2. 时序数据基础

在进入TinyML多变量时序异常检测项目之前，我们必须先建立对时序数据本身的深刻理解。时序数据是工业物联网、可穿戴设备、智能家居等场景中最常见的数据形态——温度、振动、电流、流量、心率等传感器信号，本质上都是随时间变化的观测值序列。本章将系统梳理时间序列的核心概念、三大成分（趋势、季节、噪声）的数学含义与工程意义，并重点剖析多变量时序数据与单变量数据的本质差异，以及在实际项目中如何对多变量时序数据进行规范化表示。这些基础将直接决定后续特征工程、模型选型与异常检测策略的有效性。

上图展示了本章的核心知识框架：时间序列由趋势、季节性和噪声三大成分叠加而成，而多变量时序数据则是在此基础上增加了变量维度之间的交互关系。表示方法的选择直接影响模型的计算效率与检测精度。下面我们将逐一深入展开。

2.1 时间序列的核心概念与数学定义

核心原理：时间序列（Time Series）是指按时间先后顺序排列的一组观测值，记为 \(\{x_t\}_{t=1}^T\)，其中 \(t\) 表示离散时间索引，\(T\) 为序列长度。在TinyML场景中，时间索引通常对应等间隔采样时刻，例如每100ms采集一次加速度计数据。时间序列与普通随机样本的关键区别在于：相邻观测值之间存在时间依赖性，即 \(x_t\) 与 \(x_{t-1}, x_{t-2}, \dots\) 在统计上相关。这种自相关性（Autocorrelation）是时序分析的基础，也是异常检测算法能够“预测”正常模式的前提。

从概率视角看，时间序列可以视为随机过程的一个实现。对于多变量情况，我们定义 \(\mathbf{X} = [\mathbf{x}_1, \mathbf{x}_2, \dots, \mathbf{x}_T] \in \mathbb{R}^{D \times T}\)，其中每一行代表一个变量（如温度、振动、电流），每一列代表一个时间点的观测向量。在TinyML项目中，由于内存和算力受限，我们通常不会处理完整的历史序列，而是采用滑动窗口机制，每次仅保留最近 \(W\) 个时间步的数据作为模型输入。

2.2 时间序列的三大成分：趋势、季节性与噪声

核心原理：经典的时间序列分解模型将观测值表示为三个成分的组合：

\(x_t = T_t + S_t + N_t\)（加法模型）或 \(x_t = T_t \times S_t \times N_t\)（乘法模型）

其中 \(T_t\) 为趋势成分，反映长期变化方向；\(S_t\) 为季节成分，呈现固定周期的波动；\(N_t\) 为噪声/残差成分，代表随机扰动。在工业异常检测中，理解这三个成分至关重要：异常往往表现为对趋势、季节或噪声模式的偏离。例如，轴承磨损会导致振动信号的趋势性上升；而传感器接触不良则表现为噪声方差突然增大。

判断方法：在TinyML项目中，我们通常使用差分法去除趋势（一阶差分 \(x'_t = x_t - x_{t-1}\)），使用季节性分解（如STL算法）分离季节成分。但嵌入式环境计算资源有限，更实用的做法是：

1. 对原始序列计算滑动平均，得到趋势估计 \(\hat{T}_t\)；
2. 从原始序列中减去趋势，得到去趋势序列 \(d_t = x_t - \hat{T}_t\)；
3. 对 \(d_t\) 按已知周期（如24小时）折叠平均，得到季节模板；
4. 残差 \(N_t = x_t - \hat{T}_t - \hat{S}_t\) 即为噪声，用于计算正常波动范围。

2.3 多变量时序数据的特点与维度间关联

核心原理：多变量时序数据（Multivariate Time Series, MTS）是指在同一时间点上同时记录多个物理量的序列集合。与单变量时序相比，MTS具有两个显著特点：维度内的时间依赖和维度间的空间/语义关联。例如，在电机监测中，电流、振动、温度三个变量并非独立变化——当负载增加时，电流上升、振动加剧、温度也随之升高。这种跨变量的协同变化模式，是单变量分析无法捕捉的。

多变量数据的表示方法：在TinyML项目中，常用的表示方式有三种：

• 矩阵表示：将 \(T\) 个时间步、\(D\) 个变量组织为 \(T \times D\) 的矩阵，每一行是一个时间点的观测向量。这是最基础的存储格式，适合C语言中的二维数组。
• 张量表示：当使用深度学习模型（如LSTM、Transformer）时，输入通常组织为 \((B, T, D)\) 的三维张量，其中 \(B\) 为批大小。在MCU上，\(B\) 通常为1，\(T\) 为窗口长度。
• 流式表示：采用环形缓冲区（Ring Buffer）维护最近 \(W\) 个时间步的数据，每次新样本到达时覆盖最旧的数据。这种表示方式内存占用固定，适合实时推理。

2.4 案例拆解：工业泵站的多变量监测数据表示

场景与约束：某水处理厂需要在一台STM32H7微控制器上部署异常检测模型，监测一台离心泵的运行状态。传感器包括：振动加速度计（3轴，采样率1kHz）、压力传感器（1路，采样率100Hz）、电机电流（1路，采样率50Hz）。设备内存仅512KB，Flash 2MB，要求检测延迟小于100ms。

初始现象与目标：传统单变量阈值报警频繁误报——因为泵在启动和停机阶段，各变量自然波动较大，但并非故障。目标是通过多变量联合分析，区分“正常工况变化”与“真实异常”（如气蚀、轴承磨损）。

关键输入数据与处理：

// 多变量数据缓冲区定义（环形缓冲区）
#define WINDOW_SIZE 64   // 时间窗口长度
#define NUM_VARS 5       // 变量数：acc_x, acc_y, acc_z, pressure, current

typedef struct {
    int16_t buffer[WINDOW_SIZE][NUM_VARS];  // 5×64×2字节 = 640字节
    uint8_t head;                            // 最新数据写入位置
} RingBuffer;

// 归一化参数（离线训练得到）
typedef struct {
    float mean[NUM_VARS];
    float std[NUM_VARS];
} NormParams;

分析判断过程：首先，对历史正常数据计算每个变量的均值与标准差。然后，将原始数据转换为Z-score。接着，计算窗口内各变量之间的皮尔逊相关系数矩阵（5×5），作为特征输入异常检测模型。正常工况下，振动与电流的相关系数稳定在0.6-0.8；当发生气蚀时，振动高频分量增加，但电流变化不大，导致相关系数骤降至0.2以下。

实际操作步骤：

1. 在PC端用Python对采集的24小时正常数据做离线分析，确定每个变量的均值/标准差，以及正常工况下的相关系数范围。
2. 将归一化参数以const float数组形式固化到MCU Flash中。
3. 在MCU上实现环形缓冲区，每次新采样到达时更新窗口，并滑动计算相关系数。
4. 设定异常判定规则：若任一相关系数超出正常范围±0.3，且持续超过5个窗口，则触发报警。

结果对比与复盘：部署后，误报率从原来的每天3-4次降低到每周不到1次。同时，成功在气蚀发生初期（振动异常后2秒内）捕捉到相关系数突变。代价是增加了约15%的CPU占用（用于相关系数计算），但仍在STM32H7的预算内。复盘发现，窗口大小选择很关键：64个时间步（约0.64秒）既能平滑噪声，又不会过度延迟响应。

2.5 常见误区与总结复盘

误区一：忽视时间对齐。多变量数据各通道采样率不同（如振动1kHz、压力100Hz），若直接拼接原始数据，会导致时间错位。正确做法是降采样对齐到最低采样率，或使用插值法统一到同一时间网格。

误区二：将趋势当作异常。设备老化导致的缓慢趋势上升是正常现象，不应触发报警。应在预处理阶段去除趋势，只对残差部分进行异常检测。

误区三：忽略季节性的影响。许多工业过程具有日周期或班次周期。如果模型没有考虑季节性，同一时刻的“正常”值在不同季节可能差异很大。建议在特征中加入“时间戳”信息（如小时、星期几），或使用差分法消除已知周期。

误区四：内存布局不合理。在MCU上，多维数组的存储顺序（行优先 vs 列优先）会影响缓存命中率。对于滑动窗口计算，建议按“时间优先”存储（即 buffer[time][var]），这样在遍历时间步时内存访问连续。

总结复盘：本章建立的时间序列基础框架——成分分解、多变量关联、规范化表示——是后续所有TinyML异常检测算法的基石。在实际项目中，建议按以下流程操作：① 离线分析历史数据，确定趋势、季节、噪声特性；② 设计合适的表示方法（矩阵/张量/流式）；③ 在MCU上实现轻量级的预处理（归一化、去趋势）；④ 验证多变量特征（如相关系数）对异常的可区分性。只有扎实掌握这些基础，才能在资源受限的嵌入式环境中构建可靠、高效的异常检测系统。