聲紋分析和處理的難度非常高。聲音識別（我們這里排除了對生物聲音的識別，人的語音，動物的聲音識別等），相對來說有一定的難度。傳統的是采用數字信號處理技術例如傅里葉變換等，對聲音進行識別。相對應聲音特征的分散性，很難達到一個準確識別的效果，例如對于電動機定子和轉子的噪聲，由于部位不同可能會有各種各樣的特征這樣需要建立龐大和復雜的數學模型，傳統的方法是很難達到使用的精準度的。

我們的方法是建立在數字（聲音）信號處理技術+AI技術上的，可以將很多有相似度的故障進行分類（這在傳統的聲音信號處理分類中是很難實現的，聲音特征并不是一致 但是故障類型一致）。在我們的系統里聲音采集的硬件和軟件我們都有自主的技術。

我們的聲音識別系統，目前適用于（對應于）：

1 發動機，電動機的噪聲檢測（有些發動機和電動機廠家考慮到把他們出場的設備都裝上聲音傳感器，這樣運行當中的故障可以隨時掌握，采用對應的方法。

2 風力發電的風扇質量檢測（當風扇的葉片發生斷裂時，風扇轉動的聲音是不同的 可以及時檢測出 采用對應的方法）。

3 汽車維護，當現場的工作人員技術能力不足時，將聲音信號上傳，用系統分析，可以很好的定位故障。

4 船舶在海上航行時，可以隨時把發動機的信號上傳到廠家，故障早期發現。

5 飛機的檢修。

系統的主要性能，將聲音信號上傳到云端（服務器端）

A 專家不用去現場就可以實時同步聽取聲音信號，給出判斷

B 利用我們的系統可以給出故障的分析