4. 泄漏信号特征提取与表征

泄漏信号本质上是管道、容器或密封结构在压差驱动下产生的宽带随机声发射，其原始波形往往被背景噪声、泵阀冲击和结构共振严重污染。特征提取的任务，是把一段采样序列压缩成一组对泄漏敏感、对干扰鲁棒的数值描述子，为后续分类、定位或阈值判决提供输入。本节按“时域—频域—时频域—统计—稀疏—选择”的层次展开，重点说明每类特征刻画什么、怎么算、在什么条件下更可靠。

一、时域特征：最直接但最易受工况影响

时域特征直接在采样序列 x[n] 上计算，物理意义直观、计算量小，适合嵌入式在线监测。常用量包括：

• 均方根值 RMS：反映信号能量水平，泄漏增大时 RMS 通常上升，但受增益和背景噪声影响，需配合基线归一化。
• 峰值因子 Crest Factor：峰值与 RMS 之比，对突发性泄漏冲击敏感，但对单点毛刺也敏感，宜先做中值滤波。
• 峭度 Kurtosis：四阶归一化矩，衡量波形“尖峰程度”。高斯噪声峭度约为 3，泄漏冲击使其显著大于 3，是常用的冲击性指标。
• 过零率 ZCR：单位时间内波形穿越零点的次数，与信号主频成分相关，泄漏频带升高时 ZCR 增大。
• 包络峰值与上升时间：对脉冲型泄漏，包络峰值出现时刻和上升沿斜率可用于估计泄漏起始与强度。

时域特征的主要局限是：当泄漏信号与背景噪声能量接近时，RMS 和峭度区分度下降；且不同管径、压力下同一泄漏的时域幅值差异很大，因此通常需要先做幅值归一化或使用无量纲指标。

二、频域特征：定位泄漏的能量频带

对分帧加窗后的信号做 FFT，得到功率谱密度 PSD。泄漏声发射能量通常集中在数十千赫至数百千赫，具体频带取决于管材、壁厚和传播路径。频域特征包括：

• 谱质心：能量加权平均频率，泄漏增强时谱质心向高频偏移。
• 谱带宽：能量分布的频率展宽，宽带泄漏对应较大带宽。
• 谱滚降点：累计能量达到 85% 或 95% 对应的频率，用于界定有效频带。
• 频带能量比：如 20–80 kHz 与 80–200 kHz 能量之比，可抑制低频机械噪声。
• 谐波结构：泵阀周期性冲击会在谱上形成离散线谱，泄漏则表现为连续宽带，二者可通过谱平坦度区分。

频域特征对采样率和抗混叠滤波要求高。若采样率不足或前置滤波截止频率过低，高频泄漏信息会被截断，谱质心和带宽将失真。因此工程上常先根据传感器谐振频率和管道传播衰减确定有效分析带宽，再设定采样率。

三、时频域特征：兼顾时间与频率的局部变化

泄漏信号常具有非平稳性，例如阀门开启瞬间的冲击、压力波动引起的能量起伏。此时单纯 FFT 会丢失时间信息，需采用短时傅里叶变换 STFT、小波变换或希尔伯特-黄变换。常用时频特征有：

• 小波包能量熵：对信号做多层小波包分解，计算各频带能量占比的熵值。泄漏使能量向特定频带集中，熵值下降。
• 时频脊线：STFT 谱图中能量最大点随时间的轨迹，泄漏脊线通常连续且频率稳定，冲击噪声脊线则断续跳变。
• 小波系数峭度：对细节系数计算峭度，可放大瞬态泄漏成分。
• 瞬时频率与瞬时幅值：经希尔伯特变换得到解析信号，泄漏段瞬时幅值包络上升、瞬时频率分布变窄。

时频特征维度高，直接输入分类器易过拟合，通常先做频带能量统计或主成分压缩，再进入选择环节。

四、统计特征与稀疏表示

统计特征从概率分布角度描述信号，包括均值、方差、偏度、峰度、信息熵、互相关函数峰值等。其中信息熵和稀疏度对泄漏引起的结构变化较敏感：泄漏冲击使信号在某些变换域呈现稀疏性，即少数系数集中大部分能量。

稀疏表示的核心思想是：选择一个过完备字典 D，使信号 x ≈ Dα，且系数 α 尽可能稀疏。常用字典包括 Gabor 字典、小波字典和从历史泄漏样本学习得到的字典。求解可用正交匹配追踪 OMP 或基追踪去噪 BPDN。稀疏系数本身可作为特征：泄漏段在特定原子上的激活强度明显高于背景段。工程中需注意字典规模与实时性的平衡，通常先离线训练字典，在线仅做稀疏编码。

五、特征选择：从高维到可判决

提取出的特征往往有几十维，存在冗余和噪声。特征选择目标是在保持类间可分性的同时降低维度。常用方法分三类：

• 过滤式：用 Fisher 比、互信息或 ReliefF 对单特征打分，按阈值或排序选取。计算快，但忽略特征间组合效应。
• 包裹式：以分类器准确率为评价函数，用递归特征消除 RFE 或遗传算法搜索子集。效果好但计算量大。
• 嵌入式：在模型训练中自动选择，如 L1 正则化逻辑回归将不重要特征系数压至零。

实际工程中建议先做过滤式初筛，再用包裹式或嵌入式精筛，并保留物理可解释性强的特征（如频带能量比、小波包熵），便于现场人员理解报警依据。

六、工程实现要点与示例参数

下面给出一个可用于教学验证的特征提取配置示例，参数为合理假设，实际工程需根据管材和传感器重新标定：

采样率 fs = 500 kHz
分帧长度 N = 4096（约 8.2 ms）
帧移 = 2048（50% 重叠）
窗函数 = Hann
有效分析带宽 = 20–200 kHz
小波包分解层数 = 4（db4 小波）
稀疏字典 = Gabor 字典，原子数 512
特征选择 = Fisher 比初筛 + RFE 精筛

在该配置下，一段 2 秒的泄漏信号可提取约 40 维初始特征，经选择后保留 8–12 维。判断特征是否有效，可观察同一泄漏在不同压力下的特征稳定性，以及泄漏与无泄漏两类样本在特征空间中的类间距离。若某特征在两类间重叠严重，应优先剔除或替换。

综上，泄漏信号特征提取不是单一算法的选择，而是从时域到稀疏域的逐层抽象过程。理解每类特征刻画什么、受什么因素影响、在什么条件下可靠，才能在实际工程中构建出既灵敏又稳健的泄漏检测特征集。