基于自编码器的无监督机器异常声检测

张晨旭，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)

异常声检测技术一直是学术界和工业界研究的热点问题之一，已被广泛地应用于音频监控[1]、畜牧业[2]、产品检查和预测性维护[3].对机器而言，异常声音可能表示一台机器存在故障，迅速发现异常能够减少有缺陷产品的数量以及防止损坏继续蔓延.异常声检测方法可以分为两种：有监督方法和无监督方法.有监督异常声检测已经定义了异常，即使异常声音比正常声音稀有，也可以收集目标的异常声音的数据集，而无监督异常声检测是根据正常声音数据集进行异常检测的任务.

根据研究思路的不同，无监督异常声检测方法大致分为两类.一种是变点检测[4]，将当前时间的声音与先前时间的声音进行比较以检测变化点并计算异常分数，但这种方法检测到的变化点并不总是由异常引起的.另一种检测方法是离群值检测[5]，先对正常声音进行建模，然后检测与正常声音模型不符的声音并计算正常声音模型与观察到的声音之间的偏差，通常称之为异常分数，当异常分数高于预定阈值时，将观察到的声音识别为异常声音.离群值检测是目前异常声检测的主流方法.

早期的研究使用各种统计模型对正常声音进行建模以计算异常分数，例如高斯混合模型(Gaussian Mixture Model,GMM)[6]和支持向量机(Support Vector Machine,SVM)[7].随着深度学习的发展，基于神经网络的方……