تشخيص صداهايي نظير صداي گلوله، اره برقي، اتوموبيل و موتور و صداي انسان از صداهاي طبيعي موجود در محيط، بر اساس الگوريتم هاي پردازش صوت و گفتار قابل پياده سازي است. پياده سازي اين سيستم در قسمت نرم افزاري آن از دو قسمت مهم تشكيل شده است: -\\\\tاستخراج ويژگي كه با توجه به طبيعت ذاتي صوت و نحوه عملكرد گوش انسان در تشخيص صوت به فشرده سازي اطلاعات مي پردازد تا پردازشگر سريع تر و با دقت بيشتر به بررسي اطلاعات بپردازد. -\\\\tتشخيص دهنده كه بر اساس الگوريتم هاي هوش مصنوعي نظير شبكه عصبي و سيستم هاي آماري نظير HMM به بررسي و تشخيص صداهاي موجود در محيط مي پردازد. براي تشخيص هرچه بهتر اين اطلاعات، بايد از مدلهاي تركيبي آماري و هوش مصنوعي استفاده نمائيم و مدلهاي آماري نياز به ديتابيس دارند. مي توان اين ديتابيس را بر اساس مدل آماري استخراجي از انواع صداهاي مورد نظر نظير گلوله، استخراج كرد و هر چه ميزان داده هاي ورودي براي تشكيل ديتابيس بيشتر باشد، دقت سيستمي كه در مرحله آموزش خود از اين ديتابيس استفاده كرده است، بيشتر خواهد شد. مرحله آموزش اوليه سيستم يكبار قبل از راه اندازي سيستم اجرا مي شود و آموزش تدريجي سيستم نيز با توجه به فيدبكهاي آن در محيط تكميل مي شود. تخمين دقت اوليه براي يك سيستم تشخيصي بصورت يكتا (بدون در نظر گرفتن اطلاعات نقاط اطراف) بسيار دقيق است كه با آموزش تدريجي سيستم، اين دقت بالاتر و بصورت بلادرنگ مي رسد.