3. 医疗边缘数据预处理与特征工程
医疗边缘设备采集到的原始信号，几乎不可能直接送进异常检测模型。以可穿戴心电贴为例，电极接触阻抗变化会引入基线漂移，患者走动会产生肌电伪迹，蓝牙丢包会造成整段样本缺失，而不同设备的 ADC 量程又各不相同。如果跳过预处理，模型学到的往往是"哪台设备、哪种体位"，而不是"哪种病理状态"。本节按数据在边缘侧的实际流转顺序，讲清噪声滤波、缺失值处理、归一化、滑动窗口、时域/频域/时频域特征提取，以及面向异常检测的特征选择这六个环节该怎么做、参数怎么定、结果怎么判断。
一、噪声滤波：先分清噪声的频段归属
滤波不是"套一个低通"，而是先判断干扰落在哪个频段。医疗边缘常见三类干扰：基线漂移（0.05～0.5 Hz，呼吸和电极极化引起）、工频干扰（50 Hz 及其谐波）、肌电与运动伪迹（20～200 Hz，与心电 QRS 频段重叠）。对心电信号，典型处理链是：先用 0.5 Hz 高通或中值滤波去基线，再用 50 Hz 陷波器抑制工频，最后用 40 Hz 低通保留诊断带宽。若采样率为 250 Hz，一个二阶巴特沃斯低通在 40 Hz 处的衰减约 −12 dB/倍频程，足以压制高频噪声而基本不削 QRS 幅值。
边缘算力有限时，优先选 IIR 而非高阶 FIR：二阶节（biquad）每样本只需约 5 次乘加，而 200 阶 FIR 需要 200 次。判断滤波是否合格，不能只看波形"变光滑"，应观察三项指标：基线漂移后 ST 段是否回到等电位线、50 Hz 陷波后频谱在 50 Hz 处是否下降 20 dB 以上、滤波前后 R 波峰值变化是否小于 5%。若 R 波被削平超过 10%，说明截止频率设得过低，会直接损害异常检测对 QRS 形态的敏感度。
二、缺失值处理：区分"丢包"与"未采集"
边缘场景的缺失有两类，处理方式完全不同。第一类是通信丢包造成的整段空洞，第二类是传感器脱落造成的持续无效值（如电极阻抗超限）。对短空洞（≤ 3 个采样点），线性插值即可；对 3～20 点的空洞，可用三次样条，但必须在特征中标记"该窗口含插值"，避免模型把插值段当作真实信号。对超过 200 ms 的持续缺失，正确做法是丢弃该窗口而非强行填补——心电在 200 ms 内可能完整包含一个 QRS 波，插值会凭空造出一个假波峰，直接触发误报。
工程上建议在数据流中维护一个质量标志位：quality = 0 表示有效，1 表示插值，2 表示丢弃。后续特征提取只对 quality=0 的窗口计算形态类特征，而心率等统计类特征可放宽到 quality≤1。这样既保住了数据量，又不让插值污染关键判据。
三、归一化：按通道、按窗口还是按患者
归一化的选择直接影响异常检测的泛化性。Z-score（减均值除标准差）适合幅值随个体差异大的信号，如心电、脑电；Min-Max 适合有明确物理量程的信号，如血氧饱和度（70%～100%）。关键决策是统计量的计算范围：按整段记录归一化会引入未来信息，按单窗口归一化会抹掉幅值异常的判据（如室颤时幅值骤降）。推荐做法是"按患者基线 + 滑动更新"：用前 30 秒静息段计算基线均值和标准差，之后每 5 分钟用新数据缓慢更新，更新系数取 0.05，既适应缓慢漂移，又不被突发异常带偏。
四、滑动窗口：窗口长度由事件时长决定
窗口长度不是拍脑袋定的，而应由待检测异常的持续时间反推。房颤的 RR 间期不规则性需要至少 30 个心搏才能稳定估计，按 75 bpm 计算约 24 秒，因此窗口取 30 秒、步长 5 秒较合理；而室性早搏是单搏事件，窗口取 5～10 秒即可。步长决定告警延迟：步长 5 秒意味着最坏情况下异常发生后 5 秒才被检出。边缘告警通常要求端到端延迟小于 10 秒，因此步长不宜超过窗口的 1/4。
五、三域特征提取：各自解决什么问题
时域特征计算量最小，适合边缘实时运行。RR 间期的 SDNN 和 RMSSD 是房颤筛查的核心指标：正常窦性心律 SDNN 通常在 20～50 ms，房颤时 RR 间期绝对不规则，RMSSD 可超过 100 ms。但时域特征对形态异常不敏感，比如 ST 段抬高在 RR 间期上几乎无体现。
频域特征用 Welch 法估计功率谱，把 30 秒窗口分成 4 段、50% 重叠、加汉宁窗。LF（0.04～0.15 Hz）与 HF（0.15～0.4 Hz）的比值反映交感/副交感平衡，心肌缺血时 LF/HF 常显著升高。频域特征对平稳信号有效，但室颤这类非平稳事件会被平均掉。
时频域特征用离散小波变换（DWT）弥补这一缺陷。对 250 Hz 信号做 5 层 db4 小波分解，得到 0～4、4～8、8～16、16～32、32～64、64～125 Hz 六个频带。室颤的能量会从 8～32 Hz 向 4～8 Hz 迁移，这个"能量重心下移"是时域和频域都难以捕捉的判据。小波分解每层只需一次卷积和下采样，在 Cortex-M4 上处理 30 秒数据约 15 ms，完全满足边缘实时性。
六、面向异常检测的特征选择
三域特征全上，维度轻易超过 60 维，而边缘模型参数量有限，且异常样本天然稀少。特征选择的目标不是"选得准分类"，而是"选得稳、选得省、对异常敏感"。推荐三步走：
- 过滤式初筛：先剔除方差接近零的特征（如恒定导联），再用互信息（MI）排序。MI 对非线性关系敏感，比皮尔逊相关系数更适合异常检测。保留 MI 排名前 30 的特征。
- 包裹式精筛：用递归特征消除（RFE）配合轻量分类器（如逻辑回归或 3 层决策树），每次剔除重要性最低的 10%，观察验证集 F1 变化。当 F1 下降超过 2% 时停止，通常剩 12～18 维。
- 嵌入式确认：用 L1 正则或梯度提升树的重要性做最终确认，剔除在多次交叉验证中重要性不稳定的特征。
把这条链路串起来看：滤波决定信号"干不干净"，缺失值处理决定数据"可不可信"，归一化决定特征"可不可比"，滑动窗口决定告警"来不来得及"，三域特征决定异常"看不看得见"，特征选择决定模型"跑不跑得动"。六个环节中任何一环参数失当，都会在最终告警上表现为误报或漏报，而排查时必须回到对应环节用可观测指标定位，而不是盲目调模型阈值。