03 频谱特征提取：短时傅里叶变换与小波包能量谱工程实现

🎯频谱特征提取的工程定位：从时域信号到注意力机制的输入桥梁

在“注意力机制信号识别改进项目”中，原始一维时域信号无法直接送入注意力层。核心问题在于：如何将非平稳、多模态的信号转换为具有明确物理意义且适合注意力机制处理的二维特征图？本节聚焦于两种主流工程实现——短时傅里叶变换（STFT）与小波包变换（WPT），并给出可直接运行的 Python 代码。STFT 通过固定窗函数在时频平面滑动，生成时频谱（Spectrogram）；WPT 则对信号的高低频分量进行递归分解，输出小波包能量谱。两者均为后续注意力机制信号识别改进项目提供了关键的频谱特征输入

工程判断：STFT 计算效率高，适合处理平稳或缓变信号；WPT 在非平稳、瞬态冲击信号（如机械故障、生物电信号）中表现更优，但计算开销更大。选择哪种方案，取决于信号特性和实时性要求

🧭频谱特征提取的对象步骤与验收点

本节的核心链路是：原始信号 → 分帧/加窗 → 变换 → 能量归一化 → 2D 特征图输出。以下分别给出两种方法的工程实现要点

短时傅里叶变换（STFT）工程实现

使用 scipy.signal.stft 或 librosa.stft 均可。关键参数包括窗长（nperseg）、重叠率（noverlap）和 FFT 点数（nfft）。窗长决定了时间分辨率与频率分辨率的权衡：窗长越短，时间分辨率越高，但频率分辨率越低。工程上通常取窗长为信号采样率的 2~4 倍周期，重叠率设为 50%~75%

import numpy as np
import librosa
def stft_to_spectrogram(signal, sr=16000, n_fft=512, hop_length=128, win_length=256):
    """
    将一维信号转换为对数幅度谱（dB单位），适合注意力输入。
    """
    # 计算 STFT
    D = librosa.stft(signal, n_fft=n_fft, hop_length=hop_length, win_length=win_length)
    # 转换为幅度谱（dB）
    S_db = librosa.amplitude_to_db(np.abs(D), ref=np.max)
    # 输出形状: (频率bin数, 时间帧数)
    return S_db

阅读这段代码时，重点看频谱特征提取的API示例，以及它如何用稳定性与可观测性证明结果可复测。

上述代码中，n_fft=512 对应 257 个频率 bin，hop_length=128 使时间帧步进为 8ms（16kHz 采样率下）。输出 S_db 的 shape 为 (257, T)，可直接作为注意力机制的序列长度 T 和特征维度 257

小波包能量谱（WPT）工程实现

WPT 使用 pywt.WaveletPacket 进行递归分解。关键参数是分解层数（maxlevel）和小波基（如 'db4'、'sym8'）。分解后，每个叶子节点对应一个子频带，计算其能量并归一化，形成能量谱向量。若需 2D 特征图，可将多个时间窗的 WPT 能量谱堆叠

import pywt
import numpy as np
def wpt_energy_spectrum(signal, wavelet='db4', maxlevel=5, fs=16000):
    """
    计算单帧信号的小波包能量谱，返回各频带能量占比。
    """
    wp = pywt.WaveletPacket(data=signal, wavelet=wavelet, maxlevel=maxlevel)
    # 获取所有叶子节点（按频率排序）
    nodes = [node.path for node in wp.get_level(maxlevel, 'freq')]
    energies = []
    for node_path in nodes:
        coeffs = wp[node_path].data
        energy = np.sum(coeffs ** 2)
        energies.append(energy)
    total_energy = np.sum(energies) + 1e-10
    energy_ratio = np.array(energies) / total_energy
    return energy_ratio  # shape: (2^maxlevel,)

阅读这段代码时，重点看频谱特征提取的API示例，以及它如何用稳定性与可观测性证明结果可复测。

上述代码输出长度为 2^maxlevel 的能量占比向量。若需 2D 特征图，可对信号滑动分帧（如每 256 点为一帧），每帧计算一次能量谱，堆叠为 (帧数, 频带数) 矩阵。注意，WPT 的频带边界由采样率和分解层数决定：第 i 个频带的频率范围为 [i*fs/2^(maxlevel+1), (i+1)*fs/2^(maxlevel+1)]

💻代码验证与参数选型：STFT 与 WPT 的对比表

以下对比表帮助你在“注意力机制信号识别改进项目”中快速选型：

验证动作：对同一段信号分别用 STFT 和 WPT 提取特征，送入一个简单的注意力分类器（如 Transformer Encoder 一层），对比收敛速度和准确率。若 WPT 在验证集上提升超过 2%，则值得引入

⭐异常信号与处理边界：频谱特征提取中的常见陷阱

在工程实现中，以下问题会导致注意力机制无法收敛或性能下降：

判断标准：若模型在验证集上的性能低于基线（如原始时域特征 + 简单 MLP），应优先检查频谱特征是否保留了关键判别信息。一个快速验证方法是：将频谱图可视化，观察类别间是否有肉眼可辨的差异。若无，则需调整变换参数或切换为 WPT