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。

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。