Central AsianResearch Index

Методы и подходы к обнаружению звуковых событий в чрезвычайных ситуациях

В статье представлен комплексный анализ существующих методов и подходов в области обнаружения звуковых событий (Sound Event Detection, SED) в окружающей среде. Рассмотрены теоретические основы задачи SED, методы представления акустических сигналов (MFCC, Mel-спектрограмма, DCT-спектрограмма, кохлеограмма), традиционные методы машинного обучения (GMM, HMM, SVM), а также современные модели глубокого обучения (CNN, RNN/LSTM, CRNN, Transformer). Анализ показывает, что в период 2000–2012 гг. использование вручную сформированных признаков и классических алгоритмов обеспечивало точность 65–75 %, тогда как после 2012 года применение методов глубокого обучения позволило повысить точность до 85–96 %. Наиболее высокие результаты (свыше 90 %) демонстрируют сверточно-рекуррентные нейронные сети (CRNN), эффективно моделирующие локальные частотные признаки и временной контекст в сочетании с ансамблевыми методами. В работе также проанализированы широко используемые наборы данных (ESC-50, UrbanSound8K, AudioSet, FSD50K) и обоснована необходимость создания специализированных датасетов для обнаружения чрезвычайных ситуаций вблизи жилых зданий. Кроме того, рассмотрены основные практические проблемы, включая чувствительность к шуму, выполнение в режиме реального времени и вычисления на периферийных устройствах (edge computing), а также перспективные направления развития, такие как модели Transformer, self-supervised learning и мультимодальное объединение данных.

Сведения

Опубликовано
2026 · Т. 9, № 3, С. 53-74
Язык
Русский
ISSN
2181-3086 · 2181-3094
Издатель
Samarkand branch of Tashkent University of Information Technologies