1. 课程导入

在边缘AI系统中，传感器采集到的原始数据往往并不能直接送入神经网络推理。无论是振动、声音、图像、温度、电流还是惯性测量单元（IMU）数据，都不可避免地包含噪声、漂移、缺失、量纲不统一、采样率不一致等问题。如果把这些“脏数据”直接交给模型，轻则精度下降，重则导致误报、漏报甚至系统失效。因此，边缘AI传感数据预处理成为连接物理世界与智能决策之间的关键桥梁。

本课程的目标不是简单罗列滤波公式，而是帮助学习者建立一条完整的工程思维链：从传感器信号特性出发，理解数据为什么需要处理、在何处处理、用什么方法处理，以及处理效果如何评估。学完本课程后，你应当能够针对一个具体的边缘AI项目，独立设计出合理的数据预处理流水线，并在资源受限的MCU或边缘计算盒上完成部署与调优。

一、学习目标：从“会调库”到“懂链路”

本课程围绕四个层次设定学习目标。第一层是认知层：理解边缘AI与云端AI在数据预处理上的本质差异，包括算力、内存、功耗、实时性和隐私约束。第二层是方法层：掌握去噪、滤波、归一化、分帧、加窗、特征提取、降采样、异常值处理等核心方法，并知道每种方法的适用边界。第三层是工程层：能够使用Python、C/C++以及TFLite Micro、CMSIS-DSP等工具链，把预处理算法落地到真实硬件。第四层是评估层：能够用信噪比、均方误差、推理延迟、模型精度等指标衡量预处理方案是否有效。

二、核心概念：信号、噪声、特征与流水线

要理解边缘AI数据预处理，先要抓住几个核心概念。原始信号是传感器直接输出的物理量随时间变化的序列，例如三轴加速度计的x/y/z读数。噪声是叠加在有用信号上的随机扰动，常见类型包括高斯白噪声、工频干扰、脉冲噪声和量化噪声。特征是从原始数据中提取出的、更能表征系统状态的数值，例如时域的均值、方差、峰峰值，频域的频谱能量、主频，以及时频域的MFCC、小波系数。

预处理流水线则是把多个处理步骤按顺序组合起来的工程结构。一个典型的流水线通常包括：数据采集与同步、异常值剔除、去噪滤波、分帧加窗、归一化、特征提取或张量重塑，最后输出给推理引擎。每一步都会改变数据形态，也会引入新的计算开销，因此流水线的设计必须与硬件资源匹配。

三、方法流程：一条可复用的预处理链路

虽然不同传感器和应用场景差异很大，但边缘AI预处理通常遵循一条相对稳定的流程。第一步是数据采集与同步，确保多传感器时间对齐，避免因采样抖动引入伪特征。第二步是异常值处理，用中值滤波、3σ准则或孤立森林剔除明显偏离正常范围的采样点。第三步是去噪与滤波，根据信号频带选择低通、高通、带通或小波去噪。第四步是分帧与加窗，把长序列切成短时平稳片段，常用汉明窗或汉宁窗减少频谱泄漏。第五步是归一化与标准化，把不同量纲的数据映射到统一范围，常用Min-Max或Z-Score。第六步是特征提取或张量重塑，输出模型可接受的输入格式。

下面是一段典型的Python预处理代码示例，展示了从原始振动信号到模型输入的简化流程：

import numpy as np
from scipy.signal import butter, filtfilt

def preprocess(signal, fs=1000):
    # 1. 去除均值，消除直流偏置
    signal = signal - np.mean(signal)
    # 2. 3σ异常值剔除
    mu, sigma = np.mean(signal), np.std(signal)
    signal = np.clip(signal, mu - 3*sigma, mu + 3*sigma)
    # 3. 巴特沃斯低通滤波，截止频率100Hz
    b, a = butter(4, 100/(fs/2), btype='low')
    signal = filtfilt(b, a, signal)
    # 4. Min-Max归一化到[-1, 1]
    signal = 2 * (signal - signal.min()) / (signal.max() - signal.min() + 1e-8) - 1
    return signal.astype(np.float32)

四、典型应用场景与误区复盘

边缘AI传感数据预处理的应用场景非常广泛。在工业设备故障诊断中，振动信号需要先去除工频干扰，再提取时频域特征，才能在MCU上实现轴承故障的实时分类。在智能语音唤醒中，麦克风阵列数据需要做波束成形、降噪和MFCC特征提取，才能在低功耗芯片上实现关键词识别。在自动驾驶与机器人中，IMU和轮速计数据需要做互补滤波或卡尔曼滤波，才能获得稳定的姿态估计。在可穿戴健康监测中，PPG信号需要去除运动伪影，才能准确计算心率。