我正在处理具有 2MHz 非常高的采样频率的声学数据，并且想要构建一个分类器。
我想知道预处理声学数据是否有任何经验法则。直接使用原始数据（时间信号）还是先构建频谱图并使用这些更好？
有论文说原始更好，也有论文说频谱图更好。在我看来，作者在撰写论文之前就已经有了首选的方法。我认为真正的比较是困难的。
我阅读了论文“深度学习及其在机器健康监测中的应用：一项调查”，其中对不同方法进行了研究。我查了他的参考资料，但作者似乎只是挑选原始或频谱图而没有解释。例如，在论文“音乐音频的端到端学习”中，首选 Dieleman 频谱图。在“使用原始波形进行音乐自动标记的样本级深度卷积神经网络”中，他们声称其 1D 结构更好或至少可与 2D 架构相媲美。
就我个人而言，我对频谱图有更好的经验。
至于论文“使用原始波形进行音乐自动标记的样本级深度卷积神经网络”，我可以给你一些关于这个问题的直觉，因为我和我的同事进行了实验。
总而言之，我建议您在您的情况下使用基于频谱图的方法。
我想指出两个原因，
首先，当采样率在 16kHz 到 22kHz 之间时，训练基于原始波形的架构比基于频谱图的模型花费大约 4 倍的时间。在您的情况下，采样率甚至是 22Mhz。我认为这将比具有类似性能的基于频谱图的模型花费更多的时间。
其次，为了获得训练有素的基于原始波形的模型，我们需要超过 50 小时的音频，因为该模型具有更多的参数和更深的层。在我看来，使用基于原始波形的模型的好处不是性能改进，而是生成模型。如果我们使用性能良好的基于原始波形的模型，当案例是生成模型时，我们不需要从频谱图中重建音频信号。这是我们进行报告实验的主要原因。
如果计算能力和内存随着当前趋势而提高，我们预计基于原始波形的模型将在不久的将来成为主流。但现在我认为基于频谱图的模型更方便，特别是对于工业应用。
我认为这取决于您的数据样本的特征以及您需要检测的内容。
如果您需要找到某个事件的开始和持续时间，原始数据可能会更好。
如果您寻找重复模式（心跳），频谱/频率数据可能会更好。