深入浅出TinyML 16：FFT、频带能量和MFCC分别适合什么任务？

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 1. 解释FFT频点、频率分辨率、窗函数、频带能量和MFCC处理链。 2. 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。 3. 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1：FFT、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

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。Fs=1000 Hz、N=1000时分辨率1 Hz；若N=200，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0～50 Hz、50～100 Hz和100～200 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。N=100，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0～15 Hz与15～35 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Fs=100，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 math FS = 100 N = 100 signal = $0.8\*math.sin(2\*math.pi\*10\*n/FS) + 0.4\*math.sin(2\*math.pi\*27\*n/FS) for n in range(N)$ 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)), key=power.getitem, reverse=True) $:4$ 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(f"band {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real²+imag²，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