2、Edge Impulse平台概览：数据采集界面、数据管理功能、数据清洗相关工具介绍

在开始处理噪声样本、标签错误与采样偏差之前，必须首先熟悉Edge Impulse平台的核心操作界面与数据管理逻辑。Edge Impulse作为端侧机器学习（TinyML）领域最主流的开发平台，其数据工作流设计遵循“采集—管理—清洗—验证—训练—部署”的完整链路。本章将聚焦于平台的数据侧功能，帮助学员建立对数据采集界面、数据管理机制以及内置清洗工具的体系化认知，为后续章节的实战清洗操作打下坚实基础。

2.1 数据采集界面：从设备连接到样本入库

Edge Impulse的数据采集界面（Data Acquisition）是数据进入平台的第一道关口。该界面设计为“连接—配置—采集—标注”四步走的工作流，其核心设计理念是让开发者能够在几分钟内完成从物理传感器到云端数据集的转换。界面左侧为设备列表，右侧为实时数据预览区，底部为采集控制面板。

核心功能模块拆解：

• 设备连接管理：支持通过USB、BLE、Wi-Fi等方式连接开发板（如Arduino Nano 33 BLE Sense、ESP32、STM32系列）。连接后，平台会自动识别设备上的传感器列表，并显示每个传感器的采样率上限与数据位宽。
• 采样参数配置：用户可设置采样频率（Hz）、采样时长（ms）、传感器通道（加速度计、麦克风、环境光等）。平台会根据所选设备自动计算最大可用采样率，避免超出硬件能力。
• 实时波形预览：在采集前，界面会以滚动波形图形式实时显示传感器数据流，帮助用户确认传感器工作正常、数据范围合理。此功能对于发现传感器漂移、断线等硬件问题至关重要。
• 标签即时标注：采集时可直接输入标签名称（如“idle”、“knock”、“left-turn”），平台会将当前时间段的数据自动关联到该标签。支持连续采集多个样本，每个样本自动编号。

2.2 数据管理功能：版本控制与样本组织

当数据采集完成后，所有样本会进入平台的数据管理模块（Dashboard与Data Management）。该模块承担着数据集的组织、检索、版本维护与划分功能，是数据清洗操作的主要操作区域。

数据管理核心能力一览：

在数据管理界面中，每个样本卡片会显示波形缩略图、标签、采样时长、文件大小等元信息。点击样本可进入详情页，查看完整波形、频谱图以及FFT变换结果。这些可视化工具是判断样本是否包含噪声、是否存在截断、是否标签错误的重要依据。

2.3 数据清洗相关工具：内置功能与操作流程

Edge Impulse虽然没有提供独立的“清洗工具”菜单，但其清洗能力分散在多个模块中，组合使用即可完成大部分清洗任务。以下是平台内置的清洗相关工具及其操作路径：

2.3.1 频谱异常检测工具

在样本详情页中，平台自动计算每个样本的FFT频谱图。通过观察频谱分布，可以识别出以下问题：

• 电源噪声：频谱中出现50Hz/60Hz及其谐波的尖峰，通常表现为固定频率的窄带噪声。
• 传感器饱和：时域波形出现平顶，频谱中高频分量异常增强。
• 环境干扰：频谱中出现与目标信号无关的宽频带能量。

操作流程：进入样本详情 → 切换到“Spectrum”视图 → 对比同标签下其他样本的频谱形态 → 标记异常样本并删除或重新采集。

2.3.2 时间序列裁剪与重采样

在数据管理界面中，选中样本后点击“Edit”按钮，可进入裁剪模式。该工具支持：

1. 裁剪（Trim）：去除样本首尾的静音段或无效段，保留有效信号区间。
2. 重采样（Resample）：将样本从原始采样率转换为目标采样率，用于统一不同设备采集的数据。
3. 滤波（Filter）：内置低通、高通、带通滤波器，可去除特定频段的噪声。

2.3.3 自动标签建议与批量修正

平台提供了基于相似度分析的标签建议功能。当选中一个样本时，系统会计算该样本与同数据集内其他样本的特征距离，并推荐最相似的标签。此功能对于发现标签错误非常有效：如果某个样本的推荐标签与当前标签不一致，则很可能存在标注错误。

批量修正操作流程：

1. 在Dashboard中按标签筛选样本
2. 点击“Select All”选中该标签下所有样本
3. 点击“Edit Label”输入新标签名称
4. 确认修改，系统自动生成新版本数据集
5. 在版本历史中对比修改前后的样本分布

2.4 实战场景：传感器数据中的噪声样本识别与清洗

以下通过一个具体的工业振动监测案例，演示如何综合运用上述工具完成数据清洗。

场景背景：某团队使用Edge Impulse开发旋转机械故障诊断模型，数据来自加速度传感器，采样频率为1.6kHz，采集了“正常”、“轴承磨损”、“不平衡”三类振动信号。初步采集了300个样本，每类100个。训练后发现模型准确率仅为72%，明显低于预期。

初始现象与目标：模型在测试集上对“轴承磨损”类别的召回率仅为58%，且混淆矩阵显示大量“轴承磨损”样本被误判为“正常”。目标是通过数据清洗提升模型准确率至90%以上。

关键输入数据与指标：

• 样本总数：300个（每类100个）
• 原始准确率：72%
• “轴承磨损”召回率：58%
• 频谱异常样本数：初步目测约15个

分析判断过程：

首先，在Dashboard中按标签筛选“轴承磨损”样本，逐一查看频谱图。发现其中8个样本的频谱在50Hz处出现明显尖峰，且时域波形存在周期性脉冲，判断为电机电源干扰而非轴承故障特征。另外5个样本的波形幅值明显低于同类样本，可能是传感器安装松动导致信号衰减。还有2个样本的标签被错误标注为“轴承磨损”，实际波形与“正常”类高度相似。

实际操作步骤：

1. 使用频谱视图标记8个电源干扰样本，点击“Delete”删除。
2. 对5个低幅值样本，先尝试使用“Trim”工具裁剪无效段，发现裁剪后有效信号仍不足，决定删除。
3. 对2个疑似标签错误的样本，使用“Auto-label suggestion”功能，系统推荐标签为“正常”，确认后批量修改标签。
4. 重新检查“正常”类样本，发现其中3个样本包含高频噪声成分，使用内置高通滤波器（截止频率100Hz）进行滤波处理。
5. 最后，在数据管理界面重新划分训练集/测试集（80/20），确保划分后各类别比例均衡。

结果对比：

风险与代价：删除样本导致训练数据减少，但模型性能显著提升，说明噪声样本对模型训练的负面影响远大于数据量减少的损失。滤波操作虽然改善了数据质量，但若后续部署环境与滤波参数不匹配，可能导致性能下降。因此，滤波参数需要记录在项目文档中。

复盘经验：

• 清洗前先做频谱分析，不要盲目删除样本。
• 标签错误对模型性能的影响远大于噪声样本，优先排查标签问题。
• 每次清洗操作后，立即在版本历史中记录操作原因，便于追溯。

2.5 常见误区与总结复盘

在使用Edge Impulse数据清洗工具时，初学者常犯以下错误：