环境声事件检测领域还存在很多问题，往往导致在实际场景中的应用不尽如人意。具体问题总结如下： 1、流行声学特征+机器学习环境声事件识别方法在实际场景中表现不佳，信噪比低。例如，在高信噪比下，目标声音事件的召回率高，但准确率低（背景噪声容易识别为目标声音事件）。 );在较低的信噪比下，识别效果普遍较差。 2、语音识别领域缺乏端点检测技术来降低背景噪声对识别的影响。 3. 缺乏大量的环境声数据集来支持环境声事件识别领域的研究。 4、环境声降噪技术研究不足。 在这里，希望通过前辈们的知识积累和后辈们的不断研究，尽快克服困难。
对噪声源识别的要求主要有以下两个方面： 确定噪声源的特性，包括声源类型、频率特性、变化规律和传播渠道。在复杂的机械中，往往很难用一种测量方法清楚地区分主次声源及其特性。因此，往往需要结合各种测量方法和信号处理技术，才能最终达到明确识别的目的。 确定产生噪声的部位、主要发声成分等，以及各噪声源在总声级中所占的比例。对于多声源噪声，控制噪声的主要方法之一是在发声元件中找到占总噪声级比例最大的声源噪声，并采取措施降低噪声，可达到事半功倍的效果。 噪声源识别方法很多，在复杂度、准确度、成本等方面存在很多差异。在实际使用中，可根据研究对象的具体要求和可能的人力物力条件来确定。
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。
