基于自编码器的无监督机器异常声检测

作者：张晨旭; 李圣辰; 邵曦^*

来源：复旦学报(自然科学版), 2021, 60(03): 297-302.

DOI：10.15943/j.cnki.fdxb-jns.2021.03.004

• 无监督
• 异常检测
• 自编码器
• 深度学习

针对机器异常声音很少发生并且种类多、不稳定的问题,提出了一种基于自编码器的无监督机器异常声检测方法.首先,利用正常声音的频谱特征训练自编码器,对正常声音的特征进行重建;然后,通过自编码器重建待测音频的特征,利用待测音频的特征和重建的特征两者之间的误差值进行异常检测.采用DCASE2020 Challenge Task2数据集的实验结果表明,与Task2的基线系统相比,该方法在保证良好的分类准确率的同时,AUC值明显提高,能够提升对机器异常声音的检测效果.

• 单位
  西交利物浦大学; 通信与信息工程学院; 南京邮电大学