1.一种基于声纹特征无损识别坚果内部品质的方法，其特征在于，包括以下步骤：步骤一、对采集到的坚果撞击声纹信号进行集合经验模态分解；

步骤二、使用互相关系数法筛选固有模态函数的分量，重构去除噪音及冗余信息的声纹信号；

步骤三、分别提取解构重组后的声纹信号的时域特征、频域特征、时频域特征；

步骤四、使用递归特征消除法对提取的时域特征、频域特征、时频域特征进行筛选；

步骤五、构建支持向量机分类器，输入筛选后的特征集并使用构建完成的支持向量机分类器进行分类识别坚果的内部品质；

时域特征包括：峰峰值、整流平均值、方差、标准差、峭度、偏度、均方根、均方值、方根幅值、波形因子、峰值因子、脉冲因子、裕度因子、余隙因子、近似熵、样本熵、模糊熵；

频域特征包括：平均频率、重心频率、频率均方根、频率标准差、功率谱重心频率、功率谱均方频率、功率谱均方根频率、功率谱频率标准差和功率谱熵；

时频域特征通过离散小波变换提取，并对小波系数进行主成分分析法降维，取前n个主成分作为特征；

集成经验模态分解通过添加不同的白噪声对原始信号进行分解，然后计算多个分解信号的平均值，以抵消白噪声；

递归特征消除法通过运行随机森林分类器计算所有声纹特征的初始特征重要性，并逐步消除得分最低的特征，直至模型精度达到最高；

支持向量机分类器的核函数为径向基函数，并通过5倍交叉验证法选取最优惩罚参数c及核函数参数g；

通过集合经验模态分解后的声纹信号中，选择与原始信号的互相关系数R≥0.2的固有模态函数的分量进行信号重构。