本發(fā)明提供一種基于隱馬爾可夫模型(Hidden?Markov?Model,HMM)的選礦設備故障異常音頻分析與識別方法，涉及數(shù)字音頻處理技術領域。該方法包括：輸入WAV格式的選礦設備音頻信號，對采集的音頻樣本進行預處理，提取線性預測倒譜系數(shù)(Linear?Prediction?Cepstrum?Coefficient,LPCC)和美爾倒譜系數(shù)(Mel?Frequency?Cepstrum?Coefficient,MFCC)等特征作為特征參數(shù)，利用Baum-Welch算法進行訓練，通過訓練得到狀態(tài)轉(zhuǎn)移概率矩陣，識別時采用Viterbi算法，通過計算未知音頻信號在轉(zhuǎn)移過程中的最大概率，并根據(jù)最大概率對應的模型進行識別。本發(fā)明能有效地偵測音頻信號中的異常聲響，從而有效識別選礦設備故障異常。