4. 特征工程基础
在TinyML传感器部署中，原始传感器数据几乎从不直接送入模型。无论是加速度计、陀螺仪、麦克风还是环境光传感器，其输出都是一串随时间变化的离散采样点。特征工程的核心任务，就是从这些原始时间序列中提取出对目标任务（如跌倒检测、关键词识别、电机异常诊断）最具判别力的信息，同时丢弃噪声与冗余。本章聚焦于两类最基础也最常用的特征——时域特征与频域特征，并重点剖析它们对采样率的敏感性。理解这种敏感性，是排错“采样率不一致”与“特征错位”问题的理论前提。
上图展示了从传感器原始数据到特征向量再到模型推理的完整链路。其中“采样率不一致”与“特征错位”是TinyML部署中最常见的两类故障源。时域特征直接依赖采样点的统计量，频域特征则依赖FFT的分辨率与频率映射关系。下面分别展开。
4.1 时域特征：均值、方差、峰值及其计算原理
时域特征直接在原始时间序列上计算，不涉及频率变换，计算量小，非常适合在MCU上实时运行。其数学定义清晰，物理意义直观，是TinyML模型最常用的输入特征之一。
均值（Mean）反映信号的直流分量或趋势中心。对于加速度计，均值对应重力分量；对于麦克风，均值接近零（交流信号）。计算公式为：
μ = (1/N) * Σ x[i] (i = 1..N)其中N为窗口内采样点数。均值对采样率不敏感，只要窗口时间长度固定，均值基本不变。但若窗口点数N因采样率变化而改变，均值的统计稳定性会受影响。
方差（Variance）衡量信号围绕均值的波动程度，是振动、冲击检测的核心特征。计算公式为：
σ² = (1/N) * Σ (x[i] - μ)²方差对采样率较为敏感。若采样率降低，高频波动被欠采样，方差会系统性偏小；若采样率升高，噪声被更完整地捕获，方差可能偏大。这种偏差在部署时若未校准，会导致模型输入分布漂移。
峰值（Peak）与峰峰值（Peak-to-Peak）用于捕捉瞬态冲击。峰值定义为窗口内最大值，峰峰值定义为最大值减最小值。峰值对采样率极其敏感——如果采样率不足，真正的冲击峰值可能恰好落在两个采样点之间，导致峰值被低估。例如，一个持续2ms的冲击，在100Hz采样率下仅能采到0.2个点，几乎无法捕捉；在1kHz下能采到2个点，峰值估计误差仍可能超过30%。
4.2 频域特征：FFT、频谱能量及其物理含义
频域特征通过傅里叶变换将时间序列映射到频率轴，揭示信号的周期性成分。在TinyML中，FFT（快速傅里叶变换）是最常用的频域分析工具，但受限于MCU算力，通常使用256点或512点FFT。
FFT基本原理：对N点离散信号x[n]，其离散傅里叶变换为：
X[k] = Σ x[n] * e^(-j2πkn/N) (n=0..N-1, k=0..N-1)其中k对应频率分量，实际频率f = k × Fs / N。频率分辨率Δf = Fs / N。这意味着采样率Fs和FFT点数N共同决定了频率分辨率。若Fs=100Hz，N=256，则Δf≈0.39Hz；若Fs=80Hz，N=256，则Δf≈0.31Hz。频率轴刻度整体偏移，导致特征错位。
频谱能量（Spectral Energy）定义为特定频带内幅度谱的平方和：
E = Σ |X[k]|² (k ∈ [k1, k2])频谱能量对采样率高度敏感。采样率决定了奈奎斯特频率（Fs/2），高于此频率的信号成分会被混叠到低频区，污染频谱能量分布。例如，一个500Hz的振动信号，在1kHz采样率下能正确显示在500Hz处；若采样率降至800Hz，500Hz信号超过奈奎斯特频率400Hz，会混叠到300Hz处，导致频谱能量错位。
| 特征类型 | 对采样率敏感性 | 主要风险 | 典型应用 |
|---|---|---|---|
| 均值 | 低 | 窗口点数变化影响统计稳定性 | 重力估计、直流偏置 |
| 方差 | 中 | 高频成分欠采样导致方差偏小 | 活动强度、振动检测 |
| 峰值/峰峰值 | 高 | 冲击峰值可能被漏采 | 跌倒检测、敲击识别 |
| FFT幅度谱 | 高 | 频率轴偏移、混叠 | 电机故障诊断、声音分类 |
| 频谱能量 | 高 | 频带边界错位、能量泄漏 | 语音活动检测、振动能量监测 |
4.3 采样率不一致对特征的具体影响机制
在TinyML部署中，采样率不一致通常表现为三种形式：标称采样率与实际采样率不符（如配置100Hz但实际只有80Hz）、采样率抖动（相邻采样间隔不均匀）、多传感器采样率不匹配（加速度计100Hz、陀螺仪50Hz）。这些都会直接破坏特征的一致性。
对时域特征的影响：假设窗口时间固定为2秒，标称100Hz应采集200点。若实际采样率只有80Hz，则只采到160点。均值计算基于160点，与训练时的200点统计量存在偏差。更严重的是，方差计算中，高频波动成分（如振动）在80Hz采样率下被低通滤波，方差值系统性偏小。峰值检测则可能完全错过短时冲击。
对频域特征的影响：FFT的频率轴映射公式f = k × Fs / N中，Fs直接参与计算。若实际Fs与配置不符，频率轴整体缩放。例如，训练时Fs=100Hz，FFT的k=10对应10Hz；部署时实际Fs=80Hz，k=10对应8Hz。模型在训练时学到的“10Hz处有能量”这一规律，在部署时变成了“8Hz处有能量”，导致特征错位。此外，采样率抖动会引起频谱泄漏，使原本集中的谱峰扩散到相邻频点。
4.4 案例拆解：电机振动监测中的特征错位排障
某工业设备预测性维护项目，使用加速度计监测电机轴承振动，采样率配置为1kHz，窗口长度1秒（即N=1000点）。模型输入特征为：均值、方差、峰值、以及0-200Hz频带能量。训练阶段在实验室数据上达到95%的准确率。
部署现象：在现场设备上部署后，准确率骤降至62%。模型频繁将正常状态误判为异常。
排查过程：首先检查传感器配置，代码中设置采样率为1kHz，但使用示波器实测发现实际采样率仅为750Hz。进一步分析发现，MCU的ADC采样由定时器触发，但定时器中断被更高优先级任务抢占，导致采样间隔不均匀，平均采样率下降。
关键数据对比：
训练时：Fs=1000Hz, N=1000点, Δf=1Hz, 0-200Hz频带对应k=0-200
部署时：Fs=750Hz, N=750点, Δf≈1.33Hz, 0-200Hz频带对应k=0-150由于FFT点数从1000变为750，频率分辨率从1Hz变为1.33Hz，0-200Hz频带对应的k值范围从0-200变为0-150。模型训练时学习的“200Hz处能量”在部署时被映射到150Hz处，特征向量发生系统性偏移。
解决方案：采用固定时间窗口而非固定点数窗口。将窗口定义为“1秒内所有采样点”，无论实际采样率如何，都计算该时间段内的特征。同时，在特征提取前对原始数据做重采样，统一到标准采样率。具体操作：
- 实测实际采样率Fs_actual = 750Hz
- 使用线性插值将数据重采样到1000Hz
- 重新计算FFT和频谱能量
结果：重采样后，准确率恢复至93%。虽然仍有少量损失，但已满足生产要求。复盘发现，根本原因是MCU任务调度导致采样率不稳定，而非传感器硬件故障。
4.5 常见误区与设计建议
误区一：认为采样率越高越好。高采样率虽然能捕获更多高频信息，但会增加MCU功耗、内存占用和计算延迟。在TinyML中，应根据信号带宽和任务需求选择合适采样率。例如，人体活动识别通常50Hz即可，电机振动监测需要1kHz以上。
误区二：忽略采样率抖动。即使平均采样率正确，采样间隔不均匀也会引入频谱泄漏。建议使用DMA（直接内存访问）配合硬件定时器，减少软件中断抖动。
误区三：训练与部署采样率不一致。这是最常见的错误。训练时使用100Hz数据，部署时实际80Hz，模型性能必然下降。最佳实践是：在训练阶段就使用与部署环境相同的采样率，或使用数据增强模拟采样率变化。
设计建议：
- 在特征提取代码中，将采样率作为可配置参数，并在初始化时通过实测校准。
- 使用滑动窗口时，记录窗口内实际采样点数，而非假设固定点数。
- 对于频域特征，优先使用功率谱密度（PSD）而非原始FFT幅度，PSD对窗口长度变化更鲁棒。
- 在模型输入层加入特征归一化，减少采样率变化引起的分布偏移。
特征工程是TinyML模型性能的基石。时域特征简单可靠，但对冲击类信号敏感；频域特征信息丰富，但高度依赖采样率准确性。理解这些敏感性，是排查“采样率不一致”与“特征错位”问题的理论基础。在实际部署中，建议先用示波器或逻辑分析仪验证传感器实际输出，再决定特征提取策略。