声事件检测(Acoustic Event Detection,AED)技术用于检测和确定音频信号中包含的特殊信息,如哭泣、爆炸、玻璃破碎、敲门等。声事件检测是音频监控、智能家居、机器人和工业探伤等领域的关键技术。本文从提升声事件检测系统的性能入手,研究和探索了深度学习技术在声事件检测中的应用。首先,本文提出了一种基于卷积循环神经网络的多特征融合声事件检测算法。该算法基于卷积循环神经网络和深度神经网络两个并行的深度学习模块,将梅尔频率倒谱系数特征和频谱特征进行了融合。算法弥补了基于梅尔频率倒谱系数特征的声事件检测系统噪声鲁棒性差的缺点,进一步提升了声事件检测系统性能。实验结果表明,本文提出的声事件分类算法具有更好的性能。其次,针对声事件检测系统在噪声干扰的场景下鲁棒性差的问题,本文提出了一种基于循环神经网络的噪声抑制算法。该算法通过循环神经网络对音频信号活动和噪声频谱增益进行建模和估计,并引入深度聚类算法提升噪声频谱估计的精度。相对于传统的谱减法和基于维纳滤波法的噪声抑制算法,该算法不仅对平稳噪声具有更好的抑制效果,对于传统噪声抑制算法无法抑制的非平稳噪声也能很好地抑制。实验结果表明,本文提出的噪声抑制算法能够更好地提升声事件检测系统的性能。最后,本文总结了声事件检测的研究重点和研究热点,对声事件检测的研究趋势进行了展望。本文分别讨论了声事件检测系统中的分类算法、噪声干扰、弱监督问题和数据标注问题,并分别介绍了针对以上问题的研究方法和研究趋势,为声事件检测的进一步研究奠定了基础。