声音事件检测旨在识别输入音频信号中所包含的目标声音事件并确定事件出现的起止时间。声音事件检测在人们对真实环境的感知和交互方面发挥着重要作用,在智能监控,自动驾驶和医疗保健等领域有着巨大的应用价值。随着深度学习技术的发展,基于深度神经网络的声音事件检测取得了显著的效果提升。数据驱动的深度神经网络依赖大量的训练数据,而现有声音事件检测数据集的规模较小,这制约了深度神经网络在声音事件检测中的发展。声音事件检测使用的强标签需要标注事件类别和起止时间,但是人工标注时间信息容易产生错误,且标注成本很高,这些因素阻碍了大规模声音事件检测数据集的构建。为了缓解训练数据与模型性能之间的矛盾,弱标签声音事件检测研究逐步成为重要的研究方向。弱标签声音事件检测使用的弱标签仅提供声音事件的类别信息,而不提供起止时间信息。弱标签声音事件检测任务一般使用结合卷积循环神经网络的多实例学习法来解决。当前,基于多实例卷积循环神经网络的弱标签声音事件检测仍存在两方面的难点:一方面,真实场景下的音频往往存在多种重叠声音事件同时出现的情况,而音频本身又缺乏声音事件的标注信息,导致模型难以准确提取声音事件特征。再加上不同声音事件的时频特征差异和背景噪声的干扰,这些因素都严重影响模型对声音事件的特征表征。另一方面,在多实例弱标签声音事件检测中,标签池化函数对帧级分类结果的整合性能是提高弱标签声音事件检测效果的关键。然而现有标签池化函数在正确选择事件帧并忽略背景帧方面的能力仍显不足,并且很难保证对于不同特点的声音事件都能提供良好的整合性能。因此,本文重点针对弱标签声音事件的特征表征和标签池化方法这两个难点开展以下研究工作:（1）提出一种弱标签声音事件检测的多尺度空间-通道特征表征方法。该方法首先利用卷积层、上下文门控单元和“挤压-激励”单元构建一种空间-通道注意力结构,以替换卷积循环神经网络中的卷积部分。上下文门控单元筛选特征图上重要的特征区域,“挤压-激励”单元则建立不同特征通道之间的关联。这样该结构就具备对特征图中有用的空间特征与通道特征的选择能力,突出存在声音事件的区域,从而提取到有意义的声音事件特征,增强模型对声音事件的表征能力。考虑到音频中不同声音事件的时频特征差异较大,该方法在上下文门控单元的基础上进一步设计了多尺度上下文门控单元,形成多尺度门控空间-通道注意力结构。多尺度上下文门控单元在不同分辨率模式下提取特征图中重要的空间特征并进行融合,避免部分声音事件的特征信息丢失。因此多尺度门控空间-通道注意力结构可以捕获声音事件的多尺度信息,有效加强模型对不同声音事件的区分度。（2）提出一种弱标签声音事件检测的自注意标签池化方法。该方法可以构建音频中声音事件特征的内部相关性,进一步突出存在声音事件的音频帧。该方法先利用自注意思想构建查询矩阵、键矩阵和值矩阵,并使用多层感知机替换原有的缩放点积的计算方式,使自注意计算更符合弱标签声音事件检测的特点。最后通过自注意计算得到每帧的权重值,实现帧级分类结果的整合。自注意标签池化函数将音频特征作为输入建立各音频帧之间的关联,加强存在声音事件的音频帧之间的相关性,同时增大背景帧与事件帧之间的不相关度,从而在标签池化阶段进一步突出事件帧。此外,本文还从反向传播过程中梯度变化角度出发,进一步分析自注意标签池化函数的特点及与其他标签池化函数的差异。本文在DCASE 2018任务4和DCASE 2017任务4两种数据集上开展一系列弱标签声音事件检测实验,并与当前取得最佳结果的其他方法进行对比。实验结果表明,本文所提方法均能显著提升弱标签声音事件检测的检测效果,且优于当前大部分的弱标签声音事件检测方法。