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。
环境声事件检测应用具有重要的它具有现实意义，例如通过检测公共场所的异常声音来监测公共场所的安全，通过检测野生动物的声音来监测野生动物的活动区域或生活状况，以及实时检测设备的运行声音。监控设备运行状态等。 目前在环境声音事件检测领域有两种声音检测方案，一种叫异响检测，另一种叫异响识别。所谓异响检测就是检测是否有异响，但无法确定是哪种异响；异音识别就是对异音进行分类，从而知道检测到什么样的异音，达到识别诊断的目的。 异常声音检测的一般方法是对背景环境声音进行建模，与模型不匹配的都是异常声音；而异音识别则是对异音进行建模，凡是符合模型的都是某种异音。声音。这两种方法的原理其实来自于声音识别，本质上就是训练一个分类器。声音识别的关键是分类器的判别，即模型的准确性，它由选择的声学特征和声音模型决定。
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。
