异常声音检测与噪声感知自我监督学习的结合

在本文中，我们介绍了用于噪声感知异常声音检测（NA-ASD）的噪声感知自监督学习（NA-SSL）模型。 NA-ASD 是一项具有双通道音频记录的 ASD 任务，其中一个麦克风靠近目标机器，另一个麦克风位于较远的位置以捕获噪声。对于此任务，我们使用不同的音频数据集模拟两通道录音，并训练 NA-SSL 模型，通过使用以背景噪声为主的远麦克风录音作为辅助信息来提取近麦克风信号的干净 SSL 表示。然后，NA-SSL 模型用作标准 ASD 框架中的前端。我们对 DCASE 2026 挑战任务 2 开发数据集的实验评估证明了 NA-SSL 框架在三个基本 SSL 模型（BEAT、EAT 和 Dasheng）上的有效性，无论是否有判别性 微调。此外，挑战结果证明了该方法的有效性，NA-BEATs系统以较大优势赢得了挑战，官方得分为70.24%，而第二名系统则为65.46%。