3. 传感数据特性

在边缘AI系统中，传感器是模型感知物理世界的“第一入口”。与图像、文本等相对规整的数据不同，传感数据天然带有强烈的物理属性：它随时间连续产生、受环境干扰、可能中断丢失、来自多种异构源，并且会随着设备老化或环境变化而逐渐偏离训练分布。理解这些特性，是设计边缘端预处理链路的前提。本节将围绕时序性、噪声、缺失、多模态、采样率、数据漂移六个核心特性展开，并落到边缘场景下的真实挑战。

一、核心原理：传感数据的六大特性

时序性是传感数据最本质的特征。加速度、温度、振动、电流等信号都是按固定或非固定周期采样的时间序列，数据点之间存在强相关性。模型不能像处理独立样本那样打乱顺序，否则会破坏物理规律。例如振动信号的频谱特征、心电信号的节律，都依赖时间顺序。

噪声来自传感器本底噪声、电路干扰、机械振动、电磁耦合等。噪声可能表现为高频毛刺、基线漂移或周期性干扰。边缘端若不做滤波，模型会把噪声当作特征，导致误判。

缺失在边缘场景中非常常见：无线丢包、传感器休眠、采样线程阻塞、电池掉电都会造成数据空洞。缺失可能是随机的，也可能成段出现。直接丢弃会损失信息，简单填充又可能引入偏差。

多模态意味着同一设备上可能同时存在加速度计、陀螺仪、麦克风、温度、湿度、电流等多种传感器。它们采样率不同、量纲不同、时间对齐困难，但融合后能显著提升判断准确率。

采样率决定了信号可表达的最高频率。根据奈奎斯特采样定理，采样率必须大于信号最高频率的两倍。边缘设备常因功耗限制降低采样率，这会直接导致高频信息丢失，影响故障诊断等任务。

数据漂移指数据分布随时间或环境变化而改变，包括传感器老化、温漂、安装位置变化、工况切换等。漂移会让离线训练的模型在线上逐渐失效，是边缘AI长期运行中最隐蔽的风险。

二、方法流程：从原始信号到可用样本

面对上述特性，边缘预处理通常遵循一条“采集—清洗—对齐—变换—监控”的流水线。第一步是采集与时间戳标记，为每个样本打上高精度时间戳，这是后续多模态对齐的基础。第二步是清洗，包括去噪、去趋势、异常值剔除。第三步是对齐与重采样，将不同采样率的信号统一到同一时间网格。第四步是特征变换，如归一化、分帧、加窗、FFT。第五步是在线监控，检测缺失率和分布漂移，必要时触发模型更新或告警。

以工业振动监测为例，加速度计以 3.2 kHz 采样，温度传感器以 1 Hz 采样。若直接拼接，温度的一个点会对应 3200 个振动点。常见做法是将振动信号分帧提取统计特征或频谱特征，再与温度按秒级时间戳对齐，形成多模态特征向量。

三、案例/场景：边缘振动异常检测

某边缘网关负责监测电机振动。原始数据存在三类问题：一是电磁干扰导致的高频毛刺；二是无线回传偶发丢包造成 200 ms 空洞；三是电机负载变化引起振动幅值整体漂移。若直接把原始数据送入模型，准确率会从 96% 降到 71%。

经过预处理后，流程如下：

# 边缘端预处理伪代码
raw = sensor.read()                     # 3.2 kHz 振动 + 1 Hz 温度
raw = median_filter(raw, k=5)           # 去除脉冲噪声
raw = detrend(raw)                      # 消除基线漂移
if missing_ratio(raw) > 0.05:
    raw = interpolate(raw, method="linear")
    mask = build_mask(raw)              # 同时保留缺失掩码
frames = frame(raw, win=1024, hop=512)  # 分帧
feat = extract_features(frames)         # 时域 + 频域特征
feat = align_with_temp(feat, temp)      # 多模态时间对齐
feat = normalize(feat, stats)           # 使用训练集统计量
if drift_detected(feat):
    trigger_alert()                     # 触发漂移告警

该流程在边缘端仅增加约 8 ms 延迟，却将异常检测 F1 从 0.71 提升到 0.93。关键在于：缺失不盲目填零，而是插值并保留掩码；漂移不静默忽略，而是显式监控。

四、误区与复盘

五、特性与预处理对照清单