《Expert Systems with Applications》：A Novel Method for Anomaly Detection using Graph Signal Embedding: Application to Anomalous Sound Detection
编辑推荐：
异常声音检测（Anomalous Sound Detection, ASD）是融合音频信号处理与异常检测的新兴领域，旨在实现对异常声学事件的精准识别。传统ASD面临两大核心瓶颈：一是异常样本天然稀缺，导致数据集呈现严重类别不平衡，例如道路场景中交通事故声远少于
异常声音检测（Anomalous Sound Detection, ASD）是融合音频信号处理与异常检测的新兴领域，旨在实现对异常声学事件的精准识别。传统ASD面临两大核心瓶颈：一是异常样本天然稀缺，导致数据集呈现严重类别不平衡，例如道路场景中交通事故声远少于常规交通噪声；二是标准音频特征（如梅尔频率倒谱系数，Mel-Frequency Cepstral Coefficients, MFCC）在强噪声环境（如工厂、鸡尾酒会场景）下表征异常的能力有限。针对上述问题，研究人员提出一种基于图信号处理（Graph Signal Processing, GSP）的创新框架，通过在异常检测流程前引入图嵌入与滤波模块，提升现有方法的性能。具体实现分为四步：首先提取MFCC或对数能量（log-Energy）等声学特征并嵌入图结构；其次可选地使用图滤波器组对构建的图进行滤波处理；随后计算滤波后图的联合傅里叶变换（Joint Fourier Transform, JFT）幅度；最终将提取的特征输入单类支持向量机（One-Class SVM, OC-SVM）、孤立森林（Isolation Forests）或自编码器（Autoencoders）等半监督异常检测方法，且仅使用正常数据进行训练。为验证所提方法的有效性，研究人员在不同类型的声音与异常场景下开展实验，每种异常检测方法均对比了带图嵌入与不带图嵌入的性能差异，并在图嵌入条件下测试了路径图（Path）、环形图（Ring）、全连接图（Fully-Connected）、传感器网络图（Sensor-Network）等多种图拓扑结构的效果。实验结果一致表明，所提出的图嵌入与滤波技术能够显著提升所有测试异常检测方法的性能。
该研究发表于《Expert Systems with Applications》，针对异常声音检测（ASD）中异常样本稀缺导致的数据集不平衡，以及标准声学特征在强噪声环境下表征能力不足的核心问题，提出基于图信号处理（GSP）的半监督检测框架。研究人员通过将声学特征映射为图信号，利用图结构的拓扑关系挖掘特征间的潜在关联，突破了传统向量特征无法建模空间依赖的限制。实验在道路交通监控、机器故障检测、音乐流派识别三类典型场景下验证了方法的有效性，证明图嵌入与滤波模块可使半监督单类分类器的性能逼近全监督二分类器，为低资源条件下的异常声学事件识别提供了轻量化解决方案。
关键技术方法包括：采用MIVIA、GTZAN、MIMII三个公开数据集构建包含道路交通异常、机器故障、新型音乐流派的测试队列；通过MFCC提取声学特征并映射为图信号，对比路径图、环形图、全连接图、传感器网络图等六种拓扑结构的性能差异；设计可选图滤波模块，采用简单紧框架小波（STFW）与指数窗（ExpWin）滤波器处理图信号；计算联合时-图傅里叶变换（JFT）提取频域特征，输入OC-SVM、自编码器（AE）、孤立森林（IF）三种单类分类器完成训练与测试。
研究结果如下：
- 1.
道路监控场景（RTS）：在仅含车祸异常的MIVIA数据集上，无图嵌入的基线OC-SVM AUC仅为0.56，而结合余弦相似度（CS）图与STFW滤波的GF-OC-SVM模型AUC提升至0.94，准确率从0.23升至0.92，异常类F1分数从0.25提升至0.86，性能接近全监督二分类SVM（AUC 0.90）。
- 2.
音乐流派检测（MGD）：针对混合音乐流派异常，GF-OC-SVM模型在CS图与ExpWin滤波配置下AUC达0.99，准确率达0.99；针对含babble噪声的音乐片段，G-AE模型在无滤波的传感器网络（SN）图配置下AUC为0.85，较基线AE提升0.18，证明图嵌入可有效增强噪声环境下的特征判别性。
- 3.
机器故障检测（MFD）：在MIMII风扇电机数据集上，当信噪比（SNR）为-6×10B时，全连接（FC）图嵌入的G-AE模型AUC达0.94，优于全监督二分类SVM的0.77；孤立森林（IF）在所有噪声条件下均未从图嵌入中获得显著提升，表明图结构对分类器的适配性存在依赖。
讨论部分指出，图嵌入通过重构特征空间分布，使正常与异常样本的簇间距增大、簇内离群点减少，从而提升单类分类器的决策边界清晰度。空间拓扑图（如FC、CS）因能建模特征间的全局关联，性能显著优于路径图、环形图等时序拓扑结构；图滤波可进一步提取图信号的频域特征，其增益随噪声强度增加而凸显。研究同时发现，当基线分类器本身适配ASD任务时，图嵌入可带来稳定提升；若基线模型性能不足（如IF），图嵌入不会降低原有性能。该方法无需修改分类器结构即可实现半监督性能向全监督水平逼近，为弱监督声学事件识别提供了低复杂度技术路径。
研究结论表明：所提GSP框架通过图嵌入与可选滤波操作，可将传统声学特征转化为具有更强判别性的图域特征，使半监督ASD方法的性能在三类应用场景下均获得显著提升，部分配置下甚至超越全监督二分类器。该技术无需依赖大量标注异常数据，在强噪声环境中表现出鲁棒性，可作为通用特征增强模块集成至现有ASD系统中。未来研究将聚焦于动态图结构与超图学习，以进一步优化拓扑参数对时变声学信号的适配能力。
