Dla sygnałów niestacjonarnych najlepszym startem jest ekstrakcja cech oparta na reprezentacjach czasowo‑częstotliwościowych (TFR), połączona z rygorystyczną selekcją cech. Zacznij od STFT lub CWT jako punktu wyjścia, generuj kandydatów cech narzędziami jak tsfresh albo CATCH22, a potem odsiej szum statystyczną kontrolą istotności. Taki układ poprawia zarówno dokładność klasyfikacji, jak i interpretowalność modelu, co w przemyśle i badaniach ma znaczenie równie duże jak same wyniki.
Krótko mówiąc:
- W przypadku sygnałów niestacjonarnych konieczna jest ekstrakcja cech oparta na reprezentacjach czasowo‑częstotliwościowych, co poprawia zarówno dokładność, jak i interpretowalność modelu.
- Automatyczne biblioteki, takie jak tsfresh, TSFEL i CATCH22, ułatwiają generowanie dużych zestawów cech, lecz przed użyciem konieczna jest ich kontrola i selekcja, aby uniknąć przeuczenia.
- W tym procesie istotne jest synchronizowanie, filtrowanie i wybór odpowiedniego okna analizy, ponieważ błędy na tym etapie mogą zniweczyć cały efekt feature engineering.
- Reprezentacje czasowo‑częstotliwościowe, w tym STFT i CWT, różnią się rozdzielczością i kosztami obliczeniowymi, co warto dobrać w zależności od charakterystyki sygnału.
- W przemysłowym i biomedycznym zastosowaniu kluczowe cechy to energia sygnału, kurtoza czy entropia, które pozwalają wykrywać awarie i patologiczne wzorce z wyprzedzeniem.
Spis treści
- Feature engineering sygnałów: definicje i kiedy go stosować
- Wstępne przetwarzanie: co realnie zmienia jakość cech
- Reprezentacje czasowo‑częstotliwościowe: które wybrać i jak wydobyć z nich cechy
- Automatyczne biblioteki ekstrakcji cech: tsfresh, TSFEL i CATCH22
- Selekcja cech i kontrola przeuczenia w danych czasowych
- Gdzie to działa: przemysł, biomedycyna i detekcja wycieków
- Jak Synaptix-platform wdraża feature engineering sygnałów w praktyce
- Kiedy manualna inżynieria cech naprawdę wygrywa
- Źródła
- Najczęściej zadawane pytania
Feature engineering sygnałów: definicje i kiedy go stosować
Sygnał niestacjonarny to taki, którego statystyki (średnia, wariancja, widmo) zmieniają się w czasie. Wibracje łożyska tuż przed awarią, zapis EEG w trakcie napadu czy fala akustyczna przy wycieku, wszystkie zmieniają charakter z sekundy na sekundę. Cecha sygnałowa to policzalna wielkość wydobyta z surowego przebiegu, np. energia w paśmie 2–5 kHz albo entropia widmowa w danym oknie czasowym. Reprezentacja czasowo‑częstotliwościowa (TFR) pokazuje, jak energia sygnału rozkłada się jednocześnie w czasie i częstotliwości, co dla sygnałów niestacjonarnych jest znacznie informatywniejsze niż samo widmo Fouriera.
Feature engineering wygrywa z podejściem end‑to‑end (sieć neuronowa ucząca się bezpośrednio z surowego sygnału) w kilku sytuacjach:
- gdy dane treningowe są ograniczone, bo ręcznie zdefiniowane cechy generalizują lepiej przy małej liczbie prób;
- gdy interpretowalność jest wymogiem regulacyjnym lub operacyjnym, na przykład w diagnostyce medycznej;
- gdy zasoby obliczeniowe na urządzeniu brzegowym (EDGE) są ograniczone.
Badania porównawcze pokazują, że narzędzia oparte na cechach osiągają wyniki konkurencyjne z liderami klasyfikacji szeregów czasowych, a jednocześnie oferują znacznie łatwiejszą diagnozę, dlaczego model podjął konkretną decyzję.
Wstępne przetwarzanie: co realnie zmienia jakość cech
Zanim policzysz jakąkolwiek cechę, sygnał musi przejść przez trzy filtry: synchronizację, filtrację i okienkowanie. Brak synchronizacji czasowej między czujnikami to jeden z najczęściej niedocenianych błędów. Jeśli akcelerometr i czujnik temperatury na tej samej maszynie rejestrują dane z przesunięciem 200 milisekund, korelacje między cechami stają się przypadkowe, a model uczy się artefaktów zamiast fizyki procesu.
Praktyczna sekwencja wygląda tak:
- Zresampluj wszystkie kanały do wspólnej częstotliwości i zsynchronizuj znaczniki czasu, najlepiej na wspólnym zegarze systemowym.
- Zastosuj filtr dolno lub górnoprzepustowy pasujący do pasma zjawiska, filtr adaptacyjny warto włączyć tylko gdy poziom szumu tła zmienia się w czasie.
- Wybierz okno analizy, sprawdzając wpływ na wyciek widmowy zamiast domyślnie brać prostokątne.
Dobór okna nie jest kosmetyką. Analiza wpływu okienkowania pokazuje, że zamiana okna prostokątnego na Hanna redukuje błąd wynikający z wycieku widmowego, a alternatywne okno typu Diff pozwala skrócić czas pomiaru nawet o 25% przy zachowaniu porównywalnej wariancji wyniku.
Porada profesjonalisty: Zawsze testuj minimum dwa okna (Hann i prostokątne) na tym samym zestawie danych zdrowych i porównaj wariancję wyników przed wyborem finalnej konfiguracji.
Reprezentacje czasowo‑częstotliwościowe: które wybrać i jak wydobyć z nich cechy
Wybór między STFT, CWT, DWT i rozkładami czasowo‑częstotliwościowymi (TFD, np. Wignera‑Ville) zależy od tego, czego potrzebujesz: rozdzielczości, kosztu obliczeniowego czy odporności na interferencje.
- STFT (krótkoczasowa transformata Fouriera) jest szybka i intuicyjna, ale ma stałą rozdzielczość czasowo‑częstotliwościową, ustaloną przez szerokość okna.
- CWT (transformata falkowa ciągła) daje zmienną rozdzielczość, dobrą dla zjawisk impulsowych i krótkich zdarzeń.
- DWT (transformata falkowa dyskretna) jest lżejsza obliczeniowo i dobrze nadaje się do wdrożeń na urządzeniach brzegowych.
- TFD typu Wignera‑Ville dają najwyższą rozdzielczość teoretyczną, ale generują interferencje wymagające wygładzania.
Z każdej reprezentacji można wydobyć cechy energetyczne (energia w kafelkach czasowo‑częstotliwościowych), cechy kształtu widma (spłaszczenie, tzw. flatness) oraz miary niepewności, jak entropia Shannona czy Rényiego. Przegląd tutorialowy dotyczący TFD potwierdza, że cechy (t,f) takie jak flatness i entropia znacząco poprawiają klasyfikację sygnałów niestacjonarnych w porównaniu z analizą jednowymiarową ograniczoną do samego czasu lub samej częstotliwości.
Jakość samej reprezentacji też można zoptymalizować. Metodologia automatycznego doboru parametrów TFR z użyciem optymalizacji bayesowskiej pozwala wybrać szerokość okna i typ transformaty na podstawie samych danych zdrowych, bez wcześniejszej wiedzy o wzorcach awarii.
Automatyczne biblioteki ekstrakcji cech: tsfresh, TSFEL i CATCH22
Ręczne projektowanie setek cech nie skaluje się. Biblioteki takie jak tsfresh, TSFEL i CATCH22 generują szerokie zestawy cech statystycznych, czasowych i częstotliwościowych automatycznie, z jednego wywołania funkcji na cały zbiór szeregów czasowych.
- tsfresh generuje nawet kilkaset do kilku tysięcy cech na kanał i ma wbudowane mechanizmy filtrowania istotności.
- TSFEL oferuje bardziej modularny interfejs z podziałem cech na domeny (czasowa, częstotliwościowa, statystyczna), co ułatwia kontrolę nad tym, co faktycznie liczysz.
- CATCH22 to skondensowany zestaw 22 cech wybranych z większej biblioteki jako te, które niosą najwięcej informacji przy najmniejszej redundancji.
Badanie porównujące jedenaście takich narzędzi na 112 zbiorach danych wykazało, że metody oparte na automatycznie generowanych cechach są konkurencyjne z najlepszymi metodami klasyfikacji szeregów czasowych, przy zachowaniu przewagi interpretowalności.
Typowy pipeline wygląda tak: generujesz cechy masowo, filtrujesz nieistotne statystycznie, redukujesz wymiarowość (np. PCA lub selekcja korelacyjna) i tylko potem trenujesz model. Przy tysiącach cech i relatywnie małej liczbie próbek ryzyko przeuczenia rośnie gwałtownie, jeśli krok filtrowania zostanie pominięty.
Selekcja cech i kontrola przeuczenia w danych czasowych
Masowa generacja cech bez formalnej selekcji to najczęstsza pułapka w tej dziedzinie. Autorzy tsfresh sami podkreślają, że bez procedur kontrolujących istotność statystyczną modele uczą się głównie szumu, a nie sygnału.
Praktyczna procedura selekcji wygląda tak:
- Zastosuj metody filtrowe (test istotności każdej cechy osobno) jako pierwsze sito, to jest najszybsze i najmniej kosztowne obliczeniowo.
- Skontroluj fałszywe odkrycia procedurą Benjamini‑Hochberg, co ogranicza liczbę cech przypadkowo uznanych za istotne przy tysiącach testowanych hipotez.
- Dopracuj wybór metodami wrapperowymi lub embedded (np. Lasso, drzewa z ważnością cech) na przefiltrowanym już podzbiorze.
- Zwaliduj model podziałem właściwym dla szeregów czasowych, time-series split lub blokowa walidacja krzyżowa, nigdy losowym k-fold, który przecieka informację z przyszłości do przeszłości.
Porada profesjonalisty: Jeśli generujesz więcej niż 500 cech na próbkę, kontrola FDR metodą Benjamini‑Hochberg powinna być obowiązkowym krokiem, nie opcjonalnym dodatkiem.
Gdzie to działa: przemysł, biomedycyna i detekcja wycieków
W utrzymaniu ruchu maszyn wirujących najskuteczniejsze cechy to energia obwiedni sygnału wibracji, energia w wąskich pasmach częstotliwości charakterystycznych dla łożysk oraz wskaźniki kurtozy, które wychwytują impulsowość sygnału przed uszkodzeniem elementu, co jest szerzej opisane w kontekście problemów z dostępnością czasu pracy maszyn. Te cechy w połączeniu z modelem klasyfikacyjnym wyprzedzają awarię o dni lub tygodnie, co szerzej opisujemy w kontekście wykrywania anomalii w czasie rzeczywistym.
W biomedycynie głównie w analizie EEG, cechy (t,f) takie jak entropia i spłaszczenie widma poprawiają wykrywalność wzorców patologicznych w porównaniu z klasyczną analizą pasmową. Przegląd badań nad ekstrakcją cech sygnałów fizjologicznych potwierdza tę przewagę w zastosowaniach diagnostycznych.
W detekcji wycieków akustycznych rurociągów architektura MSFAT pokazuje, jak połączyć TFR z siecią neuronową świadomą częstotliwości. Mechanizm frequency‑aware embedding w tej architekturze znacząco poprawia dokładność i wskaźnik F1 przy wykrywaniu wycieków w warunkach szumu tła, co potwierdza wartość łączenia klasycznego DSP z uczeniem głębokim, a nie wybierania jednego zamiast drugiego. Więcej o praktycznej stronie takich wdrożeń znajdziesz w opisie wykrywania wycieków ultradźwiękami.
Jak Synaptix-platform wdraża feature engineering sygnałów w praktyce
Pipeline stosowany w projektach przemysłowych z użyciem Synaptix-platform trzyma się tej samej logiki, którą opisaliśmy wyżej, tylko przeniesionej na skalę produkcyjną:
- pozyskanie danych z czujników przez protokoły MQTT, OPC‑UA, Modbus lub M‑Bus;
- synchronizacja czasowa strumieni z wielu maszyn w module GridSense monitorującym aktywa w czasie rzeczywistym;
- ekstrakcja cech TFR i statystycznych na strumieniu danych;
- selekcja cech i trenowanie modeli prognozujących pozostały czas życia (UL);
- automatyzacja przepływu wyników do systemów CMMS i ERP przez moduł AutomateFlow, bez ręcznego przepisywania danych do SAP czy Maximo.
Taki układ pozwala przejść od surowego sygnału wibracji czy prądu do konkretnego zlecenia serwisowego bez ręcznej pracy analityka na każdym etapie, co opisujemy szerzej w kontekście integracji CMMS z IoT. Naturalnym pierwszym krokiem dla zespołu, który chce to sprawdzić na własnych danych, jest wdrożenie pilotażowe Synaptix, zanim rozważy się pełną platformę czy wersję enterprise.
Kiedy manualna inżynieria cech naprawdę wygrywa
Konwencjonalna mądrość mówi, że sieci głębokie zawsze wygrywają, gdy masz dane. To prawda tylko przy dużej skali. Przy setkach, nie milionach próbek, ręcznie zaprojektowane cechy z solidnym TFR w tle zwykle biją end‑to‑end, bo mniej parametrów oznacza mniejsze ryzyko przeuczenia.
Koszt tej przewagi to czas inżyniera, nie mocy obliczeniowej. Zespoły, które traktują feature engineering jako jednorazowy etap przed treningiem, tracą najwięcej. Sensowniej jest zacząć od pilota na wąskim zbiorze cech opartych na TFR, sprawdzić, gdzie model się myli, i dopiero potem rozważać dodanie warstwy głębokiego uczenia jako uzupełnienia, nie zamiennika.
— Mateusz
Źródła
Przegląd tutorialowy o cechach czasowo‑częstotliwościowych i porównanie narzędzi w ekstrakcji cech dla klasyfikacji szeregów czasowych to najlepszy punkt startowy dla dalszej lektury technicznej.
- Time–frequency features for pattern recognition using high-resolution TFDs: A tutorial review
- Automatic Feature Engineering for Time Series Classification: Evaluation and Discussion
- Pipeline leak detection through acoustic signal measurement (MSFAT architecture)
- Analysis of windowing/leakage effects in frequency response
- PMC article relevant to signal feature extraction
Najczęściej zadawane pytania
Czym różni się STFT od CWT przy wyborze reprezentacji?
STFT ma stałą rozdzielczość czasowo‑częstotliwościową zależną od szerokości okna, co dobrze działa dla sygnałów o stabilnym charakterze zmian. CWT daje rozdzielczość zmienną w zależności od skali, lepiej radząc sobie z krótkimi, impulsowymi zdarzeniami.
Ile cech generować przed selekcją?
Nie ma jednej sztywnej liczby, ale przy pracy z tsfresh typowe jest wygenerowanie od kilkuset do kilku tysięcy cech na kanał przed etapem filtrowania. Kluczowe jest zastosowanie kontroli fałszywych odkryć, np. procedury Benjamini‑Hochberg, zanim cechy trafią do modelu.
Jak uniknąć przeuczenia przy automatycznej ekstrakcji cech?
Stosuj filtrowanie statystyczne, kontrolę FDR i walidację na podziale właściwym dla szeregów czasowych, nigdy zwykłym losowym k‑fold. Redukcja wymiarowości po filtrowaniu dodatkowo ogranicza ryzyko uczenia się szumu.
Kiedy warto użyć tsfresh, a kiedy CATCH22?
Tsfresh sprawdza się, gdy chcesz szerokiego, automatycznego przeszukania możliwych cech i masz zasoby na filtrowanie tysięcy kandydatów. CATCH22 jest lepszym wyborem, gdy potrzebujesz mniejszego, skondensowanego zestawu cech do szybkiego wdrożenia na urządzeniu brzegowym.
Czy feature engineering sygnałów ma sens przy dużych zbiorach danych?
Tak, ale przy bardzo dużych zbiorach przewaga nad end‑to‑end uczeniem głębokim się zmniejsza. Badania porównawcze pokazują, że metody oparte na cechach zachowują wtedy konkurencyjność głównie dzięki interpretowalności, nie samej dokładności.