声音事件检测（Sound Event Detection,SED）是利用声音信号的特征去预测其声音事件种类的技术,它在智能家居、公共安全等领域具有较为广阔的应用前景。传统的声音事件检测技术一般基于GMM-HMM模型,其识别准确率较低,且编解码计算复杂度较大,难以在实际生活中得到应用。与传统的机器学习方法相比,近年来国内外研究人员提出了基于神经网络（Neural Network,NN）的检测方法,显著提高了识别准确率。然而,基于NN的SED算法的一个主要问题是它们通常涉及大量参数和浮点运算数（floating point operations,FLOPs）,从而导致较高的处理延迟与硬件开销,使得基于NN的方法一般难以适用于要求低延迟和低存储的物联网设备。因此,构建网络复杂度低且识别准确率较高的声音事件检测算法成为本文的研究重点。论文设计了一种低复杂度高准确率的轻量级声音事件检测算法,并在该算法基础上实现了基于FPGA-DPU的声音事件检测系统。以下为本文的主要工作:首先,由于目前声音事件检测算法存在参数量与FLOPs较高的问题,本文使用了一种选择性可分离卷积机制。该机制能够有效降低算法的参数量与FLOPs,同时达到了较高的识别准确率。然后,为了在维持低算法复杂度的基础上提高声音事件检测算法的识别准确率,论文使用了一种协调注意力机制。该机制基本不增加算法的复杂度,可同时作用于通道域、时域和频域,让检测算法重点关注与声音事件检测有关的特征和区域,减少对检测任务影响小的区域的关注。随后,将本文中的轻量级声音事件检测算法通过FPGA的深度学习处理单元（DPU）进行了实现,从而构建了一个基于FPGA-DPU的声音事件检测系统。该系统基于ZCU104平台来开发设计的,通过使用Vivado2020、DNNDK与Peta Linux开发平台完成DPU的部署。最后,在常用的声音事件检测数据集（ESC-50、ESC-10和Urban Sound8K）上进行了测试与分析。本文设计的轻量级声音事件检测算法的总参数量仅为0.246M,算法的FLOPs仅为203M,在ESC-50数据集准确率为87.3%。在基于FPGA-DPU的声音事件检测系统中,ESC50与ESC10数据集中单个音频平均识别时间为8.24ms（Urban Sound8K为6.6ms）,完全满足实时性的需求。