MULTIRESOLUTION NEURAL NETWORK FOR ONE-CLASS LEARNING OF MACHINE SOUNDS

英文题目：MULTIRESOLUTION NEURAL NETWORK FOR ONE-CLASS LEARNING OF MACHINE SOUNDS

会议身份：conference:eusipco:2026:conference-paper-id:0000246

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#工业应用 #注意力机制 #CNN #异常声音检测

评分：5.3/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.9/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.6/1.5

排名：后50% | 文档类型：方法研究

👥 作者与机构

Zhang, Xiran：机构信息未能从会议 PDF 纯文本可靠映射
Lostanlen, Vincent：机构信息未能从会议 PDF 纯文本可靠映射
Lagrange, Mathieu：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

异常声音检测以原始波形为输入，输出正常与异常的二值判断分数，难点在于仅用正常样本训练且需同时抵抗背景噪声并捕捉谱时调制异常。本文方法先以非下采样对偶树复小波变换将波形分解到多尺度，再在各尺度上以共享实虚部的扩张卷积学习调制滤波并经取模与低通聚合得到一阶表示。随后该表示经时间自注意力增强后送入第二层MuReNN建模通道内时间演化，并以可学习幂变换压缩动态范围，最终经池化拼接与通道注意力送入深支撑向量数据描述超球面学习。与依赖重构的DeSpaWN不同，本工作完全在特征空间判别而无需逆变换解码器，保留了小波先验的可解释多分辨率结构。在MIMII基准下，本文方法的AUC-ROC得分为90.3%，高于DeSpaWN的AUC-ROC得分88.6%。然而该结论适用边界受限于噪声水平，在负6dB强噪声条件下本文方法优势消失，说明重构去噪机制在严重噪声下更具鲁棒性，尚未验证向其他机器类型与噪声域外推的效果。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么，目标是什么：为什么只给正常声学机器做监测？

本文的输入是原始音频波形，目标是异常声音检测。应用背景是机器状态连续监测：用麦克风非侵入、低成本地监听风扇、水泵、滑轨、阀门等设备是否出现异常。学习依赖很特殊：训练阶段只能看到正常声音，测试阶段才同时遇到正常与异常声音。原因是异常事件稀少、多样、采集成本高，无法事先收集带标签的各类故障来做有监督分类。

对刚入门的研究生，要先建立这个任务的操作定义。训练集全部由正常样本组成，模型要从中提炼出正常机声共有的结构；测试时对每个样本输出一个异常分数，分数越高越可能异常；最后用阈值无关的指标衡量分数把两类分开的能力。因此这不是识别某一种故障，而是在没有故障示例的情况下刻画正常的边界。任何需要异常样本调参、选阈值或做分类器训练的做法，都不符合本文的无监督单类设定。

本文必须保留的关键信息是：只用正常声训练、无需训练解码器重建波形、直接在特征空间判别。输出是一个固定维度的特征向量及其到超球面中心的平方距离，距离即异常分数。后续所有组件、损失和实验都要回到这个闭环来理解：输入波形如何变成紧凑的正常表示，训练如何把正常表示压紧，推理如何用偏离程度打分。

已有路线如何处理没有异常样本的问题？

在没有异常训练数据时，归纳偏置决定模型能学到什么。常见路线有 3 条。第一条是自编码器路线：训练编码器加解码器重建正常波形或谱，假设异常样本重建误差更大。它的优点是直观，缺点是必须解决信号重建本身，而重建细节好坏不一定对应异常与否。第二条是单类学习路线：只训练编码器，把所有正常样本映射到特征空间中一个体积最小的超球面内，假设异常落在球外。

它的概念更简单，避免了显式重建。第 3 条是固定特征加浅层分类器：例如梅尔频率倒谱系数或小波散射变换提取特征，再用单类支持向量机或距离度量打分；或用在大规模数据上预训练的语音音频模型做特征提取器，再轻微微调。

本文明确站在第二条路线，并与小波散射和 DeSpaWN 形成对照。小波散射通过级联小波卷积与模运算建模谱时调制，对时间扭曲稳定，但滤波器固定不可学习，维度高且计算重。DeSpaWN 模仿快速离散小波变换的级联结构，把正逆变换参数化为可学习的共轭正交镜像滤波器，并加可训练硬阈值做稀疏去噪，用重建加稀疏正则训练，用重建误差打分。它与本文都直接处理原始波形、都嵌入小波归纳偏置，区别在于 DeSpaWN 依赖逆变换重建，本文直接在特征空间判别。

自编码器重建误差 × 单类学习特征空间判别： 自编码器重建误差把异常定义为难以重建的样本，需要解码器与重建损失；单类学习特征空间判别把异常定义为远离正常样本包络超球面的点，只需要编码器与紧致性损失；本文选择后者的原因是机器异常稀少多样，重建正常波形细节既困难又不必要，直接在特征空间度量偏离更简洁，代价是缺少显式去噪与稀疏约束，在极强噪声下鲁棒性可能下降。

要解决的具体矛盾：可学习性与谱时结构如何兼得？

本文要解决的矛盾是：固定小波表示有良好的时频结构但不能适应机器声，大规模自监督表示能力强但预训练与机器声不匹配且成本高，纯卷积网络灵活但缺少多分辨率先验。作者希望提取谱时调制，即频谱能量如何随时间起伏，例如风扇叶片的周期调制、阀门的瞬态冲击、滑轨摩擦的宽带噪声演变，同时保留完全可学习性。

操作上，问题被形式化为单类学习：给定正常波形集合，学习映射 Φ，使正常样本的 Φ(x) 彼此靠近并包在小球内；测试样本 y 的异常分数为它到球心的平方距离。评价按机器类型、机器个体、噪声条件分别建模与测试，避免把不同声学条件混在一起。这种按设置独立实验的划分，是理解后文表格聚合口径的前提：先在 48 个细分设置上算曲线下面积，再按机器类型或噪声分组平均。

一个教学例子是：把一段 10 秒风扇声想成缓慢变化的谐波加噪声，正常样本的包络调制模式相对集中，异常可能表现为额外冲击或谐波结构改变。例子只用于帮助想象谱时调制，不代表论文报告了某种故障的具体数值或效果。关键是模型必须对麦克风位置、背景噪声等无关因素不变，又对结构性异常敏感。

方法全景：一个样本从波形到异常分数走过哪些步骤？

沿一个 10 秒、16 千赫采样的单通道波形走一遍。第一步，第一层多分辨率神经网络用非抽取双树复小波变换把波形分解到 8 个倍频程，每个尺度得到复数小波系数；每个尺度上用可训练 1 维空洞卷积处理系数，实部虚部共享同一卷积核以保持解析性；取复数模得到包络，再低通滤波并下采样，得到第一层表示 S1x，时间分辨率约 160 毫秒。第二步，对 S1x 沿时间做缩放点积自注意力，增强后的特征图记为 A1(S1x)。

第三步，第二层多分辨率网络沿时间对每个第一层通道再做多分辨率分析，得到路径表示 S2x，编码谱成分的时间演变。第四步，对 S2x 做按通道可训练幂变换，压缩动态范围。第五步，对 A1(S1x) 与变换后的 S2x 分别做全局平均池化得到与时间无关的通道描述符，拼接后再做通道注意力加权，得到最终特征向量 Φ(x)。

训练时只用正常样本，以深度支持向量数据描述为目标，把 Φ(x) 拉向固定球心 c，最小化平均平方距离。推理时异常分数即测试样本到 c 的平方距离。整个流程没有解码器，没有逆小波重建，没有重建损失。白色块为可训练组件，灰色块为固定组件，这是原文架构图注中区分可学习与不可学习部分的方式。本文没有提供可执行的图像素，此处仅依据正文与图注归因描述，不猜测模块颜色之外的布局细节。

这样设计的学习依赖很清晰：小波提供频率划分与稳定性，卷积提供适应性，注意力提供帧选择，幂变换提供数值尺度适配，单类目标提供监督来源。监督不来自标签，而来自正常样本应彼此靠近这一假设。

第一层 MuReNN 做了什么计算：为什么要用共享核与空洞卷积？

第一层 MuReNN 的核心是把固定小波表示变成可训练表示。输入波形 x[t] 先与第 j 个小波滤波器卷积得到 xj[t]，对应频带大致从 2 的负 j 次方乘 π 到 2 的负 j 减 1 次方乘 π。随后在每个尺度 j 上用扩张因子为 2 的 j 减 1 次方的 1 维卷积处理小波系数，公式写作 Wx[t,f] 等于扩张核与 xj 的卷积，f 为滤波器组通道索引。扩张核的定义是只在 2 的 j 次方整除时间索引处保留原始核值，其余补零。

两个设计选择很关键。第一，同一卷积核在复系数的实部与虚部之间共享。这样做避免两路相位不一致，卷积输出仍保持解析性，混合滤波器至少保留与小波滤波器相同的消失矩数量，使后续模运算有明确定义。若实虚部分开学习，包络可能失去解析信号的意义。第二，采用与尺度相关的空洞卷积。

粗尺度小波系数的时间支撑更大，用扩张卷积可以在固定参数量下获得大感受野；扩张因子选为 2 的 j 减 1 次方而不是更大，是为了抑制混叠。原文解释小波滤波器在 2 的 j 减 1 次方乘 π 到 2 的 j 次方乘 π 有非零过渡带，过大扩张会引入与过渡带重叠的频谱复制，带来卷积伪影，而所选扩张把复制推得更远。

最后对卷积输出取复数模，再用截止频率为 2 的负 J 减 1 次方乘 π 的低通滤波器平滑，并下采样 2 的 J1 减 1 次方倍，得到第一层表示 S1x。网络配置上，第一层用 64 个卷积滤波器，即 8 个倍频程上每倍频程 8 个滤波器，核长 32，有效感受野从最细尺度约 32 个采样点扩大到最粗尺度约 32 乘 2 的 7 次方个采样点，下采样因子为 2 的 8 次方即 256 倍，对应约 160 毫秒的时间分辨率。

双树复小波变换 × 可训练空洞卷积： 双树复小波变换负责把原始波形按倍频程切成解析的、时频局部化的多尺度系数，提供频率划分与平移近似不变的起点；可训练空洞卷积负责在每个尺度上沿时间学习谱时调制滤波器，用与尺度匹配的扩张因子扩大感受野而不增加参数量；二者搭配的原因是固定小波有归纳偏置但不能适应机器声，纯卷积灵活但缺乏多分辨率结构，组合后形成小波系数上的可学习滤波器组，既保留解析性与消失矩，又能学到任务相关的调制模式。

复数模运算 × 低通滤波与下采样： 复数模运算负责去掉小波卷积后的载波相位、保留包络幅度，使表示对微小时间偏移稳定；低通滤波与下采样负责平滑包络并降低时间分辨率，得到约 160 毫秒量级的帧级特征；二者必须搭配的原因是只有解析信号上的模才有明确包络意义，而低通加下采样把包络变成可比较的 1 阶多分辨率表示 S1x，为后续注意力与第二层 MuReNN 提供输入。

注意力与第二层如何编码时间演变与动态范围？

自注意力沿第一层表示的时间轴计算。记输入特征图 S1x 为时间帧数 T 乘通道数 F 的矩阵，通过可训练线性变换得到查询、键、值矩阵，权重矩阵均为 F 乘 F 维。注意力输出为对查询键内积除以根号 F 后的 softmax 加权值矩阵，再加残差连接。它的作用不是改变频率划分，而是在时间上重新加权：让与正常模式一致的帧获得更大权重，瞬时噪声或无关段落被压低。残差保证原始多分辨率信息不丢失。

第二层 MuReNN 是对增强后第一层表示的时间动力学再做分解。对路径 p 等于(f1,f2)，其中 f1、f2 分别为第一层与第二层滤波器索引，第二层表示 S2x 可理解为对 A1(S1x) 的第 f1 通道再做小波分解、第二层可训练卷积、低通与下采样。原文第二层用 6 层小波分解、每倍频程 1 个滤波器、可训练卷积核长 3，最终特征图有 64 乘 6 个通道、时间长度为 8。它补充了第一层丢失的时间调制信息：第一层回答每个频带在短窗内有多少能量，第二层回答这些能量如何随更长时间起伏。

动态范围处理用按通道可训练幂变换。传统做法用对数加小常数压缩大值，但曲率固定。原文提出对 S2x 的每个通道加偏置 β 后做可学习指数幂，指数由可训练参数经 Sigmoid 约束到 0 到 1 之间。指数小时接近对数压缩，指数大时接近线性映射，且保持输入相对顺序。每个通道独立学习指数，使模型能按通道自适应调整压缩强度。

最终把两层表示分别全局平均池化、拼接、再做通道注意力加权，得到 Φ(x)。通道注意力用全连接加 softmax 生成权重并重加权特征向量，突出对正常包络更重要的通道。

缩放点积注意力 × 第二层 MuReNN： 缩放点积注意力负责在第一层表示的时间轴上做自适应加权，突出与正常模式相关的帧并抑制瞬时干扰；第二层 MuReNN 负责对第一层每个通道的时间演变再做 1 次多分辨率分解，显式编码频谱成分如何随时间调制；搭配理由是注意力先做帧级筛选与增强，第二层再对增强后的包络动力学建模，二者组合得到 1 阶谱内容加 2 阶时域调制的路径表示。

单类目标如何训练：球心从哪来，哪些结构被禁用？

训练目标采用深度支持向量数据描述。记训练样本为 N 个正常波形，Φ 为网络映射，θ 为可学习参数，c 为特征空间中固定的超球面中心。损失为 N 个样本到中心平方距离的平均，优化即调整 θ 使该平均最小。这会迫使网络提取训练样本共有的特征，因为只有共有结构才能让所有正常点同时靠近同一点。

两个实现细节必须讲清。第一，球心 c 不是与网络联合学习的，而是在训练开始前对训练集做 1 次前向传播，取特征均值固定下来。原文遵循原方法作者的建议。第二，为防止坍缩到平凡解，网络中排除偏置项与有界激活函数。若允许偏置与有界非线性，网络可能学到把所有输入映射到常数的捷径，使损失为零但毫无判别力。去掉这些结构后，模型必须利用输入相关的滤波与加权来压紧正常分布。

推理时不需要阈值学习：异常分数直接为测试点到 c 的平方距离，距离越大越可能异常。训练只用正常样本，测试才包含异常样本。原文未报告优化器类型、学习率、训练轮数、批量大小等超参数，也未说明球心初始化前网络权重的初始化方式与是否预训练，这些是复现时的具体缺项，不能从模型名称推定。幂变换中的偏置 β 起数值稳定作用，原文未给出其具体取值，同样需要补查。

可训练幂变换 × 深度支持向量数据描述： 可训练幂变换负责按通道自适应压缩第二层特征的动态范围，用可学习的指数在对数压缩与近似线性之间插值；深度支持向量数据描述负责把正常样本的最终特征向量拉向固定超球面中心，最小化平均平方距离；搭配原因是幂变换先把不同通道的数值分布调到适合度量距离的尺度，SVDD 再用欧氏距离定义异常分数，二者组合使距离对大幅值不敏感而对结构性偏离敏感。

在什么数据与协议下比较：划分、通道与指标方向是什么？

实验用 MIMII 数据集，它是工业机器声异常检测的常用基准。包含风扇、水泵、滑轨、阀门 4 种机器类型，每种 4 台机器实例，每台在 6 分贝、0 分贝、负 6 分贝 3 种背景噪声下录音，共 48 个细分实验设置。每段录音长 10 秒，采样率 16 千赫，有 8 个麦克风通道。原文遵循先前工作只用第一个通道，避免多通道信息带来不公平增益。

划分上，对每个机器设置做五折交叉验证，每折用 80% 正常样本训练，剩余 20% 正常样本留作测试，全部异常样本只出现在测试集。这保证训练的单类假设不被污染。评价按每个机器类型、每台实例、每种噪声条件分别训练与测试，对测试样本算异常分数后计算受试者工作特征曲线下面积。曲线下面积越大表示正常与异常分数的可分性越好，0.5 对应随机猜测，1.0 对应完全分开。原文先在细分设置上算分，再按机器类型、噪声条件与总体平均聚合。

对比方法有 4 个可运行策略。梅尔频率倒谱系数基线完全不可训练，提取倒谱特征后全局平均池化，用到训练均值中心的欧氏距离打分。小波散射加单类支持向量机用两层散射变换提取特征，池化后训练单类支持向量机打分。卷积网络加支持向量数据描述以对数梅尔谱为输入，用 2 维卷积堆叠加全连接投影，以同样单类目标训练。DeSpaWN 是小波自编码器，用可学习正交镜像滤波器与硬阈值去噪，以重建加稀疏正则训练，用重建误差打分。这些基线覆盖不可训练特征、经典散射、谱输入卷积与波形重建 4 条路线，比较条件是同一数据集与同类单类协议。

主结果按机器类型看：谁在哪些机器上赢，代价是什么？

比较问题是：在相同 MIMII 单类协议下，直接在特征空间判别的 MuReNN 是否达到与重建路线相当的异常可分性。公平条件是各方法都在各细分设置上独立训练测试，只用正常样本训练，指标均为曲线下面积且越大越好。下表按机器类型与总体平均汇总，数值保留原文写法，单位为百分比，表头含义为方法名。

条件	梅尔倒谱基线	散射加单类支持向量机	卷积网络	去噪稀疏小波网络	本文方法
Fan	75.6	77.7	80.6	86.2	90.6
Pump	75.4	83.1	75.9	84.5	81.3
Slider	61.4	77.6	77.6	91.0	94.4
Valve	52.8	66.5	76.7	92.8	94.8
Avg.	66.3	76.2	77.7	88.6	90.3

表后解释需要同时讲收益与代价。总体平均上，本文方法为 90.3%，高于去噪稀疏小波网络的 88.6%，明显高于卷积网络的 77.7%、散射方法的 76.2% 与梅尔倒谱基线的 66.3%，报告显示特征空间判别在平均意义上达到同期最优。但分机器看并非全面获胜：在风扇、滑轨、阀门上本文分别以 90.6%、94.4%、94.8% 超过去噪稀疏小波网络的 86.2%、91.0%、92.8%，而在水泵上本文 81.3% 低于去噪稀疏小波网络 84.5%，也低于散射方法的 83.1%。这是一个必须保留的未胜出项：水泵声的增益不如其他机器，说明多分辨率特征对泵类声学结构的适配性有限。

相对散射变换，本文在风扇、滑轨、阀门上提升显著，在水泵上提升微弱甚至为负，支持可训练滤波的价值与局限同时存在。总体趋势不等于每组都成立，不能把平均最优推广为所有机器最优。

噪声条件是否改变结论：中等噪声与强噪声下各发生什么？

第二个比较问题是：背景噪声加重时，特征空间判别与带显式去噪的重建路线谁更稳。公平条件不变，仍是同数据集、同划分、同曲线下面积越大越好，只是按信噪比分组平均。下表按噪声条件汇总，信噪比写法保留原文以末尾单位覆盖整组的表达，数值单位为百分比。

条件	梅尔倒谱基线	散射加单类支持向量机	卷积网络	去噪稀疏小波网络	本文方法
6 dB	75.2	88.9	84.4	94.6	98.0
0 dB	66.3	76.8	79.8	90.5	93.3
-6 dB	57.4	62.9	68.9	80.8	79.8

表后解释要区分两种噪声 regime。在低噪声 6 分贝与中等噪声 0 分贝下，本文分别以 98.0% 与 93.3% 超过去噪稀疏小波网络的 94.6% 与 90.5%，支持在机器声部分可辨时多分辨率特征聚合更有效。但在强噪声负 6 分贝下，本文 79.8% 低于去噪稀疏小波网络 80.8%，且相对自身从 98.0% 跌落约 18 个百分点，退化幅度明显。原文的有限解释是去噪稀疏小波网络有可训练小波域去噪与稀疏目标，显式抑制噪声，而本文直接在特征空间操作而无去噪阶段，对极端背景更敏感。

这属于论文直接报告的失败条件，不是事后推测的调参问题。教学上要强调：平均最优不代表强噪声可部署，若实际场景长期处于负 6 分贝，需要补噪声感知表示或显式去噪，这是未评测的边界。

哪些结论不能下：缺失的成本、统计与超参数是什么？

首先区分 3 类表述。论文直接报告的是各机器与各噪声下的平均曲线下面积及上述胜负关系；有限解释是强噪声下退化的去噪机制归因；未验证推测是把该表示迁移到其他下游任务或与其他框架结合的潜力，后者原文只说可能集成，没有证据，不能当作已验证收益。

缺失证据不是技术错误，但限制可承诺的范围。原文未报告训练与推理开销、参数量、输出帧率、实际延迟、内存占用，也未报告统计显著性、置信区间或多次随机种子的方差。五折交叉验证只说明划分方式，没有给出折间波动，因此不能判断 1 到 2 个百分点的差异是否稳定。未测量误判率、延迟或成本时，不能承诺这些量得到改善。原文提到表示紧凑与计算高效的权衡，但没有可核对的耗时数字，此处只能转述为作者的定性判断，可能有待验证。

另一个局限是可学习小波的约束未完全展开。原文说明实虚部共享核与扩张因子选择的理由，但未给出拿掉这些约束后的对照实验，也未报告注意力、第二层、幂变换各自的消融。因此不能补写拿掉后必然怎样。复现时应把这些当作待补验证，而不是默认已证明必要。最后，实验只用第一麦克风通道，多通道融合、跨机器泛化、真实产线非平稳噪声均未评测，不能推广到这些条件。

要复现先做什么：数据、配置与单类训练的检查清单是什么？

复现的第一步是重建数据条件。下载 MIMII 的 4 类机器、每类 4 台、3 种信噪比录音，只取第一通道，每段 10 秒 16 千赫。按每个细分设置做五折划分，每折 80% 正常训练、20% 正常加全部异常测试。评价在每个设置上算曲线下面积，再按机器与噪声分组平均，最后算总体平均。聚合对象必须与原文一致，否则数值不可比。百分点差值与相对百分比不同：例如 90.3% 与 88.6% 差 1.7 个百分点，不能写成提升 1.7%。

第二步是锁定网络配置。第一层 64 个滤波器、8 倍频程每倍频程 8 个、核长 32、下采样 256 倍；第二层分解层数 6、每倍频程 1 滤波器、核长 3、输出 64 乘 6 通道、时间长度 8。双树复小波变换用非抽取版本并保持复数结构，实虚部共享卷积核，模、低通、下采样顺序不能颠倒。注意力在第一层时间轴上计算并加残差，幂变换按通道独立学习 0 到 1 之间的指数。最终两路全局平均池化后拼接再做通道注意力。

第三步是单类训练检查。先前向传播算训练特征均值固定为球心，再最小化到球心平均平方距离；网络中去掉偏置与有界激活，防止坍缩。需要补查的缺项包括优化器、学习率、轮数、批量、权重初始化、幂变换偏置取值。资源状态方面，本次未发现来源绑定且完成超文本传输安全协议状态验证的资源，不得声称代码、模型或数据已公开，复现应按原文描述从零实现并记录上述缺项的选择。

第四步是基线对齐。梅尔倒谱基线与散射方法需同样池化到时间无关向量再打分，卷积网络需用对数梅尔谱输入与同样单类目标，去噪稀疏小波网络需实现正逆变换与硬阈值并用重建误差打分。只有保留这些实际可运行策略，比较才公平；事后最优阈值或 oracle 选择不能代替可部署收益。

何时值得尝试这种不重建的路线，还需补哪项验证？

当任务满足 3 个条件时值得尝试：只有正常声可训练、异常类型未知多样、无需重建波形细节即可判别。此时两层可训练多分辨率加注意力与幂变换提供了一种紧凑的谱时表示，单类目标直接优化正常紧致性，省去解码器与逆变换。在 MIMII 的中低噪声 regime，原文证据支持它在平均与多数机器上达到同期最优，这是最强证据。但在水泵与强噪声负 6 分贝下它未胜出，这是主要代价与适用边界。

对研究生而言，可复述的方法链条是：非抽取双树复小波分解提供多尺度解析系数，共享核空洞卷积学习调制滤波，模与低通下采样得到稳定包络，注意力筛选时间帧，第二层编码包络演变，幂变换适配动态范围，池化拼接加通道加权得到向量，单类损失压紧正常分布，平方距离打分。每个环节的输入输出与监督来源都已在前文交代，前置概念先于依赖它的结论。

还需补的验证很具体：各组件的消融对照、折间方差与显著性、训练推理耗时与参数量、多通道与跨设备泛化、真实强噪声下的噪声感知或去噪扩展。只有补齐这些，才能判断平均增益是否稳定、可部署。在此之前，合理的结论是特征空间判别是机器声异常检测的一条可行且有效的路线，尤其适合中等噪声下的紧凑建模，而非在所有条件下替代重建去噪路线。