzhen Jia
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号