4. 温漂数据预处理与特征提取实战

拿到一组量子传感器的实测温漂数据，直接丢进拟合或神经网络，往往得不到可用的模型。原始数据里混着高频噪声、偶发跳点、开机瞬态和量程漂移，这些成分会严重干扰斜率、迟滞等特征参数的估计。本节以一组典型的量子传感器温漂实测数据为例，完整走一遍从原始序列到高质量特征数据集的流程：去噪、平滑、异常值剔除、归一化，再提取斜率、迟滞、非线性三类特征参数。

一、先明确数据对象与参照约定

假设我们采集的是某型量子传感器（例如基于原子气室的磁强计）在温箱中的静态输出。实验设定：温箱从 15 ℃ 升到 45 ℃ 再降回 15 ℃，升降温速率约 0.5 ℃/min，每个温度点保温 5 min 后采样，采样率 1 Hz，每个温度平台取 60 个点。传感器输出为电压量 V_out，单位 mV，同时记录温度 T（由铂电阻测得）。

参照约定必须先行定义并全文一致：温度 T 为自变量，升温方向为正、降温方向为负；传感器输出偏差定义为 ΔV = V_out(T) − V_out(T₀)，其中 T₀ = 25 ℃ 为参考温度。斜率即 dΔV/dT，单位 mV/℃。迟滞定义为同一温度下升温支路与降温支路输出之差。所有后续计算与图示均遵循这一约定。

二、去噪与平滑：先看清噪声来源再选方法

原始序列的噪声大致分两类：一是采样带宽内的白噪声，标准差约 0.8 mV；二是工频与温箱压缩机带来的周期性干扰，表现为 50 Hz 及其谐波附近的窄带成分。对前者，滑动平均或 Savitzky-Golay 滤波都有效；对后者，直接平滑会把周期性纹波"抹"进曲线，反而引入虚假起伏。

实操上建议分两步走。第一步用滑动中值滤波（窗口 5 点）压制偶发尖峰，中值滤波对孤立跳点不敏感，不会像均值滤波那样把跳点能量扩散到邻域。第二步用 Savitzky-Golay 滤波（窗口 21 点、二阶多项式）做平滑，它在保留曲线拐点和斜率信息方面优于滑动平均，这对后续斜率特征提取很关键。若周期性干扰明显，可先在频域用陷波器抑制 50 Hz 及其谐波，再做时域平滑。

import numpy as np
from scipy.signal import medfilt, savgol_filter, iirnotch, filtfilt

# V_raw: 原始输出序列, fs = 1 Hz
V_med = medfilt(V_raw, kernel_size=5)          # 中值去尖峰
b, a = iirnotch(50, Q=30, fs=1)                # 50 Hz 陷波
V_notch = filtfilt(b, a, V_med)
V_smooth = savgol_filter(V_notch, 21, 2)       # SG 平滑

平滑后应回看残差：V_raw − V_smooth 的均方根若仍在 0.8 mV 量级且无明显周期性结构，说明平滑没有过度吞掉真实信号；若残差出现与温度平台同步的台阶，则窗口过大，需要缩小。

三、异常值剔除：用物理约束而非纯统计

纯 3σ 准则在温漂数据上容易误杀——升温支路本身就有系统性偏移，全局标准差会被支路差异撑大。更稳妥的做法是按温度平台分组做局部统计：对每个保温平台内的 60 个点计算中位数与 MAD（中位数绝对偏差），将偏离中位数超过 3×1.4826×MAD 的点判为异常。同时叠加物理约束：单点跳变超过 5 mV、或输出超出传感器量程的样本直接剔除。

剔除后不要简单删点造成时间轴断裂，建议用线性插值补齐，并记录被剔除点的比例。工程经验上，剔除比例超过 5% 就应回头检查采集链路，而不是继续往下建模。

四、归一化：为特征提取和建模统一尺度

温度与电压量纲不同，若直接送入回归或神经网络，梯度会被大量纲变量主导。这里采用最小-最大归一化把温度映射到 [0,1]，把 ΔV 按其全量程映射到 [−1,1]，便于迟滞的正负号直观呈现。注意归一化参数必须只用训练集统计量，验证集和测试集复用同一组 min/max，否则会造成信息泄漏。

下图展示了从原始序列到特征数据集的完整处理链，以及各环节的输出形态与关键判据。

五、三类特征参数的具体算法

斜率特征：把升温支路按温度分段（如 15–25 ℃、25–35 ℃、35–45 ℃），每段用最小二乘拟合直线，取斜率作为该温区的灵敏度。若关心局部灵敏度，可在 25 ℃ 附近取 ±2 ℃ 窗口做线性拟合，得到参考温度处的斜率 k₂₅。示例数据中升温支路 k₂₅ ≈ 0.42 mV/℃，降温支路 ≈ 0.39 mV/℃，两者之差本身就是迟滞的一种度量。

迟滞特征：将升温支路与降温支路按温度重采样到同一温度网格（如 0.5 ℃ 间隔），逐点相减得到 H(T)。迟滞的典型形态是随温度先增后减的"回环"，因此除峰值 H_max 外，还应记录峰值所在温度 T_Hmax 和回环面积（对 H(T) 积分）。示例中 H_max ≈ 1.6 mV 出现在 30 ℃ 附近，回环面积约 18 mV·℃。

非线性特征：对升温支路做一次最佳直线拟合，计算各温度点相对该直线的最大偏差，除以满量程输出得到百分比非线性。示例数据 NL ≈ ±0.9% FS。若非线性呈明显 S 形，说明存在三次项成分，建模时应保留二次或三次项，而不是强行用线性模型。

六、结果判读与数据集交付

处理完成后要做两项一致性检查。其一，升降温支路在 15 ℃ 端点应闭合（差值接近零），若端点差超过迟滞峰值的 20%，说明保温时间不足或存在热惯性滞后，需要回看采集协议。其二，迟滞符号应符合约定：按本文定义 ΔV↑ − ΔV↓，若升温支路整体高于降温支路，H 为正。符号反了通常是支路标签错位，属于常见的数据整理错误。

最终交付的特征数据集建议按如下字段组织，每行对应一个温度点，便于直接送入回归模型：

至此，原始温漂序列被转换为尺度统一、异常受控、特征明确的数据集。斜率刻画灵敏度随温度的漂移，迟滞刻画升降温路径的不可逆差异，非线性刻画曲线偏离直线的程度——这三类参数正是后续温漂建模的输入，也是判断补偿效果是否达标的基准。