3. 任务载荷数据预处理
任务载荷数据在采集、传输和存储过程中，几乎不可能保持“干净”。光电吊舱的帧同步丢包、合成孔径雷达回波的脉冲丢失、电子侦察接收机的瞬时饱和、遥测链路的误码，都会让原始数据出现缺失、毛刺、量纲不一、时间戳漂移等问题。异常检测算法对输入质量极为敏感：一段被尖峰污染的振动信号可能被误判为结构损伤，一组未对齐的多源数据可能让融合模型输出完全错误的结论。因此，预处理不是可选的“清洗步骤”，而是决定后续检测与恢复能否成立的前置条件。本节围绕缺失值处理、噪声抑制、归一化、时间对齐、滑动窗口构建和数据质量评估指标六个环节展开，并给出可操作的参数与判断依据。
缺失值处理：先判断缺失机制，再选择填补策略
缺失值处理的第一步不是填补，而是判断缺失属于哪种机制。若缺失由传感器随机丢包造成，且与数据本身无关，属于完全随机缺失（MCAR），此时均值、中位数或线性插值通常可接受；若缺失与载荷工作状态相关，例如电子侦察设备在强信号饱和时主动丢弃样本，属于非随机缺失（MNAR），简单插值会系统性低估真实分布，应引入状态标记或使用模型化填补。工程上常用三类方法：删除法适用于缺失比例低于5%且样本量充足的情况；统计插值法（线性、样条、最近邻）适用于短时连续缺失；模型预测法（如基于前后时刻的卡尔曼预测或轻量回归）适用于长时缺失或强相关通道。
以某型光电吊舱的俯仰角速率数据为例，采样率100 Hz，某段连续丢失12个点（约120 ms）。若采用线性插值，需确认该时段内载机未发生剧烈机动；若采用三次样条，需至少4个有效点作为边界。实际处理时建议同时输出一个与原始序列等长的缺失掩码（0/1），后续滑动窗口和检测模型可据此屏蔽不可信区间，而不是把填补值当作真实观测。
噪声抑制：区分高频毛刺与真实高频成分
噪声抑制的核心矛盾是“去噪”与“保真”。任务载荷中常见的噪声包括高斯白噪声、脉冲尖峰和周期性干扰。对高斯噪声，滑动平均和低通滤波简单有效，但会引入相位滞后；对脉冲尖峰，中值滤波更合适，窗口长度取3或5即可抑制单点跳变而不明显平滑阶跃；对周期性干扰，可采用陷波滤波或谱减法。若信号本身含有真实高频成分（如发动机振动的高次谐波），盲目低通会削弱故障特征。
实操中建议先做频谱观察：若噪声集中在某一频段且与信号主频分离，用带通或陷波；若噪声为宽带且幅值远小于信号，用Savitzky-Golay滤波可在平滑的同时保留峰形。参数上，Savitzky-Golay的窗口长度取信号最短特征周期的1/3～1/2，多项式阶数取2～3。处理前后应计算信噪比变化和峰值保持率，若峰值保持率低于90%，说明滤波过度，需要减小窗口或降低阶数。
归一化：让不同量纲的载荷通道可比
任务载荷往往同时包含电压、角度、频率、功率等多量纲数据。归一化的目的是消除量纲和数值范围差异，使距离度量、梯度下降和阈值判断不被大量纲通道主导。常用方法有最小-最大归一化、Z-score标准化和鲁棒归一化。最小-最大将数据映射到[0,1]，适合边界明确的信号；Z-score使均值为0、标准差为1，适合近似高斯分布；鲁棒归一化使用中位数和四分位距，适合存在离群点的数据。
关键细节是：归一化参数必须只用训练集统计量计算，再应用到验证集和测试集，否则会造成信息泄漏。例如某载荷通道训练集均值为2.5、标准差为0.8，测试集均值为3.1，若用测试集自身统计量归一化，模型评估会偏乐观。对于在线检测，应维护滑动统计量并定期更新，同时记录参数版本，便于回溯。
时间对齐：多源数据融合的前提
多载荷数据通常来自不同传感器，采样率和起始时刻不同。时间对齐包括时间戳对齐和采样率统一。时间戳对齐可采用最近邻匹配、线性插值或重采样到统一时间栅格。若两路数据存在固定延迟，应先估计延迟再补偿；若延迟随时间漂移，需分段估计。采样率统一通常采用重采样，升采样用插值，降采样用抗混叠滤波后抽取。
以100 Hz的IMU数据和10 Hz的GPS数据为例，若要以IMU为主时间轴，可将GPS线性插值到每个IMU时刻；若要以GPS为主，则对IMU做降采样，但必须先做低通滤波，截止频率取GPS采样率的一半以下，避免混叠。对齐后应检查时间戳单调性和最大对齐误差，通常要求对齐误差小于主采样周期的1/2。
滑动窗口构建：把时序数据变成可学习的样本
异常检测模型通常需要固定长度的输入。滑动窗口将连续时序切分为重叠或非重叠的片段。窗口长度应覆盖至少一个完整异常周期，步长决定样本重叠率和计算量。若异常持续时间为0.5 s，采样率100 Hz，则窗口长度至少50点，建议取64或128点并配合50%重叠。窗口过短会丢失上下文，过长会稀释异常特征并增加延迟。
构建时还需处理边界：序列开头和结尾不足一个窗口时，可丢弃、补零或使用反射填充。补零会引入虚假突变，反射填充更适合周期性信号。每个窗口应附带起始时间戳、通道掩码和标签（若为监督任务），便于后续追溯。
数据质量评估指标：用数字判断预处理是否合格
预处理完成后，需要用可量化指标判断数据是否达到可用标准。常用指标包括：缺失率、信噪比、峰值保持率、时间对齐误差、窗口完整率和通道间相关性。缺失率反映数据完整性；信噪比和峰值保持率反映去噪效果；时间对齐误差反映多源同步质量；窗口完整率反映可用样本比例；通道间相关性可用于发现异常通道或错误对齐。
建议设定阈值：缺失率低于5%，信噪比提升不低于3 dB，峰值保持率不低于90%，时间对齐误差小于主采样周期的一半，窗口完整率高于95%。若某项不达标，应回到对应环节调整参数，而不是直接进入模型训练。
把上述六个环节串起来，预处理就形成了一条可追溯、可评估的链路：原始数据先经过缺失值处理保留可信区间，再经噪声抑制提升信噪比，随后归一化消除量纲影响，时间对齐保证多源同步，滑动窗口生成模型输入，最后用质量指标判断是否放行。任何一个环节的参数都不是拍脑袋决定的，而是由数据本身的采样率、异常持续时间和噪声特性共同约束。实际工程中，建议把每一步的参数、统计量和掩码都记录下来，形成预处理日志，这样当检测模型出现误报或漏报时，才能快速定位是数据质量问题还是模型问题。