2. 时序数据基础
在多通道时序相关性测试中，我们面对的不是一组静态数字，而是一条条随时间演化的信号轨迹。要判断两个通道之间是否存在真实的相关关系，首先必须理解单条时间序列自身的结构特征。本节从时间序列的组成出发，逐步建立平稳性、自相关、偏自相关这几个核心概念，并归纳工程中常见的几种数据形态，为后续的互相关、相干性与时延估计打下基础。
一、时间序列的四个组成部分
经典时序分解把一条观测序列 y(t) 拆成趋势项、季节项、循环项和随机项：
y(t) = T(t) + S(t) + C(t) + ε(t)
T(t) 趋势项：长期上升/下降/饱和，如温漂、老化
S(t) 季节项：固定周期重复，如 50Hz 工频、日周期
C(t) 循环项：非固定周期的起伏，如负载波动
ε(t) 随机项：不可预测的噪声，如传感器本底噪声在多通道测试中，趋势项和季节项往往是"共模干扰"：多个通道同时缓慢漂移或同时被工频污染，会让互相关出现虚假的高相关。因此工程上通常先做差分或去趋势，再计算相关性。随机项则决定了相关性的统计显著性上限——噪声越大，需要越长的观测窗口才能确认相关。
二、平稳性：相关分析的前提
平稳性描述的是序列的统计特性是否随时间保持不变。严平稳要求任意时刻的联合分布都不变；工程中更常用的是弱平稳，只需满足三个条件：均值恒定、方差恒定、自协方差只与时间差 τ 有关而与绝对时刻无关。
为什么平稳性如此关键？因为自相关和互相关的定义都建立在"统计量不随时间漂移"的假设上。如果一条通道的均值在缓慢上升，那么它和任何同样上升的通道都会呈现高相关，这种相关来自共同趋势而非真实耦合。
常用的平稳性检验与处理手段包括：
- ADF 检验（Augmented Dickey-Fuller）：原假设为存在单位根，p 值小于 0.05 可认为平稳；
- KPSS 检验：原假设为平稳，与 ADF 互为补充；
- 一阶差分：消除线性趋势，
Δy(t) = y(t) - y(t-1)； - 去均值与方差归一化：让不同量纲的通道可以直接比较。
三、自相关与偏自相关
自相关函数 ACF 衡量序列与自身延迟版本之间的线性相关程度：
ρ(τ) = Cov(y(t), y(t+τ)) / Var(y(t))
τ = 0 时 ρ = 1
τ 增大，ρ 通常衰减
衰减速度反映信号的"记忆长度"ACF 有一个天然缺陷：它包含了中间所有延迟的间接影响。例如 y(t) 与 y(t-2) 的相关，可能完全来自它们都与 y(t-1) 相关。偏自相关函数 PACF 正是为剔除这种间接影响而设计，它度量的是在给定中间延迟值的条件下，y(t) 与 y(t-τ) 的净相关。
ACF 与 PACF 的联合形态是识别序列结构的重要指纹：AR 模型表现为 ACF 拖尾、PACF 截尾；MA 模型表现为 ACF 截尾、PACF 拖尾；ARMA 则两者都拖尾。在多通道场景中，我们还会用互相关函数 CCF 来定位两个通道之间的时延峰值。
四、常见数据形态与识别要点
不同物理过程产生的时序形态差异很大，识别形态是选择相关分析方法的第一步。下表归纳了工程测试中最常见的五类形态及其对相关性分析的影响。
| 数据形态 | 典型来源 | ACF / PACF 特征 | 对相关分析的影响 |
|---|---|---|---|
| 白噪声 | 传感器本底噪声 | ACF 在 τ>0 迅速归零 | 无记忆，互相关峰值窄且弱 |
| 随机游走 | 未校准的积分量、位置漂移 | ACF 极慢衰减，非平稳 | 必须先差分，否则虚假高相关 |
| 周期信号 | 工频、旋转机械、时钟节拍 | ACF 呈周期性振荡 | 互相关出现多个等间隔峰，需防混叠 |
| 阶跃 / 突变 | 开关动作、故障触发 | ACF 在突变点后整体抬升 | 需分段处理，否则均值漂移污染全局 |
| 调制 / 突发 | 通信帧、脉冲激励 | ACF 包络缓慢、内部高频 | 宜用短时窗或包络后再做相关 |
五、案例：两通道虚假相关的排查
某测试台采集两路温度通道 A、B，采样率 10Hz，时长 30 分钟。直接计算皮尔逊相关系数得到 0.93，看似强相关。但工程师怀疑两者只是同时受环境温度影响。排查步骤如下：
- 绘制原始曲线，发现两条曲线都有明显的缓慢上升趋势；
- 对两路分别做 ADF 检验，p 值分别为 0.62 和 0.58，均不拒绝单位根，判定非平稳；
- 做一阶差分后重新检验，p 值降至 0.01 以下，序列平稳；
- 对差分序列计算互相关，峰值相关系数降至 0.21，且在 τ=0 附近无显著峰；
- 结论：原始高相关来自共同趋势项，两通道之间不存在真实的即时耦合。
六、复盘与检查清单
- 是否绘制了原始波形，确认没有明显的趋势、阶跃或饱和？
- 是否对每条通道单独做了平稳性检验，而不是只检验其中一条？
- 差分阶数是否过度？过度差分会把真实相关结构也一并抹掉。
- ACF 与 PACF 是否联合观察？只看 ACF 容易把 AR 结构误判为 MA。
- 互相关峰值是否落在合理的物理时延范围内？超出范围的峰值通常是周期性伪峰。
- 是否记录了去趋势、滤波、差分等预处理参数，保证多通道处理完全一致？
掌握时间序列的组成、平稳性、ACF 与 PACF，本质上是在回答一个问题：这条通道里哪些成分是"自己的"，哪些是"环境共有的"。只有把共有成分剥离干净，后续的多通道互相关与相干分析才能指向真实的通道间耦合，而不是被趋势和周期制造的假象所误导。