📚 课程目录第4章传感器数据与特征工程

4、传感器数据与特征工程：常见传感器类型、数据预处理与特征提取

在Edge Impulse平台上训练异常检测模型，核心挑战并非模型结构本身，而是如何将原始传感器信号转化为高质量、可学习的特征表示。传感器数据是物理世界的数字化投影，其质量直接决定了模型性能的上限。本章将系统梳理常见传感器类型及其数据特性，深入讲解数据预处理的关键步骤（去噪、归一化、分段），并重点剖析时域与频域特征提取的方法论与工程实践。理解这些内容，是后续阈值设置与模型调优的基石。

4.1 常见传感器类型与数据特性

异常检测任务中，传感器选型决定了可观测的物理量维度。不同传感器具有不同的采样率、量程、噪声特性和失效模式，理解这些差异是设计特征工程方案的前提。

4.1.1 核心传感器类型

传感器类型	测量物理量	典型采样率	数据特性	异常检测应用场景
加速度计 (ACC)	线性加速度 (m/s²)	50-1000 Hz	包含重力分量 (静态偏置)，高频振动敏感	设备振动异常、碰撞检测、跌落识别
陀螺仪 (GYRO)	角速度 (rad/s)	50-1000 Hz	零偏漂移，温度敏感，积分后产生角度	旋转异常、姿态突变、轴承磨损
磁力计 (MAG)	磁场强度 (μT)	10-100 Hz	易受环境电磁干扰，需要校准	电机磁场异常、金属异物检测
温度传感器	温度 (°C)	0.5-10 Hz	变化缓慢，惯性大，噪声小	过热预警、散热失效、环境异常
压力传感器	压力 (Pa/bar)	10-100 Hz	基线漂移，受温度补偿影响	液压系统泄漏、气密性检测
电流/电压传感器	电流 (A) / 电压 (V)	1-10 kHz	高频谐波丰富，瞬态冲击明显	电机堵转、电源异常、电弧故障

在Edge Impulse中，传感器数据通常以时间序列形式输入。每个采样点包含一个时间戳和多个轴的数据值。例如，一个6轴IMU（惯性测量单元）的数据格式为：[timestamp, acc_x, acc_y, acc_z, gyro_x, gyro_y, gyro_z]。理解数据格式是后续处理的基础。

经验提示：对于旋转机械的异常检测，建议同时使用加速度计和陀螺仪。加速度计捕捉振动冲击，陀螺仪捕捉旋转速度的突变。两者互补，能覆盖更全面的异常模式。在Edge Impulse中，可以通过“Add New Impulse”将多个传感器数据源合并为一个数据流。

4.1.2 传感器数据的关键属性

采样率与奈奎斯特频率：采样率必须大于信号最高频率的2倍，否则会产生混叠。例如，若设备振动频率最高为200Hz，采样率至少需要400Hz。Edge Impulse支持自定义采样率，但需注意内存和功耗限制。
量程与分辨率：量程决定了可测量的最大物理量，分辨率决定了最小可检测的变化。加速度计量程通常为±2g到±16g，选择过大的量程会降低小信号的灵敏度。
噪声基底：所有传感器都有本底噪声。加速度计的噪声密度通常在100-300 μg/√Hz。噪声过大会掩盖微弱的异常信号，因此去噪是必要的预处理步骤。
轴间耦合与校准：IMU的轴间可能存在微小耦合，且受温度影响产生零偏漂移。在部署前应进行静态校准，记录零偏值并在预处理中扣除。

4.2 数据预处理：从原始信号到可用样本

原始传感器数据不能直接输入模型，必须经过一系列预处理步骤，以消除噪声、统一尺度、并切分成适合模型输入的样本窗口。Edge Impulse的预处理流程通常包括去噪、归一化和分段三个核心环节。

4.2.1 去噪（滤波）

去噪的目标是保留与异常相关的信号成分，抑制无关的噪声和干扰。常用的方法包括：

低通滤波：去除高频噪声。适用于振动信号，截止频率通常设为信号最高频率的1.5-2倍。Edge Impulse内置了Butterworth低通滤波器，可配置阶数和截止频率。
带通滤波：保留特定频带内的信号。例如，轴承故障特征频率通常在1kHz-5kHz，使用带通滤波可以突出该频段。
中值滤波：去除脉冲噪声（尖峰）。对于传感器偶发的毛刺信号，中值滤波比均值滤波更有效，因为它不会模糊边缘。
去趋势：去除信号中的缓慢漂移（如温度引起的零偏漂移）。可以使用高通滤波或减去滑动平均。

// Edge Impulse 中配置滤波器的示例（伪代码）
// 在 DSP 模块中设置
dsp_config {
  filter_type: "lowpass"
  cutoff_frequency: 100  // Hz
  order: 4
  // 或 filter_type: "bandpass", low_freq: 50, high_freq: 500
}

风险提示：过度滤波会滤除异常信号本身。例如，如果异常表现为瞬态冲击（如碰撞），低通滤波会将其平滑掉。建议先进行频谱分析，确定异常信号的频带范围，再设计滤波器。在Edge Impulse中，可以使用“Spectral Analysis”模块查看原始数据的频谱。

4.2.2 归一化与标准化

不同传感器、不同轴的数据具有不同的量纲和数值范围。例如，加速度计数值在±16g之间，而温度可能在20-80°C之间。如果不进行归一化，模型会偏向数值范围大的特征。常用的方法有：

Min-Max归一化：将数据缩放到[0,1]区间。公式：x' = (x - min) / (max - min)。适用于数据分布有明确上下界的情况。
Z-score标准化：将数据转换为均值为0、标准差为1的分布。公式：x' = (x - μ) / σ。适用于数据分布近似高斯的情况，对异常值不敏感。
鲁棒缩放：使用中位数和四分位距（IQR）进行缩放，对异常值具有更好的鲁棒性。

在Edge Impulse中，归一化参数（min/max或μ/σ）必须从训练集计算，并保存用于后续的验证集和测试集。如果直接对整个数据集计算归一化参数，会导致数据泄漏，使模型评估结果过于乐观。

  关键操作流程：
  将原始数据划分为训练集、验证集、测试集（例如70%/15%/15%）。
仅使用训练集计算归一化参数（min/max或μ/σ）。
将相同的参数应用于验证集和测试集。
在Edge Impulse中，可以在“Create Impulse”页面设置“Calibration”参数，系统会自动处理。

4.2.3 分段（窗口化）

异常检测模型通常处理固定长度的数据窗口，而不是无限长的流数据。分段将连续时间序列切分为多个样本窗口，每个窗口独立输入模型。窗口设计直接影响模型的时间分辨率和计算开销。

窗口长度：窗口应足够长以包含完整的异常事件，但又不能太长导致特征被平均化。对于振动信号，窗口长度通常为2-5秒；对于温度信号，可能需要10-60秒。Edge Impulse默认窗口长度为2秒。
重叠率：相邻窗口之间可以重叠，以增加样本数量并平滑边界效应。常见的重叠率为50%-75%。重叠率越高，样本越多，但计算量也越大。
滑动步长：步长 = 窗口长度 × (1 - 重叠率)。例如，窗口长度2秒，重叠率50%，则步长为1秒。

窗口长度	重叠率	样本数量（1分钟数据）	适用场景
1s	50%	119	快速瞬态异常（碰撞、冲击）
2s	50%	59	振动异常、旋转机械
5s	75%	45	缓慢变化信号（温度、压力）
10s	0%	6	长期趋势监测

4.3 时域与频域特征提取

特征提取是将预处理后的窗口数据转换为一组数值特征，这些特征应能有效区分正常与异常状态。Edge Impulse提供了丰富的DSP模块，可以自动提取时域和频域特征。

4.3.1 时域特征

时域特征直接从原始信号的时间序列中计算，计算简单、物理意义明确。常用的时域特征包括：

统计特征：均值、方差、标准差、峰峰值、均方根（RMS）。RMS对振动信号的幅值变化敏感，是轴承故障检测的经典指标。
波形特征：峰值因子（峰值/RMS）、波形因子（RMS/平均绝对值）、脉冲因子（峰值/平均绝对值）。这些特征对冲击性异常敏感。
过零率：信号穿越零点的次数，反映信号的频率变化。对于振动信号，过零率增加可能意味着高频成分增多。
自相关函数：描述信号与其自身延迟版本的相关性，可用于检测周期性异常。

4.3.2 频域特征

频域特征通过傅里叶变换（FFT）将信号从时域转换到频域，揭示信号的频率成分。频域特征对周期性异常（如轴承磨损、齿轮故障）特别有效。

频谱质心：频谱的加权平均频率，反映信号的主要频率位置。
频谱带宽：频谱的扩展程度，带宽增加可能意味着能量分散到更多频率。
谱熵：频谱的均匀程度。正常信号的谱熵较低（能量集中在少数频率），异常信号的谱熵可能升高。
特定频带能量：计算特定频带（如1kHz-2kHz）内的能量占比。例如，轴承故障特征频率（BPFO、BPFI）处的能量增加是故障的明确信号。
峰值频率：频谱中幅值最大的频率。峰值频率的偏移可能意味着转速变化或结构共振。

// Edge Impulse 中特征提取的配置示例
// 在 DSP 模块中，选择 "Spectral Features"
dsp_config {
  type: "spectral"
  fft_length: 256
  window_function: "hann"
  features: ["rms", "spectral_centroid", "spectral_entropy", "peak_frequency"]
}

4.3.3 特征选择与降维

提取的特征数量可能非常多（例如，每个轴提取10个特征，6轴IMU就有60个特征）。过多的特征会导致过拟合和计算开销增加。Edge Impulse提供了特征重要性评估工具，可以自动筛选出对分类最有贡献的特征。

特征重要性排序：基于随机森林或梯度提升树，计算每个特征对分类准确率的贡献度。
主成分分析（PCA）：将高维特征投影到低维空间，保留主要方差。Edge Impulse内置了PCA模块，可设置保留的方差比例（如95%）。
领域知识约束：根据物理意义选择特征。例如，对于旋转机械，优先选择与转速相关的频域特征（如1倍频、2倍频能量）。

4.4 案例拆解：工业风扇轴承异常检测

下面通过一个完整的案例，展示传感器数据与特征工程在Edge Impulse中的实际应用。

4.4.1 背景与目标

某工厂的冷却风扇需要24小时连续运行。轴承磨损是主要的故障模式，早期表现为微弱的振动异常。目标是在轴承完全失效前提前48小时发出预警。约束条件：使用现有的低成本IMU传感器（采样率400Hz，6轴），边缘设备计算资源有限（Cortex-M4处理器，内存256KB）。

4.4.2 数据采集与预处理

数据采集：在风扇轴承座上安装IMU，以400Hz采样率连续采集加速度计和陀螺仪数据。正常运行数据采集7天，模拟故障数据通过人为注入不平衡质量块（模拟磨损）采集2天。
去噪：使用4阶Butterworth低通滤波器，截止频率100Hz。因为轴承故障特征频率通常在50-200Hz之间，100Hz截止频率可以保留主要故障成分，同时滤除高频噪声。
归一化：使用Z-score标准化，参数从训练集计算。加速度计和陀螺仪分别独立标准化。
分段：窗口长度2秒，重叠率50%。每2秒生成一个样本，1分钟数据产生59个样本。训练集包含约5000个正常样本和1000个异常样本。

4.4.3 特征提取与模型训练

在Edge Impulse中，使用“Spectral Features”DSP模块，对每个轴提取以下特征：RMS、频谱质心、谱熵、峰值频率、特定频带能量（50-100Hz、100-150Hz、150-200Hz）。每个轴提取8个特征，6轴共48个特征。

使用K-means聚类（k=2）作为异常检测模型。训练后，模型在验证集上的F1分数为0.92。特征重要性分析显示，加速度计Z轴（垂直于轴承座）的RMS和100-150Hz频带能量是最重要的特征。

4.4.4 结果与复盘

指标	训练集	验证集	测试集（模拟故障）
准确率	98.2%	95.1%	93.7%
召回率（异常检出）	97.5%	94.0%	91.2%
误报率	1.1%	2.3%	3.5%
推理时间（Cortex-M4）	-	-	18ms

复盘经验：

窗口长度的影响：尝试过1秒窗口，召回率下降至85%，因为1秒窗口无法捕捉完整的振动周期（风扇转速1200rpm，周期0.05秒，但轴承故障特征频率需要多个周期才能稳定）。
归一化的关键性：如果对整个数据集（包括测试集）计算归一化参数，验证集F1分数会虚高至0.97，但实际部署时性能下降至0.88。使用训练集计算参数后，实际性能与验证集一致。
特征冗余：陀螺仪的特征贡献度较低（重要性排名后10位），但保留它们并未显著增加计算开销。在资源受限时，可以移除陀螺仪特征，推理时间从18ms降至14ms。

4.5 常见误区与总结

误区1：忽略采样率与信号频率的匹配。如果采样率低于信号最高频率的2倍，频谱会发生混叠，频域特征完全失真。务必先进行频谱分析，确认信号带宽。

误区2：窗口长度设置不当。窗口过短会丢失低频信息，窗口过长会延迟异常检测的响应时间。对于旋转机械，窗口至少应包含10个旋转周期。

误区3：归一化参数计算错误。使用全数据集计算归一化参数会导致数据泄漏，使模型评估结果过于乐观。必须严格分离训练集和测试集。

误区4：特征过多导致过拟合。在样本量有限的情况下，过多的特征会使模型记住噪声。使用特征重要性评估和PCA进行降维。

  总结复盘：传感器数据与特征工程是异常检测模型成功的关键。核心要点包括：①根据物理场景选择合适的传感器和采样率；②预处理必须包含去噪、归一化和分段，且归一化参数只能从训练集计算；③时域特征适合捕捉冲击和幅值变化，频域特征适合捕捉周期性异常，两者应结合使用；④特征选择应结合领域知识和数据驱动方法；⑤在Edge Impulse中，充分利用DSP模块和特征重要性工具，可以显著提升开发效率。掌握这些方法，才能为后续的阈值设置和模型调优奠定坚实基础。