一维卷积神经网络原理：卷积核、步长、填充、感受野与时间序列特征提取
在TinyML的传感器分类任务中，输入数据往往不是图像，而是由加速度计、陀螺仪、麦克风或心电传感器采集到的一维时间序列。一维卷积神经网络（1D-CNN）正是针对这类数据设计的核心模型。与处理图像的二维卷积不同，一维卷积在时间轴上滑动卷积核，通过局部窗口提取时序特征。理解卷积核、步长、填充和感受野这四个核心概念，是设计高效、轻量级时序CNN模型的前提。本章将从原理出发，结合传感器信号的具体特征，系统拆解一维卷积的运算机制与设计要点。
一维卷积的数学本质与运算流程
一维卷积本质上是一个滑动窗口的加权求和过程。设输入序列为 \( x = [x_0, x_1, ..., x_{L-1}] \)，卷积核为 \( w = [w_0, w_1, ..., w_{K-1}] \)，其中 \( K \) 为卷积核大小。在位置 \( t \) 处的输出特征值 \( y_t \) 计算如下：
y[t] = Σ_{k=0}^{K-1} w[k] * x[t * stride + k] + bias在TinyML传感器场景中，输入通常是多通道数据。例如，一个三轴加速度计在时刻 \( t \) 产生 \( (a_x, a_y, a_z) \) 三个值，若窗口长度为 \( W \)，则输入张量形状为 \( (W, 3) \)。卷积核的深度必须与输入通道数一致，即每个卷积核的形状为 \( (K, 3) \)，输出则是一个标量特征。多个卷积核并行运算，产生多个特征通道，从而提取不同类型的局部模式。
以人体活动识别（HAR）为例，当窗口大小为64、通道数为3时，一个形状为 \( (64, 3) \) 的输入经过8个大小为 \( (5, 3) \) 的卷积核后，输出形状为 \( (60, 8) \) 的特征图。这里的60是时间维度的输出长度，8是新的通道数。这种运算方式使得网络能够自动学习“走路时加速度的周期性波动”或“跌倒时瞬间的剧烈冲击”等局部时序模式。
卷积核：时间模式的特征探测器
卷积核是一组可学习的权重参数，其大小决定了每次观察的时间跨度。在传感器信号处理中，卷积核大小需要与信号的物理特征相匹配。对于采样率为50Hz的加速度信号，一个大小为5的卷积核覆盖100毫秒的时间窗口，足以捕捉一次完整的步态周期中的关键转折点；而大小为3的卷积核则更适合捕捉肌电信号中的高频尖峰。
卷积核的设计直接影响模型的参数数量和计算量。在TinyML设备上，Flash和RAM资源极其有限，因此卷积核大小通常控制在3到7之间。过大的卷积核虽然能扩大感受野，但会显著增加乘加运算次数。例如，一个大小为7的卷积核比大小为3的卷积核多出约2.3倍的计算量。实际工程中，更推荐使用堆叠的小卷积核（如两个3×1卷积核）来替代一个大卷积核（如5×1），这样既能保持感受野，又能减少参数并增加非线性表达能力。
步长：控制特征图的时间分辨率
步长（Stride）定义了卷积核每次滑动的间隔。步长为1时，卷积核逐点滑动，输出特征图长度与输入长度接近，保留了最完整的时间信息；步长为2时，输出长度减半，相当于对时间轴进行了下采样，降低了计算量，但也可能丢失部分细节。
在传感器分类任务中，步长的选择需要权衡时间分辨率与计算效率。对于周期性较强的信号（如步态），步长为2或3可以显著压缩特征维度，同时保留主要周期特征。但对于瞬态信号（如跌倒冲击），步长为1更为合适，因为关键峰值可能只持续几个采样点。一个实用的设计策略是：前几层使用步长1保持细节，后几层使用步长2进行降维，逐步提取高层语义特征。
步长与输出长度的关系可用公式表示：
输出长度 = floor((输入长度 - 卷积核大小) / 步长) + 1例如，输入长度为64，卷积核大小为5，步长为2，则输出长度为 \( \lfloor (64-5)/2 \rfloor + 1 = 30 \)。这个公式是设计网络结构时计算各层特征图尺寸的基础。
填充：保持边界信息与特征图尺寸
填充（Padding）是在输入序列的两端补零的操作，主要目的是控制输出特征图的尺寸，并充分利用边缘数据。在时间序列分析中，序列末尾的数据往往包含重要信息（如一次动作的结束状态），如果不做填充，卷积核无法覆盖到序列末尾，导致信息丢失。
常见的填充方式有三种：
| 填充类型 | 操作方式 | 输出长度公式 | 适用场景 |
|---|---|---|---|
| Valid（无填充） | 不补零，卷积核只在有效区域内滑动 | \( \lfloor (L - K) / S \rfloor + 1 \) | 需要严格降维，或特征图尺寸可接受缩减 |
| Same（零填充） | 两侧补零，使输出长度等于输入长度 | \( \lceil L / S \rceil \) | 保持时间分辨率，便于残差连接 |
| Causal（因果填充） | 仅在左侧补零，右侧不补 | 同Same | 实时推理场景，避免未来信息泄漏 |
在TinyML的传感器分类中，Same填充最为常用，因为它能保持特征图的时间维度不变，使得后续的池化层或全连接层可以更灵活地设计。但需要注意，零填充会在边界引入人为的“假信号”，如果输入数据已经做过归一化（均值为0），这种影响会相对较小。
感受野：从局部到全局的时间视野
感受野（Receptive Field）是指输出特征图上的一个点对应到输入序列上的覆盖范围。对于一维卷积，感受野的计算公式为：
RF = 1 + Σ_{i=1}^{L} (K_i - 1) * Π_{j=1}^{i-1} S_j其中 \( K_i \) 是第 \( i \) 层的卷积核大小，\( S_j \) 是第 \( j \) 层的步长。例如，一个三层卷积网络，每层卷积核大小为3，步长均为1，则感受野为 \( 1 + 2 + 2 + 2 = 7 \)。如果第二层步长为2，则感受野变为 \( 1 + 2 + 2*2 = 7 \)，与三层步长1的效果相同，但计算量更小。
在传感器分类中，感受野必须覆盖一个完整的动作周期。以步态识别为例，一个完整的步态周期约为1秒，若采样率为50Hz，则输入序列长度为50。如果网络的总感受野小于50，模型就无法同时看到整个周期，只能依赖局部片段进行判断，准确率会明显下降。因此，在设计网络时，需要先计算感受野，确保其大于或等于输入序列的长度。
案例拆解：基于1D-CNN的跌倒检测模型设计
我们设计一个用于老人跌倒检测的TinyML模型，输入为三轴加速度计数据，采样率50Hz，窗口长度2秒（即100个采样点）。目标是区分“跌倒”和“日常活动”（走路、坐下、弯腰等）。
初始方案与问题：第一版网络使用两层卷积，卷积核大小分别为3和5，步长均为1，无填充。输入长度100，第一层输出长度98，第二层输出长度94，随后接全局平均池化和全连接层。实测准确率仅82%，且对“缓慢跌倒”的漏报率较高。
分析过程：计算感受野：第一层RF=3，第二层RF=3+4=7。总感受野仅7个采样点（0.14秒），远小于跌倒过程的典型持续时间（0.4-0.8秒）。模型只能看到极短的局部片段，无法捕捉“先加速后撞击”的完整模式。此外，无填充导致序列末尾的撞击特征被截断。
优化操作：1）将输入窗口调整为128个采样点（2.56秒），覆盖完整跌倒过程；2）增加至4层卷积，卷积核大小均为3，步长分别为1、2、1、2，使用Same填充；3）计算感受野：RF = 1 + 2×1 + 2×2 + 2×1 + 2×2 = 13，仍然不足。进一步将第一层卷积核增大到7，步长改为1，则RF = 1 + 6 + 2×2 + 2×1 + 2×2 = 17，仍不够。
关键调整：改用膨胀卷积（Dilation Rate分别为1、2、4、8），在相同层数下感受野呈指数增长：RF = 1 + 2×1 + 2×2 + 2×4 + 2×8 = 31，覆盖了128个采样点中的主要区间。同时，将最后一层改为全局平均池化，减少参数量。
结果对比：优化后模型准确率提升至94.5%，漏报率从12%降至3.2%。模型参数量从18K降至12K，Flash占用从72KB降至48KB，在Cortex-M4上推理时间从35ms降至22ms。
常见误区与设计总结
在TinyML时序CNN设计中，以下误区需要特别警惕：
- 误区一：卷积核越大越好。大卷积核虽然增加感受野，但参数和计算量呈线性增长。在资源受限设备上，应优先使用小卷积核堆叠或膨胀卷积。
- 误区二：步长越大，效率越高。过大的步长会导致时间分辨率骤降，可能错过关键瞬态特征。建议步长不超过卷积核大小的一半。
- 误区三：忽略填充对边界的影响。在动作识别中，动作的起始和结束往往包含重要信息，Valid填充会丢弃这些边界特征。
- 误区四：感受野计算只考虑卷积层。池化层也会影响感受野，计算时需将池化的步长和核大小纳入公式。
总结而言，一维卷积的设计本质是在时间分辨率、感受野覆盖和计算开销之间寻找平衡。对于TinyML场景，建议遵循以下流程：首先确定输入窗口长度和采样率，计算目标动作的周期；然后设计卷积层结构，确保总感受野覆盖窗口；接着选择合适的步长和填充策略，控制特征图尺寸；最后通过膨胀卷积或小卷积核堆叠优化参数效率。每一步都需要结合具体传感器信号的特点进行验证，而非机械套用图像CNN的设计经验。