摘要：专门用于城市环境中飞机声学探测和识别的音频数据集，包含12.4小时的训练和测试音频，涵盖301架独特飞机的625个样本，每架飞机配有14个非声学标签（制造商、型号、发动机类型、螺旋桨型号等）用于细粒度分类。
数据集概述
专门用于城市环境中飞机声学探测和识别的音频数据集，包含12.4小时的训练和测试音频，涵盖301架独特飞机的625个样本，每架飞机配有14个非声学标签（制造商、型号、发动机类型、螺旋桨型号等）用于细粒度分类。数据集额外提供6小时的连续城市声景音频（带有飞机标注），用于验证和测试实时应用。数据集中绝大多数飞机样本（625个中的467个）为双发涡扇飞机，其中波音737-800型飞机占比最高（231个），涡桨飞机出现114次（最常见的是皮拉图斯PC-12，27个），其余样本包括活塞式飞机（36个）、直升机（5个）和四发涡扇飞机（3个）。环境音频部分包含6小时每5秒间隔的类别标注，负类”0″表示无可听见的飞机声音，正类”1″表示可听到飞机声音，”忽略”类用于提供正负类之间的过渡缓冲。该数据集可用于多种音频信号处理任务，从简单的二元分类（飞机检测）到复杂的多类分类（区分发动机类型或飞机制造商），并提供适合初学者的飞机检测笔记本用于特征提取、CNN模型训练和评估。
数据结构与关键特征
数据集包含12.4小时的飞机音频样本（625个样本来自301架独特飞机）和6小时的连续城市声景音频（每5秒标注一次），飞机样本按类型分布为双发涡扇467个（74.7%，波音737-800占231个）、涡桨飞机114个（18.2%，皮拉图斯PC-12占27个）、活塞式36个（5.8%）、直升机5个（0.8%）和四发涡扇3个（0.5%），每架飞机配有14个非声学标签包括制造商、型号、发动机类型、螺旋桨型号等。关键特征包括：细粒度标签系统（14个非声学标签支持多维度分类）、双数据模式（12.4小时独立飞机样本+6小时连续城市声景，分别用于训练测试和实时应用验证）、真实城市环境（城市声景背景模拟实际应用场景）、时序标注（每5秒间隔标注，0=无飞机声、1=有飞机声、忽略=过渡缓冲）、多任务支持（从二元分类飞机检测到多类分类型号识别再到细粒度分类发动机类型等）、以及初学者友好（提供入门笔记本和完整的特征提取-训练-评估流程）。数据集的双模式设计使其既适合训练分类模型（12.4小时样本），也适合验证实时部署（6小时连续音频），14个非声学标签为研究声学特征与物理属性的关系提供了丰富的元数据。
应用价值与研究方向
该数据集在声学监测、城市安全、噪声管理和音频信号处理研究领域具有重要应用价值，可用于开发飞机声学探测系统、城市噪声监测平台、航空安全预警工具和声学识别应用。研究方向包括：基于深度学习的音频分类算法（CNN、RNN、Transformer）、飞机检测的二元分类、飞机型号识别的多类分类、细粒度特征学习（发动机类型、螺旋桨型号）、声学特征提取与分析、实时音频推理、模型压缩与微控制器部署、以及噪声源分析（哪种飞机”噪声最大”，哪些特征对噪声贡献最大如机身类型、飞机尺寸、最大起飞重量、发动机数量、发动机类型、螺旋桨型号）。数据集的14个非声学标签特别适合研究飞机特征与噪声的关系、如何从声学信号中推断飞机物理属性、以及如何训练细粒度模型并应用于大型标注数据集（如AudioSet）以提高其特异性。此外，该数据集还可扩展至其他城市声学监测（交通噪声、建筑施工）、异常声音检测、环境噪声评估等应用场景，为推动音频AI技术在城市管理和航空安全中的应用、提升低空飞行器监测能力、改善城市噪声管理、支持智慧城市建设提供重要的数据支撑和技术基础。数据集提出的研究问题（能否缩小模型到微控制器、能否实时推理）为边缘计算和嵌入式音频AI研究提供了明确方向，625个样本和301架独特飞机的规模在飞机声学数据集中较为独特，6小时连续城市声景数据支持实时应用的实际验证。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-247
文件大小：1.5G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)