基于生成对抗单分类网络的异常声音检测

作者：薛英杰; 韩威; 周松斌^*; 刘忆森

来源：吉林大学学报(理学版), 2021, 59(06): 1517-1524.

DOI：10.13413/j.cnki.jdxblxb.2021067

• 自编码器
• 生成对抗网络
• 声音异常检测

针对正常和异常声音可能具有较大的相似性,有时无法利用自编码器重构误差大小区分的问题,提出一种生成对抗单分类网络方法进行异常声音检测,通过多次训练,该方法学习正常样本的分布特征.在测试过程中,测试正常样本能以极小的误差进行重构,而异常样本重构效果较差,在某些频率段会发生畸变,从而给出判别分类结果.实验采用UrbanSound8K公开数据集和实测电机声音数据集进行了测试,获得该方法的准确率分别为86.3%和98.1%,比卷积自动编码器等主要深度学习方法分别提高了5.0%和3.0%.

• 单位
  广东省科学院; 自动化学院; 昆明理工大学