4. 原始时间戳数据预处理

在光子二阶关联测量中，时间符合计数设备（如时间数字转换器 TDC 或时间标记记录仪）输出的原始数据，通常是一串按到达顺序排列的时间戳记录。每条记录包含通道号与到达时刻，例如 ch1, 123456789.0 ps。这些原始记录并不能直接用于计算 g²(τ)，因为其中混杂着通道间的时间基准偏移、探测器死时间造成的丢失、以及噪声或串扰产生的无效事件。本节的任务，就是把这批"生数据"清洗成"可用于关联运算的干净事件流"，并用事件计数的一致性来验证清洗过程没有引入系统性错误。

原始数据的典型形态与读取

常见的原始文件有两种组织方式：一种是每行一条事件（通道 + 时间戳），另一种是硬件导出的二进制流，需要按固定字节长度解析。以文本格式为例，一个简化的读取脚本需要完成三件事：跳过文件头注释、按分隔符拆分字段、把时间戳统一转换为同一时间单位（建议统一为皮秒或纳秒，全文保持一致）。下面是一段可直接参考的 Python 读取与规范化示例：

import numpy as np

def load_timestamps(path, unit_scale=1.0):
    ch, ts = [], []
    with open(path, "r") as f:
        for line in f:
            line = line.strip()
            if not line or line.startswith("#"):
                continue
            c, t = line.split(",")
            ch.append(int(c))
            ts.append(float(t) * unit_scale)   # 统一到 ps
    return np.array(ch, dtype=np.int32), np.array(ts, dtype=np.float64)

读取完成后，务必先做一次基本检查：时间戳是否单调不减、通道号是否落在预期集合内（例如只有 1 和 2 两个通道）、是否存在明显超出量程的异常值。这一步能及早暴露文件截断或格式错位的问题。

通道对齐：消除固定时延偏移

两个探测通道的信号经过不同长度的光纤、电缆和电子学链路，到达 TDC 时会存在一个固定的相对时延 Δt₀。若不对齐，互相关峰会被平移到非零延迟处，直接导致 g²(τ) 峰值位置判读错误。对齐的常用做法是：先计算两通道事件的互相关直方图，找到峰值所在的延迟 bin，再将该偏移量从其中一个通道的时间戳中扣除。需要强调的是，对齐只消除固定偏移，不改变事件之间的相对间隔结构，因此不会影响二阶关联的物理信息。

死时间校正与无效事件剔除

探测器与 TDC 都存在死时间：一次事件被记录后，在死时间窗口内到达的后续光子无法被记录。这会造成计数率偏高时的事件丢失，使测得的 g²(0) 偏低。工程上通常采用两种处理：一是对相邻事件间隔小于死时间 τ_d 的记录进行标记，保留首个事件、剔除紧随其后的"死时间内事件"；二是在数据分析阶段用非瘫痪模型（non-paralyzable）做计数率修正。清洗脚本中应显式记录被剔除的事件数，便于后续评估丢失比例。

无效事件剔除则针对另一类问题：暗计数、串扰、以及时间戳重复或倒序的记录。判断条件可以写成：同一通道内时间戳严格递增；相邻事件间隔不小于一个最小物理间隔；通道号属于有效集合。下面给出一个整合了死时间过滤与无效事件剔除的清洗函数：

def clean_events(ch, ts, dead_time_ps=50.0, valid_ch=(1, 2)):
    order = np.argsort(ts, kind="stable")
    ch, ts = ch[order], ts[order]
    keep = np.ones(len(ts), dtype=bool)
    last_t = {c: -np.inf for c in valid_ch}
    for i in range(len(ts)):
        c, t = ch[i], ts[i]
        if c not in valid_ch:
            keep[i] = False
            continue
        if t - last_t[c] < dead_time_ps:   # 死时间窗口内
            keep[i] = False
            continue
        last_t[c] = t
    return ch[keep], ts[keep]

注意 dead_time_ps=50.0 只是示例参数，实际取值应来自探测器数据手册或标定结果，不能随意套用。

清洗前后事件计数的一致性验证

清洗是否"只删该删的"，需要用计数账本核对。核心恒等式是：原始事件数 = 保留事件数 + 无效事件数 + 死时间剔除数。若三者之和与原始总数不符，说明脚本存在漏判或重复计数。此外还应检查：保留事件的时间戳仍严格递增、两通道保留比例大致相当（若差异过大，往往意味着某通道存在系统性噪声）、以及清洗前后互相关峰位置未发生非预期移动。

上图把预处理链路与计数账本放在同一视图中：左侧是数据形态的演进，右侧是必须闭合的计数恒等式。实际脚本运行时，建议把每个阶段的计数打印成日志，例如 raw=100000, kept=98240, invalid=620, deadtime=1140，并断言 kept + invalid + deadtime == raw。一旦断言失败，就应回到剔除逻辑逐条排查，而不是继续往下做关联计算。

完成上述步骤后，得到的干净事件流才具备进入下一步关联运算的资格。判断清洗是否成功的最终标准不是"删了多少"，而是"留下的数据在物理上自洽"：时间戳单调、通道比例合理、互相关峰位于对齐后的零延迟附近、计数账本严格闭合。这四条同时满足，才可以认为预处理阶段没有引入新的系统偏差。