基于GMM估计器的时间加权频域音频表示用于异常声音检测
音频与语音处理
2023-05-08 v1 声音
摘要
尽管深度学习是无监督异常声音检测的主流方法，但以统计音频频率表示为输入的高斯混合模型（GMM）能够以更低的模型复杂度和更少的参数取得可比的结果。现有的统计频率表示，例如对数梅尔谱图在时间上的平均或最大值，并非对所有机器都始终有效。本文提出时间加权频域表示（TWFR）结合 GMM 方法（TWFR-GMM）用于异常声音检测。TWFR 是一种广义的统计频域表示，可通过时域上的全局加权排序池化适应不同机器类型。这使得 GMM 估计器即使在域偏移条件下也能识别异常，如基于马氏距离的度量可视化所示。在 DCASE 2022 Challenge Task2 数据集上的实验表明，我们的方法比近期深度学习方法具有更好的检测性能。TWFR-GMM 是我们提交方案的核心，在 DCASE 2022 Challenge Task2 中获得了第 3 名。
引用
@article{arxiv.2305.03328,
title = {Time-weighted Frequency Domain Audio Representation with GMM Estimator for Anomalous Sound Detection},
author = {Jian Guan and Youde Liu and Qiaoxi Zhu and Tieran Zheng and Jiqing Han and Wenwu Wang},
journal= {arXiv preprint arXiv:2305.03328},
year = {2023}
}
备注
To appear at ICASSP 2023