说起声音检测技术，首先我们需要把它与语音识别和声纹识别区分开来。 从声音特性来看，声音可以分为三类：语音、音乐和环境声。目前主流的语音识别和声纹识别技术都是针对语音信号处理的，技术发展比较成熟。下面提到的声音检测技术主要是针对环境声。 音频信号信息丰富，在很多视觉、触觉和嗅觉不适应的场合都具有独特的优势。声音信号通常被认为与振动信号有较大的相关性，但声音信号是非接触式的，避免了振动信号数据采集的困难。基于通用音频/环境声的CA技术属于AI在音频领域的分支，直接面向社会经济生活的方方面面，在医疗卫生、制造、交通、安防、仓储、农林牧、渔业、水利、环境和公共设施管理、建筑、采矿、日常生活、身份识别、军事等数十个领域，是一项非常实用的技术。 目前，该领域在国内外已开始发展，但在许多研究和应用领域仍接近空白，具有无限广阔的发展前景。
在声源定位过程中，计算出阵列的波束方向图后，一般有两个步骤： 1）找到波束峰——即寻找主瓣的峰，因为主瓣此时的峰（最高的小山）对应的空间角度就是声源的方向，而方向可以获得声源的信息。 2）空间位置映射——计算出声源方向后，可以根据阵列的已知位置信息进行空间映射，计算出声源的相位。正确的位置。 可以看出，整个声源定位的核心步骤是前两步，因为主瓣对应的空间角度的精度直接决定了声源定位系统的精度。前面我们说过，主瓣宽度越窄，相对旁瓣越高，定位精度越高，抗干扰能力越强。 基于这个原因，我们常见的声源定位系统一般选择大孔径的均匀阵列，这是提高声源定位系统精度的最简单粗暴的方法，因为合成波束的主瓣也很高。和狭窄。因此，在常见的声源定位系统中，主瓣宽度（3dB宽度）常被用作一个非常重要的系统指标。
噪声源识别方法大致可分为两类： 第一类是常规声学测量分析方法，包括分离作业法、分离覆盖法、近场测量法、地表速度测量法等。 第二类是声信号处理方法，它是在现代信号分析理论的基础上发展起来的，如声强法、面强法、谱分析、倒谱分析、互相关和互谱分析、相干分析等。到这一类方法。 在不同的研究阶段，可以根据声源的复杂程度和研究工作的需要，选择不同的识别方法或多种方法组合使用。