matlab-prepare-signal-data

准备信号数据

请先查看 Signal Processing Toolbox。 此处的调理、标注、 拆分、分帧和分区辅助工具都位于 Signal Processing Toolbox 中，而不在 Stats & ML Toolbox 或通用 MATLAB 字符串实用工具中。

流程：对原始信号进行调理（清理）-> 将文件夹加载到 数据存储中 -> 标注 -> 拆分 / 分帧 -> 交接给 trainnet。每个 阶段都对应一个工作流文件；本页会为你指引合适的文件。

适用场景

• 在分析前清理单个信号：填补缺失值、去除漂移、剔除离群值、 降噪、统一时间基准、对齐多个通道。
• 加载 / 准备信号数据以用于 ML 训练：数据存储、根据 文件名或文件夹生成标签、分层拆分、分帧、并行处理。
• 结构化标注：使用 labeledSignalSet 进行 Signal Labeler 标注，支持所有标签类型。

不适用场景

• 有 Audio Toolbox 时对原始 .wav 音频进行分类。 audioDatastore 是标准做法（本技能的自定义 ReadFcn 工作流仅在没有 Audio Toolbox 时处理 .wav — references/wf-custom-readfcn.md）。
• 设计频率选择性滤波器（频带隔离、陷波、自定义 FIR/IIR） — 请参阅 matlab-design-digital-filter 技能。本技能中的信号调理是为了清理信号， 而非设计滤波器。
• 从已调理的信号中计算逐帧特征（RMS、峰值因数、频谱 / 带宽、 时频特征）— 请参阅 matlab-extract-signal-features 技能。本技能的 framesig / framelbl 用于手动按窗口标注 / 监督，而非生成特征表；signal*FeatureExtractor 对象会在内部进行窗口处理并输出表格。

最佳实践

• 交付内容应为可运行的 .m 脚本，用户可以保存、进行版本管理并 重新运行，而不是工作区状态。
• 优先使用能完成任务的最高层级函数。 detrend / smoothdata / fillmissing / resample 可读性好，也便于 非专家理解。只有在需要高层调用无法提供的控制，或用户提出要求时， 才使用更底层 / 可配置性更强的方案（designfilt + filtfilt、手动构建的 AR 模型、具名基本函数）。 首先考虑可读性；只有确有必要时才升级到低层级，而非默认如此。
  • 高层调用通常会提供你认为需要的控制。特别是，smoothdata(x, "sgolay", fl) 会将帧长 fl 作为参数——它不会隐藏该参数——因此应优先使用它，而不是直接调用 sgolayfilt。只有当调度函数确实缺少所需功能时（例如通过 dn 输出导数，或使用特殊的多项式阶数），才使用 sgolayfilt。

0. 常见惯用做法

如果你的第一反应是下面这些，其中都有一步之遥的标准替代方案。

惯用做法	标准方案	详情
手动设计高通滤波器或使用 designfilt 去除平滑漂移	detrend(x, n)——依次将 n 从 1 提升到 2、再到 3，然后再考虑使用滤波器；多项式去趋势的通带增益为 1	references/fn-detrend.md
自行编写缺失值填补函数（regularizeNaNs、inpaintn——这些函数并不存在）	短缺口用 fillmissing（插值）；振荡信号中的长缺口用 fillgaps（SPT，AR）	references/wf-repair-missing.md
手动组合 retime + shift + retime + concat 来对齐通道	synchronize(A, B, ...)——一次调用即可对齐到共享网格	references/wf-align-channels.md
为 .csv 自定义 ReadFcn	使用 signalDatastore 的默认读取器和 SignalVariableNames	references/fn-signaldatastore.md
用 cvpartition 拆分数据存储	使用 splitlabels + subset(ds, idx{k})	references/fn-splitlabels.md
用 regexp / extractBefore / fileparts 从文件名提取标签	filenames2labels(sds, Extract=...)	references/fn-filenames2labels.md
用 regexp / 嵌套 fileparts 从子文件夹提取标签	folders2labels(sds.Files)	references/fn-folders2labels.md
使用 (i-1)*hop+1 手动编写分帧循环	framesig(x, fl, OverlapLength=...)	references/wf-frame-and-label.md
使用 containers.Map 手动将 ROI 投票映射到帧	framelbl(rois, ...)	references/wf-frame-and-label.md
用 for 循环执行 load(file) 读取文件中的标签变量	signalDatastore(folder, SignalVariableNames=["x","label"])	references/fn-signaldatastore.md
需要与 Signal Labeler 互操作时使用 signalMask	使用带 ROI 标签的 labeledSignalSet（signalMask 无法导入）	references/fn-labeledsignalset.md
signalLabeler(lss)（将集合传入参数）	直接启动 signalLabeler（不带参数），然后选择 Import -> From Workspace 或 From File	references/wf-label-and-export.md

SPT 专用函数已经存在——直接使用，不要重复造轮子。 fillgaps（AR 缺口填补）、medfilt1 / hampel（脉冲处理）、 sgolayfilt / smoothdata(...,"sgolay")（保留特征的平滑）都位于 Signal Processing Toolbox 中。

1. 工作流

每个工作流文件都是入口，其中列出了使用的函数。从这里开始。

工作流	适用场景	参考
修复缺失样本	需要填补 NaN 间隙或数据丢失。	references/wf-repair-missing.md
去趋势、平滑、去异常值	单个信号存在漂移、尖峰和／或宽带噪声（平滑／降噪也在此处）。	references/wf-detrend-smooth-deoutlier.md
对齐多速率／偏移通道	将多个通道对齐到共享时间基准。	references/wf-align-channels.md
将单个通道设为统一速率	将单个通道转换到所选速率的统一网格：将抖动的时间戳规整化，或对速率已统一但速率不正确的数据使用 resample。	references/wf-uniform-rate.md
小波降噪（进阶处理）	经过调优的 sgolayfilt 无法去除非平稳／多尺度噪声；使用 wdenoise（Wavelet TB）。	references/wf-denoise.md
包络提取	振幅轮廓（AM 解调、峰值包络）——不是清理。	references/wf-envelope.md
加载 + 标注 + 拆分	将文件夹中的文件转换为用于训练的数据存储。	references/wf-load-and-split.md
长信号分帧 + 逐帧标注	长信号、按窗口进行监督。	references/wf-frame-and-label.md
标注 + 导出（所有标注类型）	结构化标注（属性／ROI／点／TF-ROI），导出到 Signal Labeler／DL。	references/wf-label-and-export.md
通过 parpool 并行处理	在多个工作进程上处理各个信号。	references/wf-parallel-process.md
自定义 ReadFcn（仅在需要时）	格式不是 .mat／.csv，或包含元数据前导部分。	references/wf-custom-readfcn.md
移交给 trainnet	数据存储已就绪；为 trainnet／combine 调整形状。	references/wf-handoff-to-dl.md

每个工作流文件都会列出其所用函数对应的 fn- 参考页面； 没有单独的函数索引——请从与任务匹配的工作流开始， 或查阅上方的速查表。

2. 信号需要多个调理步骤时的排序

**基本原则（真正的规则）：**安排步骤顺序，避免较早的操作破坏后续操作的输入。尖峰会影响最小二乘拟合，也会被滤波器／重采样器扩散；未去除的趋势会被平滑器平均到信号中；大多数操作都无法处理 NaN。据此判断当前信号需要怎样处理——不要盲目遵循固定流程。

默认经验顺序（良好的起点，但并非放之四海而皆准的规则）：

异常值 -> 去趋势 -> 平滑，根据上述原则安排填补和对齐步骤。

• 异常值 -> 去趋势 -> 平滑是经过验证的核心顺序：在多项式 detrend 之前（尖峰会影响拟合）和在平滑器之前（平滑器会将尖峰扩散到整个窗口）去除尖峰；先去趋势再平滑，避免平滑器对趋势求平均。
• 在任何无法处理缺失数据的步骤（去趋势、滤波器、大多数平滑器）之前，先填补 NaN。
• **对齐／重采样：**将信号放到新网格上（retime／synchronize）会在时间不重叠处产生 NaN，因此应在对齐后填补。但如果信号有尖峰，应在重采样前去除异常值——resample 的抗混叠滤波器会扩散尚未去除的尖峰。因此，对齐与去除异常值的先后顺序取决于信号；应由基本原则决定，而不是套用固定顺序。

并非每个信号都需要所有步骤——先判断哪些步骤适用，再按基本原则安排顺序。如果实际问题属于其他类别，每个工作流文件都提供了相应的转用路径。

---

Copyright 2026 The MathWorks, Inc.

---