我意识到这似乎是多余的，但是在执行使用以下移动平均过程提取的光谱特征而不是单独使用 STFT 结果的机器学习技术时，我得到了始终如一的更好结果。我是一名机器学习专家，我没有信号处理方面的背景。我希望你们能在这里指导我正确的方向。

STFT 过程：我使用 10 秒 STFT 窗口，重叠 9 秒。结果是包含 10 秒信息的 1 秒间隔观察。

STFT 移动平均过程：我使用 2.5 秒 STFT 窗口，增量为 1/480 秒（480Hz 采样率），然后采用 10 秒移动平均，增量为 1 秒。结果是包含 12.5 秒信息的 1 秒间隔观察。

我使用移动平均过程的原因是我得到了一个更平滑的信号，但我不确定它对信号处理人员是否有意义。除了必须处理额外的计算成本之外，以这种方式做事有什么根本错误吗？

编辑：似乎改进结果的原因与使用韦尔奇方法进行功率估计背后的理论有关。也许？