4. 时域波形检查与预处理实战
拿到一段振动、噪声或电信号，第一件事不是急着做 FFT，而是回到时域把波形看清楚。频域里很多“莫名其妙的谱峰”和“抬起来的底噪”，根源都在时域：传感器漂移让低频段被一条斜线污染，削波在谐波位置造出虚假峰，混叠把高频折叠到低频，异常脉冲则把整个谱底抬高。本节按“先看、再修、后验”的顺序，把去趋势、滤波、加窗、分段与平均串成一条可执行的预处理链，并给出削波、混叠、漂移、异常脉冲四类典型缺陷的识别与处置方法。
一、先做时域体检：四个必看指标
在动手处理前，先对原始波形做一次快速体检，重点看四项：
- 峰值与量程：读取最大值、最小值，与采集量程（如 ±5 V 或 ±50 g）比较。若峰值贴近量程上限且波形顶部变平，即为削波。
- 均值与趋势：计算整段均值。理想零均值信号若均值明显偏离 0，或波形整体缓慢上爬/下沉，说明存在直流偏置或低频漂移。
- 峰峰值与有效值之比：正弦波约为 2.83，高斯噪声约为 3～4。若该比值远大于 5，往往存在脉冲或冲击成分。
- 采样率与信号最高频率：确认 fs 是否大于信号最高关注频率的 2 倍以上，否则混叠风险很高。
这四项检查不需要复杂工具，一段几十行的脚本或示波器的测量功能即可完成。关键是养成“先看原始波形”的习惯，避免把缺陷带进后续分析。
二、去趋势：消除漂移与直流偏置
漂移通常来自传感器温漂、电荷放大器漏电或接地回路。它表现为一条缓慢变化的基线，叠加在真实信号上。去趋势的常用做法有两种：
去均值：减去整段均值，消除恒定直流分量。适用于偏置稳定、无缓慢漂移的场景。
多项式去趋势：用最小二乘拟合一条低阶多项式（通常 1 阶线性或 2 阶），再从原信号中减去。1 阶去趋势消除线性漂移，2 阶可处理轻微弯曲的基线。
# 示例：一阶多项式去趋势（Python/NumPy）
import numpy as np
t = np.arange(N) / fs
coef = np.polyfit(t, x, 1) # 拟合线性趋势
trend = np.polyval(coef, t)
x_detrend = x - trend # 去趋势结果
需要注意：去趋势会削弱信号本身的低频成分。若关注频率低至 0.5 Hz，而漂移时间常数与之接近，去趋势可能把有用信号一并去掉。此时应优先改善传感器与接地，而不是靠算法补救。
三、滤波：抗混叠与去带外噪声
滤波分两个位置：采集前的抗混叠滤波和采集后的数字滤波。抗混叠滤波器必须是模拟低通，截止频率不高于 fs/2，且要有足够陡的过渡带。若采集时没有做好这一步，事后无法用数字滤波恢复被折叠的频率。
采集后的数字滤波用于去除带外噪声或提取关注频带。常用类型与选择依据：
- 低通：保留低频，去除高频噪声，常用于转速、位移类信号。
- 高通：去除漂移和直流，常用于加速度信号。
- 带通：只保留关注频带，如轴承故障特征所在的 1～5 kHz。
- 带阻：抑制工频干扰（50 Hz 及其谐波）。
滤波器阶数越高，过渡带越陡，但相位非线性也越明显。若后续要做时域波形对比或阶次分析，建议使用零相位滤波（如 filtfilt），避免相位失真。
四、加窗：抑制泄漏
FFT 默认信号在分析段内是周期的。若信号在段首尾不连续，频谱会向邻近频点泄漏，表现为谱峰变宽、旁瓣抬高。加窗就是让段首尾平滑过渡到零，减小这种不连续。
窗函数的选择取决于信号类型：
- 汉宁窗：通用选择，主瓣较宽但旁瓣衰减快，适合随机信号和一般振动分析。
- 平顶窗：主瓣宽、幅值精度高，适合精确测量单频幅值。
- 矩形窗：不做加权，适合整周期采样的确定性信号或瞬态信号。
- 指数窗：适合冲击响应等衰减信号，可抑制末端噪声。
加窗会降低有效幅值，需按窗函数的相干增益做幅值修正。例如汉宁窗相干增益为 0.5，幅值谱需乘以 2 才能恢复真实幅值。
五、分段与平均：降低随机噪声
随机噪声在单次谱中表现为起伏的底噪。通过把长信号分成若干段、分别做 FFT 再平均，可以显著降低底噪的方差。平均次数 N 越大，底噪起伏越小，理论上噪声标准差降低为原来的 1/√N。
分段时要注意：段长决定频率分辨率 Δf = fs/N段；段间重叠（常用 50%）可增加平均次数、减少数据浪费；每段都要加窗。若信号是非平稳的（如转速变化），分段平均会把不同时刻的谱混在一起，此时应改用短时傅里叶变换或阶次跟踪。
六、四类缺陷的识别与处置要点
削波：最直观的特征是波形顶部或底部被“削平”。在频谱上，削波会产生奇次谐波（3f、5f…），容易被误判为真实谐波成分。判断方法：逐步降低激励幅值，若谐波峰随之下降甚至消失，说明是削波而非真实谐波。削波一旦发生，信息已经丢失，只能降低增益重新采集，事后无法恢复。
混叠：混叠的典型特征是频谱中出现无法用物理机理解释的低频峰，且该峰位置会随采样率改变而移动。验证方法：把采样率提高一倍重采，若该峰位置随之改变，即为混叠。处置只能从源头做起——提高采样率或加抗混叠滤波器，数字滤波无法消除已折叠的成分。
漂移：漂移在时域表现为基线缓慢变化，在频谱上表现为低频段整体抬升，甚至掩盖真实低频成分。处置优先从传感器供电、接地和温度稳定入手；算法上去趋势可缓解，但要评估是否损失了关注频段。
异常脉冲：脉冲可能来自电磁干扰、机械撞击或接触不良。它在时域上是孤立尖峰，在频谱上会把整个底噪抬高，掩盖真实谱峰。处置方法：先用中值滤波或 3σ 准则识别并剔除脉冲点，再对剔除后的数据做谱分析；同时应排查脉冲来源，避免反复出现。
七、预处理检查清单
把上述流程固化为一张可执行清单，每次分析前逐项确认：
| 检查项 | 判断依据 | 处置动作 |
|---|---|---|
| 峰值是否贴量程 | 峰值 ≥ 量程 95% 且顶部变平 | 降低增益重采 |
| 均值是否偏离 0 | |均值| > 满量程 1% | 去均值或去趋势 |
| 峰均比是否异常 | 峰均比 > 5 | 检查脉冲，中值滤波 |
| fs 是否足够 | fs < 2×最高关注频率 | 提高 fs 或加抗混叠滤波 |
| 是否加窗 | 段首尾不连续 | 加汉宁窗并修正幅值 |
| 平均次数是否足够 | 底噪起伏大 | 增加分段数或重叠率 |
完成预处理后，建议把处理前后的时域波形和频谱并排对比一次，确认漂移已消除、削波未引入新谐波、底噪已下降、关注谱峰仍然保留。只有通过这一步复核，预处理才算真正完成，后续的频域诊断才有可靠基础。