VIP20
本课程属于：014-TinyML音频分类与声学事件检测 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

8. TinyML音频异常检测：无监督模型识别设备异响

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 无监督音频异常检测在TinyML中的…
课程导入学习目标
02
音频基础与数字信号处理
采样率 · 位深 · 时域/频域表示
音频基础数字信号处理
03
设备异响的特点与挑战
异响类型（冲击 · 摩擦 · 啸叫等）
设备异响的特点挑战
04
TinyML与边缘部署概述
微控制器资源限制（内存 · 算力 · 功耗）
TinyML边缘部署概述
05
无监督学习基础
聚类 · 自编码器 · 单类分类（One-Class Cla…
无监督学习基础聚类
06
音频特征工程
MFCC · 梅尔频谱 · 过零率
音频特征工程MFCC
07
数据准备与增强
无监督场景下的数据收集策略 · 数据清洗 · 切片
数据准备增强
08
基于自编码器的异常检测
自编码器原理 · 训练过程 · 重构误差作为异常分数
基于自编码器的异…自编码器原理
09
基于单类支持向量机（OCSVM）的音频异常检测
OCSVM原理 · 核函数选择 · 在音频特征上的应用与调参
OCSVM基于单类支持向量…
10
基于孤立森林的音频异常检测
孤立森林算法原理 · 特征子采样 · 在音频异常检测中的适用性与实践
基于孤立森林的音…孤立森林算法原理
11
基于聚类的方法
K-means · GMM等聚类模型用于正常声音建模 · 以及基于距离/密度的异常判定
基于聚类的方法K-means
12
轻量化模型设计
模型剪枝 · 量化（INT8） · 知识蒸馏
轻量化模型设计模型剪枝
13
TinyML音频处理流水线
从麦克风采集 · 预处理 · 特征提取到模型推理的完整流程
TinyML音频处理流水线
14
模型训练与验证
无监督训练集构建 · 验证集划分 · 评估指标（精确率
模型训练验证
15
案例实战
基于Arduino Nano 33… · 特征提取 · 自编码器训练与部署
案例实战Arduino
16
案例实战
基于ESP32的空调压缩机异常检测 · 实现低功耗实时监控
案例实战ESP32
17
案例实战
基于STM32的轴承故障检测 · 处理高采样率音频数据
案例实战STM32
18
案例实战
基于树莓派Pico的泵体异响检测 · 实现边缘端连续监测
案例实战Pico
19
模型压缩与部署工具
TensorFlow Lite fo… · Edge Impulse · STM32Cube.AI等工具链的使…
模型压缩部署工具
20
实时性与功耗优化
推理时间优化 · 低功耗模式设计 · 事件驱动采样与唤醒机制
实时性功耗优化
21
异常分数与阈值设定
不同模型的异常分数分布 · 自适应阈值方法 · 以及避免误报/漏报的策略
异常分数阈值设定
22
多传感器融合与上下文感知
结合振动 · 温度等信号提升音频异常检测的准确性 · 以及多模态特征融合方法
多传感器融合上下文感知
23
模型鲁棒性与泛化
应对环境变化 · 设备差异 · 噪声干扰的域适应与数据增强策略
模型鲁棒性泛化
24
常见问题与调试
特征提取错误 · 模型不收敛 · 过拟合
常见问题调试
25
模型更新与持续学习
在设备端进行增量学习 · 模型热更新 · 以及无监督场景下的概念漂移处理
模型更新持续学习
26
安全性与隐私
音频数据隐私保护 · 模型加密 · 防篡改
安全性隐私
27
综合实战项目
设计一个完整的TinyML音频异常检… · 从需求分析 · 方案选型
综合实战项目TinyML
28
性能评估与优化
在真实设备上评估延迟 · 内存占用 · 功耗
性能评估优化
29
前沿趋势与扩展
自监督学习 · Transformer轻量化 · 神经架构搜索在TinyML音频异常检…
前沿趋势扩展
30
课程总结与进阶路径
核心知识回顾 · 常见误区 · 学习资源推荐
课程总结进阶路径