异常声音检测

针对健康机动与故障在声音上容易混淆的问题，该工作用去噪加机动条件重构只学习健康声音，用重构误差做异常分，在同一划分下完整模型 AUC 达到 0.884，但误报率上升到 0.296 且端到端延迟约 20 ms 主要来自去噪网络。

共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读

针对局部密度归一化随邻域增大而跨簇失效的问题，该工作提出按距离跳变逐样本截断邻域的簇出口检测，在五种嵌入与五个 DCASE 基准上提高了对邻域大小选择的鲁棒性，但全局平均增益温和且高度依赖数据集的异质结构。

针对异常声音检测中一机一模型部署成本高的问题，UD-ASD 用条件投影器加条件扩散重建加高斯混合打分实现统一建模，在 DCASE2022 Task2 上报告了相对基线的 AUC 与 pAUC 提升，但仍依赖准确机器标签且推理需要多步采样。

论文以 WavLM 与 wav2vec 2.0 的 12 层帧表示为对象，用 k 近邻估计的局部本征维度量扰动引起的几何膨胀，并报告该膨胀与词错误率退化同向出现、层级 LID 向量可区分对抗与良性输入，但高信噪比下可分性与攻击成功率同步下降。

针对只用正常声音训练、测试需跨工况统一阈值判异常的问题，该文把整流流匹配搬到紧凑音频特征空间并用近邻正常样本的失配做局部校准，在 DCASE 2020-2025 六年平均分报告 71.01，代价是仍依赖微调特征与逐查询多路径前向计算。

该研究针对单速链式输送机整机故障，构建三音频加四振动同步数据集并用冻结编码器加通道级 k 近邻统一评测，报告显示音频在检测占优而融合在分类最强，但跨速度与噪声泛化仍留有余量。

论文研究无异常标签时能否预测 kNN 异常检测性能，推导 AUC 下界并用局部尺度分解内点分数方差，再用嵌入空间伪异常估计分离度，在 DCASE 2022-2025 共 208 个候选系统上显示 Diverse 伪异常的 Pseudo AUC 可超越有异常开发集选择，但代价是依赖语义元数据与伪异常构造质量。

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

论文把标准评测中已知机器身份的假设拿掉后联合评测，发现判别式模型退化最小而依赖机器专属分数的方法退化明显，且退化程度与隐式机器识别准确率相关，但局部密度归一化为例外显示识别准不是高检测性能的必要条件。

针对无监督异常声音检测中正常与异常机器声高度相似、单条通用描述难以支撑差异总结的问题，论文提出推理时两阶段多样且判别性束搜索解码，用多条组内多样加跨音频互斥的描述供给大语言模型汇总，主观评估显示更具体可辨但未承诺延迟与误判改善。

针对仅用正常录音训练时自编码器会重建异常输入的问题，该研究把每段音频压缩为一条 LPC 谱包络并只用正常字典的记忆加权来重建，在 MIMII 上以 90.6% 平均 AUC 超过 GRLNet 的 77.2%，代价是 Toy-conveyor 这类依赖细粒度时频线索的机器类型上 LPC 平滑可能削弱区分性。

针对只有正常机声可训练的异常声音检测，该文用两层 MuReNN 加注意力与可训练幂变换提取谱时调制并以 Deep SVDD 把正常样本压向超球面中心，在 MIMII 上平均 AUC 达 90.3%，代价是在 -6 dB 强噪声下落后于带去噪重建的 DeSpaWN。

针对含噪机器声中最近邻匹配不可靠的问题，该研究用机器与噪声标注加混合对齐做保留式再预训练，在受控信噪比与噪声失配下相对 BEATs 提升低信噪比约 4.1、平均约 3.1，代价是仍与嵌入混合上界有差距且依赖固定的 0.5 混合系数。

该研究把任务定为无监督异常定位以减少人工听音时间，只用风声训练两层 LIF 脉冲网络并结合重构与发放统计打分，在稀疏合成集上报告 83% 召回与 80% 时间缩减，代价是 F1 偏低且对短密事件与未见底噪仍不稳定。

该研究把短暂宽带点击嵌入播客自然静音进行间歇采集与加权平均，在 1.5×播放约每分钟 102 次点击下取得平均约 5 dB 误差并把舒适度从 1.0×的低位提升到高位，代价是点击过少时误差底抬高。

共 1 篇 ICASSP 2026 异常声音检测 方向论文

异常声音检测 | 8.5/10