说起声音检测技术，首先我们需要把它与语音识别和声纹识别区分开来。 从声音特性来看，声音可以分为三类：语音、音乐和环境声。目前主流的语音识别和声纹识别技术都是针对语音信号处理的，技术发展比较成熟。下面提到的声音检测技术主要是针对环境声。 音频信号信息丰富，在很多视觉、触觉和嗅觉不适应的场合都具有独特的优势。声音信号通常被认为与振动信号有较大的相关性，但声音信号是非接触式的，避免了振动信号数据采集的困难。基于通用音频/环境声的CA技术属于AI在音频领域的分支，直接面向社会经济生活的方方面面，在医疗卫生、制造、交通、安防、仓储、农林牧、渔业、水利、环境和公共设施管理、建筑、采矿、日常生活、身份识别、军事等数十个领域，是一项非常实用的技术。 目前，该领域在国内外已开始发展，但在许多研究和应用领域仍接近空白，具有无限广阔的发展前景。

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。