環境聲事件檢測領域還存在很多問題，往往導致在實際場景中的應用不盡如人意。具體問題總結如下： 1、流行聲學特征+機器學習環境聲事件識別方法在實際場景中表現不佳，信噪比低。例如，在高信噪比下，目標聲音事件的召回率高，但準確率低（背景噪聲容易識別為目標聲音事件）。 );在較低的信噪比下，識別效果普遍較差。 2、語音識別領域缺乏端點檢測技術來降低背景噪聲對識別的影響。 3. 缺乏大量的環境聲數據集來支持環境聲事件識別領域的研究。 4、環境聲降噪技術研究不足。 在這里，希望通過前輩們的知識積累和后輩們的不斷研究，盡快克服困難。

什么是聲源定位？ 噪音和異響在日常生活和工業生產中很常見，例如：汽車行駛過程中出現異常的嘯叫聲，工業生產中帶式輸送機的異常摩擦聲。要解決這些噪聲問題，首先要對噪聲進行識別，確定噪聲的來源以及是什么設備或部件造成的。這就是聲源定位的問題。聲源定位技術是一種確定空間聲源方向的技術。聲源定位技術可用于噪聲聲源定位，也可用于其他聲源定位。 在日常生活中，我們的耳朵會聽到各種聲音并對其進行識別和定位，這就是所謂的“聽定位”。當有人發出聲音時，人耳很容易知道喊叫的人在哪里；人耳還可以輕松判斷經過的汽車的方向，甚至可以大致知道汽車的距離；經過專業訓練，人耳也可以挑戰一些高難度的聲源定位要求，比如盲人也可以踢足球。 但人耳原有的聲音定位功能畢竟只是解決生命和生存的問題，識別精度和時間都有一定的局限性。在現代工業化社會的生產生活中，人耳已經不能滿足很多場景下聲源定位的要求。 總之，噪聲識別與聲源定位技術是對傳感器、數據采集、信號處理等技術進步的綜合應用，它模擬人耳的聲音定位機制，實現了比人耳更高的定位精度。頻率范圍，聲音強度大小的范圍較大。

噪聲源識別方法大致可分為兩類： 第一類是常規聲學測量分析方法，包括分離作業法、分離覆蓋法、近場測量法、地表速度測量法等。 第二類是聲信號處理方法，它是在現代信號分析理論的基礎上發展起來的，如聲強法、面強法、譜分析、倒譜分析、互相關和互譜分析、相干分析等。到這一類方法。 在不同的研究階段，可以根據聲源的復雜程度和研究工作的需要，選擇不同的識別方法或多種方法組合使用。