FFT把时间序列转换为频率分量适合识别周期、谐波和频带能量变化。MFCC在频谱基础上压缩出更接近听觉尺度的表示常用于关键词和设备声音。频域方法依赖窗口长度、采样率、窗函数和幅值标定。频谱图清晰并不自动带来更好模型仍要用独立数据和目标MCU验证。FFT提供频率结构频带能量进一步压缩MFCC面向声音谱包络三者保留的信息不同。完成本篇后你应该能够解释FFT频点、频率分辨率、窗函数、频带能量和MFCC处理链。根据任务是机械周期还是声音谱包络选择合适的频域表示。运行DFT实验定位双频信号峰值并计算频带能量。FFT是一种快速计算离散傅里叶变换的方法。它把时间序列换成各个频率分量的幅度和相位。图1FFT、频带能量与MFCC位于同一频域处理链的不同阶段一、FFT适合周期与谐波结构旋转机械、风扇和电机常在特定频率及其谐波上产生能量。FFT能够把这些周期成分从复杂时域波形中分离。频率分辨率由窗口物理时长决定零填充只增加频谱采样点不提高真正分辨能力。实信号频谱具有共轭对称性实际分析通常只使用0到奈奎斯特频率的一半。幅值归一化和单边谱系数需要在PC与MCU保持一致。频率分辨率 Δf fₛ / N 1 / Twindow第k个频点对应 fₖ k × fₛ / N二、窗函数控制频谱泄漏有限窗口相当于截断连续信号。窗口内不是整数周期时能量会扩散到邻近频点。Hann等窗函数能够降低旁瓣泄漏但会改变主瓣宽度和幅值需要配套标定。训练端使用Hann窗、部署端使用矩形窗时模型输入分布会发生系统性变化。窗函数系数、FFT长度和缩放方式都应纳入模型版本。表1三种频域表示的适用范围表示适合任务主要代价完整FFT谱频率位置与谐波重要输入维度和频点敏感性较高频带能量关注若干稳定频段需要设计频带边界MFCC关键词、语音和设备声音处理链与临时缓冲更复杂三、频带能量用更小输入表达频域结构当任务只关心几个频段可以把多个FFT频点求和或求均方形成频带能量。这样降低输入维度也减弱单个频点受转速微小漂移的影响。频带边界应基于物理机理和数据分布确定。边界过窄会对转速变化敏感过宽会把不同故障成分混在一起。C/CMSIS-DSP计算实数FFT的核心调用#include arm_math.h#define FFT_LEN 256static arm_rfft_fast_instance_f32 rfft;static float time_data[FFT_LEN];static float spectrum[FFT_LEN];void spectrum_init(void){arm_rfft_fast_init_f32(rfft, FFT_LEN);}void spectrum_run(void){arm_rfft_fast_f32(rfft, time_data, spectrum, 0);// 后续按项目约定计算单边幅值或频带能量。}四、MFCC强调声音的谱包络MFCC通常包含预加重或滤波、分帧、窗函数、FFT、Mel滤波器组、对数和DCT。它把高维频谱压缩为少量系数适合关键词和设备声音分类。板端需要评估FFT、滤波器组和临时缓冲。CMSIS-DSP提供FFT及部分MFCC相关函数但具体API和缓冲要求应按项目锁定版本检查。频率分辨率来自窗口时长不单由采样率决定N点FFT的频点间隔为Fs/N也等于1/窗口秒数。Fs1000 Hz、N1000时分辨率1 Hz若N200分辨率5 Hz。提高采样率但保持窗口秒数不变时N同步增大频率分辨率不变只是可观察的最高频率提高。真实频率不一定正好落在频点上有限窗口会产生频谱泄漏。Hann窗让窗口两端平滑接近零降低旁瓣泄漏但会改变幅度和等效噪声带宽。训练与MCU必须使用相同窗函数和幅值标定。实数输入的频谱具有共轭对称通常只使用0到Fs/2。CMSIS-DSP实数FFT输出采用特定打包格式读取幅值时要按文档处理DC、Nyquist和复数对不能把数组直接当普通实数幅度。频点k对应频率 fₖ k×Fs/N频率分辨率 Δf Fs/N 1/Twindow频带能量和MFCC分别压缩什么信息频带能量把多个FFT频点求和例如050 Hz、50100 Hz和100200 Hz。它减少输入维度并容忍峰值轻微漂移适合转速变化范围已知的机械信号。频带边界应来自任务频率与采样率不应随意等宽。MFCC面向声音感知预加重可选分帧加窗后求功率谱再经过Mel滤波器组、取对数和DCT得到谱包络系数。它弱化精确谐波位置突出人耳频率尺度上的形状常用于关键词与环境声音。MFCC包含大量参数帧长、帧移、FFT点数、Mel滤波器数量、频率上下限、对数底和保留系数数。任何一项不同都会改变张量。部署前用固定音频帧逐阶段比较窗后波形、功率谱、Mel能量和最终系数。三类频域输入的选择线索表示适合证据主要配置FFT幅度明确频率和谐波Fs/N/窗函数/幅值频带能量频率范围与总能量频带边界与归一化MFCC声音谱包络帧、Mel、log、DCT五、落地检查由任务频段确定采样率和窗口时长。固定FFT长度、窗函数、幅值缩放和单边谱规则。比较完整频谱与频带能量的模型效果和资源。声音任务记录Mel滤波器组、对数下限和DCT系数数目。使用黄金窗口核对PC与MCU每一级输出。动手从双频波形得到FFT峰值和频带能量脚本生成10 Hz与27 Hz两种正弦叠加的信号使用Hann窗并直接计算单边DFT功率。随后列出最强频点和三个频带能量比例。N100计算量足够小代码便于理解。实验环境与输入Python 3标准库。保存为 spectrum_bands.py 并运行。DFT为教学实现MCU实际项目可使用CMSIS-DSP FFT内核。按顺序完成实验运行脚本确认最强频点接近10 Hz和27 Hz。观察015 Hz与1535 Hz频带包含主要能量。把27 Hz改成27.5 Hz比较频谱泄漏和相邻频点。把N从100改成200并保持Fs100说明窗口加倍后频率分辨率从1 Hz变成0.5 Hz。可直接运行Hann窗、单边DFT和频带能量import mathFS 100N 100signal [0.8*math.sin(2*math.pi*10*n/FS) 0.4*math.sin(2*math.pi*27*n/FS) for n in range(N)]hann [0.5-0.5*math.cos(2*math.pi*n/(N-1)) for n in range(N)]windowed [x*w for x, w in zip(signal, hann)]power []for k in range(N//2 1):real sum(x*math.cos(2*math.pi*k*n/N)for n, x in enumerate(windowed))imag -sum(x*math.sin(2*math.pi*k*n/N)for n, x in enumerate(windowed))power.append(real*real imag*imag)peaks sorted(range(1, len(power)), keypower.__getitem__, reverseTrue)[:4]print(strong bins:, [(round(k*FS/N, 2), round(power[k], 1)) for k in peaks])bands [(0, 15), (15, 35), (35, 50.1)]total sum(power[1:])for low, high in bands:energy sum(p for k, p in enumerate(power)if low k*FS/N high and k 0)print(fband {low:4.1f}-{high:4.1f} Hz: {energy/total:.1%})先读懂代码中的关键路径Hann窗逐点乘输入降低窗口边界突变造成的远端泄漏。DFT输出功率使用real²imag²频带能量在相同定义下求和。忽略DC频点能避免基线占据总能量是否去DC取决于任务。频带使用左闭右开区间边界频点只进入一个频带。你应该观察到什么最强频点列表包含10 Hz和27 Hz附近10 Hz能量更大。前两个频带占据绝大多数能量35 Hz以上频带接近零但受窗和数值影响不会严格为零。非整数频率会把能量分散到相邻频点Hann窗降低远处泄漏。成功标准你能从Fs、N和k计算频率并明确单边谱范围。频带边界与任务频率相关PC与MCU使用相同窗函数和归一化。FFT或MFCC的预处理时间与工作区进入板端资源预算。失败时从哪里查起频域实现常见错误现象原因处理峰值频率翻倍或减半Fs或FFT长度写错打印Fs、N和频点映射PC与MCU幅值比例不同窗增益或单边谱缩放不同统一幅值定义并用单频黄金信号MFCC完全不一致Mel边界、log或DCT参数不同逐阶段比较中间数组先用单频、双频和全零输入验证频域实现再进入真实声音或振动数据可以大幅降低排错复杂度。把实验迁移到真实MCU项目CMSIS-DSP RFFT的输出布局、缩放和数据类型与教学DFT不同。使用单频黄金信号先确认峰值频点再确认幅值和频带比例。MFCC移植要逐阶段对齐窗后波形、功率谱、Mel能量、log和DCT。最终系数错时从最早不同数组开始查。把结果再向前推进一步计算16 kHz、400点帧的帧长和频率分辨率。根据一个机械任务设计三个非等宽频带并说明边界来源。列出MFCC从波形到系数的每个阶段及其版本参数。这篇文章的结论FFT、频带能量和MFCC分别保留频点、频段和谱包络信息。选择依据是任务物理特征、数据验证和MCU资源。参考资料Arm CMSIS-DSP 官方文档Arm CMSIS-DSP Real FFT 文档更新时间2026 年 8 月 5 日