音频特征总览

分为时域特征、频域特征、时‑频特征（最常用AI音频）、感知特征、高阶统计特征；故障诊断、语音识别、音频分类基本都用这套。

一、时域特征（原始波形直接算，速度最快）

原始时间序列 $x(n)$

1. 幅值 / 绝对幅值：波形高低，代表音量
2. RMS均方根能量：最常用音量，$\mathrm{RMS}=\sqrt{\frac{1}{N}\sum x(n{)}^2}$
3. 过零率 ZCR：单位时间穿过0轴次数；噪音、尖锐高频声音过零率高；低沉声音低
4. 峰值、峰峰值：最大最小差值；冲击噪声看峰值
5. 短时能量：分帧后每帧的能量，区分静音/有声段
6. 方差、标准差：波形波动剧烈程度

局限：看不出频率成分，只能看时间上强弱变化。

二、频域特征（FFT快速傅里叶变换得到频谱）

对一帧做FFT得到频谱$X(f)$

1. 频谱幅度谱：各个频率分量大小
2. 功率谱：幅度平方，能量分布
3. 频谱质心 Centroid：频谱“重心”，数值越高声音越尖锐明亮
4. 频谱带宽 Bandwidth：频率扩散宽度
5. 频谱滚降点 Rolloff：85%能量集中在该频率以下，区分高低频
6. 频谱通量 Spectral Flux：相邻帧频谱变化量，检测突变、撞击、故障冲击
7. 频谱平坦度 Flatness：0~1；噪声接近1，纯音调接近0
8. 谐波/基频F0：基音频率，周期性声音；机器旋转音频对应转频

三、时‑频特征（AI、故障诊断最核心！）

把音频分帧+FFT，随时间变化的频谱矩阵

1. 梅尔频谱 Mel‑Spectrogram
   模仿人耳听觉，对低频分辨高、高频压缩；绝大多数音频模型输入。
2. 梅尔倒谱系数 MFCC
   梅尔频谱再做DCT离散余弦变换，降维；语音、设备故障音频经典特征，一般取12‑40维。
3. STFT短时傅里叶谱：原始时频图
4. CQT常数Q变换：对数频率轴，适合音乐、旋转机械谐波分析
5. 小波时频图：适合非平稳、冲击瞬态故障信号（变压器异响、撞击）

四、感知特征（模拟人耳主观感受）

• 响度 Loudness：主观音量，不等同RMS
• 锐度 Sharpness：尖锐刺耳程度
• 粗糙度 Roughness：声音抖动粗糙感
• 音调 Tonality：音调显著程度

五、机器故障音频常用工程特征（你做变压器故障音频会用到）

1. 转频及其谐波幅值（旋转设备）
2. 包络谱特征：解调，提取微弱冲击故障
3. 谱峭度 Kurtosis：检测瞬态冲击！故障点放电、局部放电音频峭度显著变大
4. 峭度、偏度：波形统计量，冲击故障专用

简单选用建议

• 简单阈值判断：只用时域（RMS、ZCR、峭度）
• 传统机器学习SVM/XGBoost：MFCC + 频谱统计特征
• 深度学习模型输入：梅尔频谱图
• 放电、瞬态冲击故障：包络谱 + 谱峭度 + 小波