2. 时序数据基础与实验数据特征

时序实验数据对齐与比较的第一步，不是写代码，而是把数据本身“看清楚”。同一段实验，如果时间戳口径不一致、采样率不同、时区混用、缺失模式各异、噪声类型不同，后续无论用多复杂的对齐算法，都可能得到看似合理却错误的结论。本节围绕五个基础特征展开：时间戳、采样率、时区、缺失模式与噪声类型，并说明它们如何具体影响对齐与比较。

时间戳：对齐的锚点，也是最容易出错的地方

时间戳是时序数据对齐的唯一锚点。工程中常见的时间戳有三种口径：采集时刻（传感器或采集卡打点的时间）、写入时刻（数据落库时间）、处理时刻（算法输出时间）。三者可能相差几毫秒到几秒，若混用，对齐结果会出现系统性偏移。例如采集卡以 1 kHz 采样，但数据先进入缓冲区再批量写入数据库，写入时间戳会比真实采集时刻晚 200 ms 以上；若用写入时间戳做对齐，两路信号的相位关系就被整体平移。

另一个常见问题是时间戳精度与单调性。Unix 毫秒时间戳在 1 kHz 采样下每毫秒对应 1 个点，看似够用，但若两路数据分别用毫秒和微秒精度记录，合并时会出现“同一时刻多个点”或“点被压缩”的现象。此外，系统对时（NTP）跳变、夏令时切换、手动改时钟都会破坏单调性，导致时间轴出现回退或跳跃。实操中应先做时间戳体检：检查是否单调递增、相邻间隔的分布是否与标称采样率一致、是否存在重复时间戳。

采样率：决定比较的分辨率与重采样策略

采样率直接决定两路数据能否逐点比较。若两路采样率相同且时钟同源，逐点比较即可；若采样率不同，必须先重采样到统一时间栅格。这里有一个关键原则：重采样只能降低分辨率，不能凭空提高信息量。把 100 Hz 信号上采样到 1 kHz，只是插值出中间点，并不会恢复原始信号中不存在的高频成分。

因此，比较前应明确“以谁为基准”。通常做法是：以较低采样率为基准做降采样，或统一重采样到一个中间栅格。降采样前必须加抗混叠滤波，否则高频噪声会折叠进低频带，污染比较结果。例如将 1 kHz 的振动信号降到 100 Hz 与另一路 100 Hz 温度信号比较，若不做低通滤波，500 Hz 附近的机械噪声会混叠到 0～50 Hz 内，使温度与振动的相关性被虚假放大。下表给出一个示例性的重采样决策参考（参数为教学假设）：

时区：统一到绝对时间再比较

时区问题的本质是“本地时间”与“绝对时间”的混淆。带时区偏移的 ISO 8601 时间（如 2024-06-01T08:00:00+08:00）是绝对时间，可直接比较；而不带偏移的本地时间（如 2024-06-01 08:00:00）必须结合采集地点和时区规则才能还原为绝对时间。跨时区实验、跨国设备日志、夏令时切换期间的数据，最容易在此出错。

推荐做法是：入库时统一转换为 UTC 并保留原始时区标记，展示时再按需转换。夏令时切换当天会出现“同一本地时间对应两个绝对时刻”或“某本地时刻不存在”的情况，若用本地时间做键，可能造成数据覆盖或错位。比较两路数据前，先确认二者时间戳是否都带时区信息，再统一到同一绝对时间基准。

缺失模式：不是“没有数据”这么简单

缺失值对比较的影响取决于缺失模式。常见模式有三类：随机点缺失（偶发丢包）、连续段缺失（设备离线、通信中断）、周期性缺失（固定时段停机或采样窗口截断）。随机点缺失可用插值或跳过处理；连续段缺失若直接线性插值，会制造出并不存在的“平滑趋势”，使相关性被高估；周期性缺失则可能让比较结果在特定时段系统性偏差。

处理时应先统计缺失分布：缺失率、最长连续缺失长度、缺失是否集中在某些时段。对于连续缺失超过一定长度的区段，更稳妥的做法是标记为无效区段并在比较时排除，而不是强行填补。插值方法也要与信号特性匹配：温度等慢变量可用线性或样条插值，振动等快变量在缺失段内插值几乎没有物理意义。

噪声类型：决定比较指标是否可信

噪声不是“越干净越好”这么笼统。白噪声各频段功率均匀，对时域均值影响小但对逐点比较影响大；工频干扰（50/60 Hz 及其谐波）是窄带周期噪声，会在频谱上形成尖峰，若两路数据都受同一工频干扰，相关性会被虚假抬高；脉冲噪声（尖刺）会严重拉偏均方误差和峰值类指标；漂移则是低频趋势，会让长时间窗口内的均值比较失真。

因此，比较前应识别噪声类型并选择匹配的指标与预处理。含脉冲噪声时，用中位数或截尾均值替代均值；含工频干扰时，先做陷波滤波；含漂移时，先做去趋势。若两路数据噪声特性差异很大，直接比较原始波形意义有限，应比较滤波后的特征或统计量。

把特征检查落到一次具体比较中

假设一次教学示例实验：一路振动传感器以 1 kHz 采集，一路温度传感器以 10 Hz 采集，振动数据写入数据库时批量落库，温度数据带本地时间且未标时区，振动信号含明显 50 Hz 工频干扰，温度在中间某段因设备重启缺失约 30 秒。若直接按写入时间戳和本地时间对齐并逐点比较，会同时踩中时间戳偏移、时区歧义、采样率不匹配、连续缺失和工频干扰五个问题。

合理的处理顺序是：先把温度本地时间按实验地点还原为带偏移的绝对时间并统一到 UTC；再检查振动时间戳的单调性与相邻间隔，估计写入延迟并校正到采集时刻；然后以 10 Hz 为基准对振动降采样，降采样前做 50 Hz 陷波和抗混叠低通；接着标记温度缺失的 30 秒区段，在比较时排除该区段而非线性填补；最后选择对脉冲和工频不敏感的指标（如滤波后的均方根或中位数）进行比较。经过这一轮体检与预处理，两路数据才真正具备可比性。