信号处理与预处理：别让脏数据骗了你的判定

产线上采集到的信号，很少有直接能用的。我用过一百多种传感器，从振动、电流到温度、压力，每个原始信号都带着噪声、偏移、断点和时间错位。不处理干净就做 Pass/Fail 判定？我只能说，结果大概率和抽奖差不多。

这一章，咱们把预处理拆成四个关键动作：滤波去噪、归一化、缺失值处理、时序对齐。做完这四步，信号才算“能看”。

滤波去噪：先把高频毛刺和低频漂移干掉

产线上最常见的噪声有两类：高频随机毛刺和工频干扰。我见过一条汽车零件产线，振动信号的 50Hz 谐波直接淹没了轴承故障特征，一开始怎么调模型都过不了。后来加了一个陷波滤波器，准确率从 62% 直接跳到 94%。

常用的滤波方法，我整理了一张表，你挑着用：

方法	适用场景	优点	缺点
低通滤波	抑制高频噪声，保留趋势	简单快	边缘变钝
高通滤波	去除直流漂移	消除基线慢变	可能放大噪声
带通/陷波	固定频率干扰（如 50Hz）	精准去除	参数需要知道频率
中值滤波	椒盐噪声、孤立野点	不模糊阶跃	窗口大小敏感
小波去噪	非平稳信号，突变保留	多分辨率好	计算量大

举一个 Python 示例，假设你有一维振动信号：

import scipy.signal as sg

# 低通滤波，截止频率 100Hz，采样率 1000Hz
b, a = sg.butter(4, 100/(1000/2), btype='low')
filtered = sg.filtfilt(b, a, raw_signal)

# 中值滤波 窗口 5
median_filtered = sg.medfilt(raw_signal, kernel_size=5)

注意 filtfilt 没有相位延迟，我推荐用它。普通 lfilter 会引入时延，对对齐步骤麻烦。

归一化：把不同量纲拉到同一个尺子上

归一化的原因很简单——压力传感器量程 0-100 MPa，温度传感器 0-200°C，直接塞进模型？量级大的那个会主导权重，判定就偏了。

两类归一化方法最常用：

• Min-Max 归一化：缩放到 [0,1]。适合数据边界已知的场景。注意离群点会把正常值压缩得很小——我曾经有一条线，某个传感器偶尔跳到最大值，导致正常数据几乎变成一条直线。后来改用分位数裁剪再归一化，效果就对了。
• Z-score 标准化：减去均值除以标准差。适合信号波动范围不稳定，但大致符合正态分布的情况。工业信号中很多电流、振动符合这个假设。

缺失值处理：断点比坏数据更致命

产线设备偶尔掉线，传感器瞬间归零，或者通信丢包，都会产生缺失值。我的经验是：宁可插值也不要直接填充 0。零点会让模型误以为是“正常停止”——我吃过这个亏，一个焊接夹具的空程信号被当作正常数据送进模型，模型学到了“到 0 就是停”，结果出事了。

常用的方法排序：

1. 线性插值：默认选择。短缺口（1~3 个点）效果很好。
2. 样条插值：缺口稍长（5~10 个点），且信号较平滑时用。
3. 前向/后向填充：只能用于长时间缺失的辅助变量（如环境温度），主信号别用。
4. 删除：如果连续缺失超过信号长度的 5%，我建议直接扔了这一段。硬补只会制造虚假特征。

import numpy as np
import pandas as pd

# 线性插值
df = pd.DataFrame({'signal': raw_signal})
df['signal'] = df['signal'].interpolate(method='linear')

# 样条插值（需要设置 order）
df['signal'] = df['signal'].interpolate(method='spline', order=2)

时序对齐：不同采样频率、不同触发时间的统一

产线上一台设备三个传感器：振动 10 kHz，电流 1 kHz，温度 10 Hz。不做对齐，你拿什么特征做判定？我见过有人直接把高低频信号拼接——简直灾难。

对齐的核心思想是：选择一个基准时间轴，其他传感器信号通过插值投影到该轴上。

具体操作流程：

• 确定基准信号：通常是采样率最高、触发最早的信号。我一般用振动信号做基准。
• 生成基准时间戳向量 t_ref。
• 对其他每个传感器，用 numpy.interp 或 scipy.interpolate 将其采样值映射到 t_ref。

import numpy as np

# 基准时间轴 t_ref (假设振动信号)
# 电流信号 time_curr, value_curr
curr_aligned = np.interp(t_ref, time_curr, value_curr)

注意两点：

• 如果需要相位准确，尽量用 scipy.signal.resample 或 resample_poly，但速度慢。对于产线实时应用，线性插值已经够用。
• 如果信号间有明显物理延时（比如温度传感器滞后于电流），要先用互相关或已知延时做移位补偿。我个人的方法：计算互相关峰值位置，然后用这个偏移量提前对齐。

嗯，到这儿预处理的核心套路就讲完了。这四个步骤的顺序我一般建议：先滤波，再缺失值处理（因为插值前需要干净信号），然后归一化，最后对齐。但如果你用的是深度学习模型直接消费原始信号，顺序可以适当调整——不过这是后话了。