4. 数据预处理
在Edge Impulse中构建传感器分类模型时，原始时间序列数据几乎不可能直接送入神经网络。传感器信号中混杂着噪声、基线漂移、个体差异以及环境干扰，若不做预处理，模型极易过拟合或欠拟合。本章将系统拆解Edge Impulse中时间序列数据的四大核心预处理环节：切片（Windowing）、滤波（Filtering）、归一化（Normalization）与特征提取（Feature Extraction），并结合实际项目流程说明每个环节在Studio界面中的具体操作与参数选择逻辑。
上图展示了Edge Impulse中时间序列数据从原始采集到模型训练前的完整预处理链路。每个环节都对应Studio界面中的特定配置项，且参数选择直接影响后续特征质量与模型精度。下面逐一深入讲解。
4.1 时间序列数据切片：窗口长度与步长的工程权衡
核心原理：传感器数据是连续流，但分类模型需要固定长度的输入。切片（Windowing）将连续信号分割为短时窗口，每个窗口作为一个独立样本。窗口长度决定了模型感知的时间范围——窗口过短会丢失动作的完整周期信息，窗口过长则引入冗余数据并增加计算延迟。步长（Hop）控制相邻窗口的重叠程度，重叠率越高，样本数量越多，模型训练更充分，但数据冗余也越大。
Edge Impulse中的操作流程：在创建Impulse时，进入Time series data配置页，系统会根据输入传感器频率自动推荐窗口长度。关键参数设置如下：
- 窗口长度（Window size）：建议覆盖至少1~2个完整动作周期。例如手势识别中，一次挥手约1秒，则窗口设为1000ms~2000ms。
- 步长（Hop size）：默认等于窗口长度（无重叠）。若样本量不足，可减小步长实现50%或75%重叠，数据增强效果明显。
- 增加预处理（Add preprocessing）：可选项包括
Flatten（将多轴数据展平为一维）和Resample（统一采样率）。
Split选项中的“时间序列分割”而非随机分割。
4.2 滤波处理：去除噪声与基线漂移
核心原理：原始传感器信号包含高频噪声（如电机振动、电磁干扰）和低频漂移（如温度变化引起的基线偏移）。滤波通过保留目标频段、衰减无关频段来提升信噪比。Edge Impulse内置了Butterworth滤波器，支持低通、高通、带通三种模式。
参数选择方法：滤波器的截止频率需根据信号特征确定。以加速度计的人体活动识别为例：
| 信号类型 | 推荐滤波器 | 截止频率 | 目的 |
|---|---|---|---|
| 加速度（人体运动） | 低通 | 20~40 Hz | 去除高频抖动，保留动作主频 |
| 陀螺仪（角速度） | 带通 | 0.5~15 Hz | 抑制直流漂移与高频噪声 |
| 麦克风（音频） | 带通 | 300~3400 Hz | 保留语音频段，去除环境噪声 |
操作流程：在Impulse Design的DSP Block中，选择Spectral Analysis或Raw Data模块，点击“Add preprocessing”展开滤波器配置。Edge Impulse允许在Filter下拉菜单中选择类型，并输入截止频率。滤波后的信号会实时显示在右侧预览图中，便于直观验证效果。
Raw Data页面提供频谱可视化工具，可辅助决策。
4.3 归一化：消除量纲与个体差异
核心原理：不同传感器（如加速度计±2g与±16g量程）或不同个体佩戴位置产生的信号幅值差异巨大。归一化将数据缩放到统一范围，避免大数值特征主导模型训练。Edge Impulse提供两种归一化方式：
- Z-score标准化：\( x' = (x - \mu) / \sigma \)，适用于数据近似正态分布的场景，对异常值不敏感。
- Min-Max缩放：\( x' = (x - min) / (max - min) \)，将数据映射到[0,1]区间，但易受极端值影响。
Edge Impulse中的实现：在DSP Block的Normalization选项中，选择Z-score或Min-Max。系统会自动计算训练集的均值、标准差或最小/最大值，并在推理时应用相同参数。注意：归一化参数必须仅从训练集计算，避免验证集信息泄漏。
4.4 特征提取：FFT与统计特征的组合策略
核心原理：原始时间序列维度高且冗余，直接输入神经网络计算量大且易过拟合。特征提取将窗口数据转换为低维、判别性强的特征向量。Edge Impulse的Spectral Analysis模块自动提取两类特征：
- 频域特征（FFT）：将时域信号转换为频谱，提取各频段能量、峰值频率、频谱质心等。FFT点数通常设为窗口内采样点数（如2秒×50Hz=100点），频率分辨率 = 采样率/FFT点数。
- 统计特征：包括均值、方差、标准差、均方根（RMS）、峰值、过零率、波形因子等。这些特征描述信号的幅值分布与波动特性。
特征选择方法：Edge Impulse在Features页面展示所有提取特征的分布图（t-SNE或PCA投影），可直观判断类别可分性。若特征重叠严重，需调整窗口长度或滤波器参数。系统还提供Feature importance排序，帮助识别贡献度低的特征并剔除。
| 特征类别 | 典型特征 | 适用场景 |
|---|---|---|
| 时域统计 | 均值、方差、峰值、过零率 | 稳态活动（站立、静坐） |
| 频域特征 | FFT峰值、频带能量、频谱熵 | 周期性动作（跑步、骑行） |
| 时频组合 | 小波系数、短时傅里叶 | 复杂手势、语音命令 |
4.5 案例拆解：基于加速度计的人体活动识别预处理调优
背景与约束：某可穿戴设备项目需识别“走路、跑步、上楼、下楼”四种活动。硬件采用BMI160加速度计，采样率50Hz，量程±4g。初始模型准确率仅72%，主要混淆发生在“上楼”与“下楼”之间。
初始现象与诊断：查看Edge Impulse的Feature explorer，发现上楼与下楼的特征点高度重叠。进一步分析原始信号频谱，发现两种活动的频段均在1~3Hz，但上楼时Z轴低频分量（0.5~1Hz）更突出，下楼时X轴高频抖动（3~5Hz）更明显。
关键参数调整过程：
- 切片优化：将窗口从2秒调整为3秒（步长1秒），确保包含完整的上下楼周期（约2.5秒）。样本量从1200增至2400。
- 滤波调整：将低通截止频率从20Hz降至10Hz，去除腿部摆动的高频噪声；同时启用高通0.5Hz，抑制身体重心缓慢漂移。
- 特征增强：在DSP Block中勾选
Extra statistical features，添加“峰峰值”和“波形长度”两个特征，增强对上下楼步态差异的捕捉。 - 归一化验证：确认Z-score归一化参数仅基于训练集计算，避免数据泄漏。
结果对比：调整后模型准确率提升至91%，其中上楼识别率从68%升至89%，下楼从71%升至93%。混淆矩阵显示主要残留错误为“走路”与“上楼”的过渡状态，属于合理边界情况。
风险与代价：窗口加长导致推理延迟从2秒增至3秒，实时性要求高的场景需权衡。特征数量从12个增至15个，模型大小增加约8%，但仍在MCU可接受范围。
复盘经验：预处理参数不应盲目套用默认值。通过频谱分析定位类别差异的关键频段，再针对性调整滤波与特征组合，是提升分类精度的有效路径。Edge Impulse的Feature explorer是验证预处理效果的核心工具，每次调整后都应重新检查特征分布。
4.6 常见误区与总结复盘
误区一：忽略数据泄漏。在归一化或特征缩放时，若使用全数据集计算参数，会导致验证集信息泄漏，模型评估结果虚高。正确做法是仅用训练集拟合归一化参数。
误区二：窗口重叠率过高。虽然重叠能增加样本量，但过度重叠（>90%）会使相邻样本高度相关，导致模型过拟合训练集，泛化能力下降。建议重叠率不超过75%。
误区三：滤波过度。部分用户为了“干净”信号，将截止频率设得很低，结果滤除了关键分类信息。滤波前务必用FFT查看频谱，确认目标信号频段。
误区四：忽视特征重要性。Edge Impulse自动提取的特征并非全部有效。应定期查看Feature importance，剔除贡献度低于阈值的特征，减少模型复杂度与过拟合风险。