密封电子元器件在航天领域和军事领域的设备中是重要的基础元器件。多余物是由于现有生产工艺的不成熟或者人为的疏忽而引入的金属或者非金属微粒。可能严重影响元器件的可靠性。微粒碰撞噪声检测法是目前应用最为广泛的多余物检测方法。信号特征在密封电子元器件的组件识别及多余物材质识别有重要作用,以往的研究主要集中于分类算法改进或脉冲提取方法改进。使用的脉冲特征主要是基于以往检测经验建立的特征。没有对检测脉冲的特征进行系统化研究,没有对比分析分类特征的优劣。本文在微粒碰撞噪声检测法的基础上,对组件信号识别问题和多余物材质识别问题中的分类特征展开研究。本文首先参考声纹识别领域的特征提取方法,引入或建立新的特征,增加特征数量。然后对特征数据进行清洗,处理特征数据中的异常数据和缺失数据。之后挑选优质特征进行特征的构造,使用原有特征和构造后特征建立新的多余物检测特征集。建立新的特征集后,用不同的方法挑选出排名靠前的特征,在此基础上进行特征构建,形成大量的全新特征。最后通过不同的特征选择方法进行特征选择,确定最佳特征组合。本文使用随机森林算法对挑选出的新的分类特征进行了对比验证。验证结果表明,使用新的分类特征进行组件信号识别和多余物材质识别,分类准确率相比原有特征有一定的提升。且新的分类特征在信号识别中起到了重要的作用。证明了本文研究成果的有效性。