降噪放第几个节点：放最前面还是调完再降噪的顺序之争

一、问题的本质：为什么"顺序"会成为一个真问题

在信号处理管线里，降噪（Noise Reduction, NR）从来不是一个孤立模块。它前面可能有增益、均衡、采样率转换、波束成形，后面可能有压缩、编码、识别、检测。每插入一个模块，信号的统计特性就变一次，噪声的统计特性也变一次。于是"降噪放第几个节点"这个问题，本质上是问：在信号与噪声的统计特性被前级处理改变之前还是之后做降噪，哪个更有利于分离？

很多工程师的第一反应是"降噪当然放最前面，越早把噪声干掉越好"。这个直觉在噪声与信号可分时成立，但在两者重叠时会翻车。反过来，"调完再降噪"的支持者认为前级处理（尤其是非线性处理）会把噪声调制到与信号同构的形态，导致降噪算法无法区分。这个担忧同样有道理，但并非普遍成立。本文评述：两种直觉都只覆盖了问题的一个角落，真正决定顺序的是可分离性这一中间变量。

1.1 一个被忽视的事实：降噪不是"减法"，而是"估计"

把降噪理解成"把噪声减掉"是工程直觉，但在数学上，降噪是一个估计问题：给定观测 y = s + n（s 为期望信号，n 为噪声），估计 ŝ。任何估计器都需要对 s 或 n 的结构做假设。假设越准，估计越好；假设越偏，估计越差。前级处理改变的是 y 的分布，从而改变假设的有效性。

经典维纳滤波（Wiener, 1949）给出的频域解为 H(ω) = P_s(ω) / [P_s(ω) + P_n(ω)]，其中 P_s、P_n 分别是信号与噪声的功率谱。这个公式揭示了一个关键点：降噪效果完全取决于 P_s 与 P_n 的比值结构。如果前级处理让 P_s 与 P_n 的比值结构变得更"平坦"（即两者更难区分），降噪就会更难。反之，如果前级处理让两者比值结构更"尖锐"，降噪会更容易。

本文评述：维纳滤波的启示不在于"要用维纳滤波"，而在于它把降噪效果量化为一个可计算的谱比值。工程上判断"降噪放哪"，第一步就应该是估计前级处理前后 P_s/P_n 结构的变化方向，而不是凭经验拍脑袋。

1.2 顺序之争的三个典型场景

为了让讨论落地，先看三个真实工程场景，它们代表了顺序之争的三种典型形态：

• 场景 A：语音通话链路。麦克风采集 → 自动增益控制（AGC）→ 降噪 → 回声消除 → 编码。争议点是降噪该在 AGC 前还是后。AGC 是时变增益，会改变噪声的时域包络，可能破坏降噪算法对平稳噪声的假设。
• 场景 B：振动监测与故障诊断。加速度计 → 抗混叠滤波 → 降噪 → 包络解调 → 特征提取。争议点是降噪该在包络解调前还是后。包络解调是非线性操作，会把噪声折叠到低频，降噪位置直接决定能否保留故障特征频率。
• 场景 C：图像/视频管线。RAW → 去马赛克 → 降噪 → 锐化 → 压缩。争议点是降噪该在去马赛克前还是后。去马赛克会引入彩色伪影，若先降噪可能把这些伪影当噪声抹掉，也可能把真实细节抹掉。

这三个场景表面差异很大，但底层结构一致：前级处理是否改变了噪声的可分离性。本文评述：把场景抽象成"前级处理对 P_s/P_n 结构的影响"，就能用同一套方法分析，而不必为每个场景单独发明经验法则。

二、分析主线：三角权衡模型

本文提出并贯穿全文的分析主线是三角权衡模型。三个顶点分别是：

这三个顶点构成一个不可能三角：你很难同时最大化保真度、可分离性和低代价。降噪节点的选择，本质上是在这个三角里选一个工作点。前置降噪通常提高可分离性（因为噪声还没被前级染色），但可能牺牲保真度（误伤信号）并增加延迟；后置降噪通常保护保真度（信号已成型），但可分离性可能变差，且代价叠加在链路末端。

2.1 三角权衡的数学表达

把三角权衡写成可优化的形式。设处理链为 T₁ → T₂ → … → Tₖ，降噪 NR 可插入任意位置 i。定义总代价函数：

J(i) = α · [1 − Fidelity(i)] + β · [1 − Separability(i)] + γ · Cost(i)

其中 α、β、γ 是任务相关的权重。语音通话里 γ（延迟代价）权重高，因为实时性硬约束；离线振动分析里 γ 权重低，可以容忍复杂算法；图像压缩管线里 β（可分离性）权重高，因为压缩会把噪声编码进比特流。本文评述：把顺序问题形式化为 J(i) 的最小化问题，是本文主张的核心操作路径。它把"经验之争"变成"可计算之争"。

2.2 为什么这条主线优于"经验法则"

工程界流传着不少经验法则，例如"降噪永远放最前"、"AGC 之后再降噪"、"压缩前必须降噪"。这些法则在特定条件下有效，但缺乏可迁移性。三角权衡模型的优势在于：它不预设答案，而是要求工程师先测量三个顶点的实际值，再做决策。本文评述：经验法则可以作为先验，但不能替代测量。当经验法则与测量冲突时，应以测量为准，并回溯经验法则的适用边界。

三、噪声的物理与统计建模：先搞清楚你在降什么

降噪顺序之所以难有定论，一个根本原因是"噪声"这个词被过度泛化。白噪声、粉红噪声、脉冲噪声、周期性干扰、混响、非平稳人声干扰，它们的可分离性天差地别。不先建模噪声，讨论顺序就是空谈。

3.1 噪声的分类与可分离性特征

噪声类型	统计特征	可分离性	推荐节点
加性高斯白噪声	平稳、全频带均匀	高（谱平坦度差异大）	前置
粉红/1/f 噪声	低频能量集中	中（与语音低频重叠）	前置+后置
脉冲噪声	稀疏、大幅值、非高斯	高（时域稀疏可分）	最前置
周期性干扰	窄带、谐波结构	高（频域线谱可分）	前置（陷波）
混响	卷积性、时域扩散	低（与信号同源）	后置（去混响独立模块）
非平稳人声干扰	与目标语音同构	极低（需盲源分离）	前置（波束成形优先）

这张表的关键信息是：可分离性越高的噪声，越应该前置处理，因为前级处理还没把它"染色"；可分离性越低的噪声，越需要结合空间信息（多麦克风、多传感器）或后置的语义级处理。本文评述：把噪声分类与节点选择直接挂钩，是三角权衡模型最直接的应用。

3.2 噪声平稳性：前置与后置的分水岭

平稳性是决定降噪节点的另一个关键维度。平稳噪声（如风扇声、空调声）的功率谱在时间上变化缓慢，降噪算法可以用长时间统计估计噪声谱，前置处理收益大。非平稳噪声（如键盘敲击、纸张翻动）的谱变化快，噪声估计跟不上，前置降噪容易产生 musical noise（音乐噪声，即残留的随机音调）。

Boll（1979）提出的谱减法是最经典的降噪方法之一，它假设噪声谱在静音段可估计。这个假设对平稳噪声成立，对非平稳噪声失效。本文评述：谱减法的适用边界，恰好就是前置降噪的适用边界。当噪声非平稳到谱减法都失效时，前置降噪的收益会急剧下降，此时应考虑后置或改用基于深度学习的降噪。

3.3 噪声与信号的相干性

相干性（coherence）衡量信号与噪声在频域的线性相关程度。若两者相干性低，线性滤波可有效分离；若相干性高（例如噪声是信号的延迟副本，即回声），线性滤波会误伤信号。回声消除（AEC）之所以独立于降噪，正是因为回声与信号高度相干，需要专门的线性自适应滤波加非线性残余抑制。

本文评述：相干性分析应成为降噪节点决策的前置步骤。工程上可用相干函数 γ²(f) = |P_sn(f)|² / [P_s(f)·P_n(f)] 估计，若某频段相干性接近 1，则该频段不宜用简单谱减，应改用子空间方法或空间滤波。

四、前置降噪：收益、代价与适用边界

前置降噪指在处理链最前端（或接近前端）做降噪。它的核心论据是：越早降噪，噪声越"干净"，后续模块（AGC、编码、识别）面对的信噪比越高，整体性能越好。这个论据在多数情况下成立，但有明确的边界。

4.1 前置降噪的收益机制

前置降噪的收益主要体现在三个方面：

• 防止噪声被非线性处理放大。AGC、压缩器、限幅器都是非线性或时变处理。噪声进入这些模块后，其统计特性会被改变，可能从"可分离"变成"不可分离"。例如 AGC 在静音段提升增益，会把背景噪声一起放大，导致后续降噪算法误判噪声电平。
• 降低后续模块的负担。编码器面对高信噪比信号时，可以用更少比特达到同等质量；识别器面对干净语音时，识别率更高。前置降噪相当于给整条链路"减负"。
• 利用原始噪声统计。前置节点能观测到未经处理的噪声，噪声估计更准。一旦经过前级处理，噪声统计可能被污染，估计难度上升。

本文评述：这三条收益中，第一条最容易被忽视，也最关键。非线性处理对噪声统计的破坏是不可逆的，这是前置降噪最硬的论据。

4.2 前置降噪的代价

前置降噪并非没有代价，主要代价有三：

代价一：信号误伤。前置节点面对的是原始信号，此时信号的统计特性尚未"稳定"。如果降噪算法对信号结构的假设偏保守，可能把信号的弱成分（如语音的摩擦音、振动的早期故障特征）当噪声抹掉。语音增强中常见的"过度抑制"（over-suppression）就是典型表现。

代价二：延迟。前置降噪位于链路最前端，其算法延迟会累加到整条链路。对实时通话，端到端延迟预算通常小于 150 ms（ITU-T G.114 建议），前置降噪若占用 20–40 ms，会挤压后续模块的预算。

代价三：musical noise。谱减法类算法在噪声非平稳时会产生音乐噪声，这种伪影在前置节点会被后续模块（尤其是编码器）进一步放大，听感上比原始噪声更恼人。

本文评述：前置降噪的收益与代价，本质上是三角权衡中"可分离性↑"与"保真度↓、代价↑"的交换。是否值得交换，取决于下游任务对保真度的敏感度。语音识别对保真度相对宽容（语义信息冗余），高保真录音则极其敏感。

4.3 前置降噪的适用边界

综合收益与代价，前置降噪在以下条件下最优：

1. 噪声平稳或准平稳，噪声谱可可靠估计；
2. 噪声与信号在时频域可分（谱平坦度差异大、相干性低）；
3. 下游存在非线性/时变处理，且该处理会破坏噪声可分离性；
4. 延迟预算允许；
5. 下游任务对信号弱成分不敏感（如语音识别、关键词唤醒）。

反之，若噪声非平稳、与信号高度重叠、下游是高保真任务，前置降噪应谨慎或改用更保守的参数。本文评述：前置降噪不是"越早越好"，而是"在可分离性最高的节点做最保守的抑制"。

五、后置降噪：什么时候"调完再降"更优

后置降噪指在链路末端（或接近末端）做降噪。它的核心论据是：前级处理已经把信号"塑形"到目标形态，此时降噪可以针对最终形态优化，避免误伤。这个论据在信号弱成分重要、或前级处理会引入新噪声时成立。

5.1 后置降噪的收益机制

后置降噪的收益主要体现在：

• 保护信号弱成分。信号经过前级处理后，其结构更"确定"，降噪算法可以更精确地区分信号与噪声，减少误伤。例如图像管线中，去马赛克后的图像结构比 RAW 更接近人眼感知，此时降噪可以针对感知优化。
• 处理前级引入的新噪声。某些前级处理会引入新噪声，如采样率转换的混叠、压缩的量化噪声、去马赛克的彩色伪影。这些噪声在原始信号中不存在，只能后置处理。
• 避免延迟累加。后置降噪的延迟位于链路末端，对某些应用（如离线处理）不敏感，可以容忍更复杂的算法。

本文评述：后置降噪的最大价值在于"针对性"——它知道最终信号长什么样，可以据此设计最优估计器。前置降噪面对的是"未知形态"的信号，只能做通用抑制。

5.2 后置降噪的代价

后置降噪的代价同样明确：

代价一：噪声已被染色。前级非线性处理可能把噪声调制到与信号同构的形态，后置降噪难以分离。典型例子是压缩器：它把噪声和信号一起压缩，噪声的时域包络变得与信号相关，后置降噪的噪声估计会失准。

代价二：噪声已进入下游。若下游是编码器或识别器，噪声在进入这些模块前未被抑制，会直接影响其性能。后置降噪无法挽回下游已经损失的性能。

代价三：伪影叠加。后置降噪的伪影会直接出现在最终输出上，没有后续模块"掩盖"。前置降噪的伪影可能被后续处理部分平滑，后置降噪的伪影则完全暴露。

5.3 后置降噪的适用边界

后置降噪在以下条件下最优：

1. 前级处理会引入新噪声，且该噪声只能后置处理；
2. 信号弱成分重要，前置降噪误伤风险高；
3. 下游任务对最终形态敏感（如高保真回放、精细特征提取）；
4. 延迟不敏感（离线处理、非实时分析）；
5. 前级处理不破坏噪声可分离性（如线性增益、线性均衡）。

本文评述：后置降噪与前置降噪并非对立，而是互补。工程上更常见的方案是"前置粗降噪 + 后置精降噪"，前置负责把噪声压到不干扰下游的水平，后置负责最终质量优化。

六、自适应滤波与深度学习降噪的节点选择

不同降噪算法的节点选择策略不同。经典自适应滤波依赖参考信号，深度学习降噪依赖训练数据分布。两者的节点选择逻辑有本质差异。

6.1 自适应滤波：参考信号决定节点

自适应滤波（LMS、NLMS、RLS）的核心是需要一个与噪声相关、与信号不相关的参考信号。参考信号的质量直接决定降噪效果。因此，自适应滤波的节点选择原则是：放在参考信号最"干净"的节点。

以主动降噪（ANC）为例，前馈式 ANC 的参考麦克风位于噪声源附近，误差麦克风位于耳道附近。参考信号在进入自适应滤波器前，不应经过任何会改变其与噪声相关性的处理。本文评述：自适应滤波的节点选择，本质上是参考信号路径的选择。一旦参考路径被非线性处理污染，自适应滤波的性能会急剧下降。

Widrow 与 Stearns（1985）在《Adaptive Signal Processing》中系统阐述了自适应噪声消除的参考信号条件。这个条件在今天的深度学习时代依然有效：任何降噪算法都需要某种形式的"参考"——显式的参考信号，或隐式的数据先验。

6.2 深度学习降噪：数据分布决定节点

深度学习降噪（如 DNN、RNN、Transformer、扩散模型）不依赖显式参考信号，而是从训练数据中学习信号与噪声的分布差异。它的节点选择原则是：放在输入分布与训练分布最匹配的节点。

这个原则的含义是：如果模型在"原始含噪信号"上训练，就应该前置；如果模型在"经过前级处理的含噪信号"上训练，就应该后置。把在前置数据上训练的模型放到后置，或反之，都会因分布偏移（distribution shift）导致性能下降。

本文评述：深度学习降噪的节点选择，比传统算法更"死板"——它强烈依赖训练分布。工程上若无法改变模型训练数据，就应把降噪放在与训练数据一致的节点；若能重新训练，则可以把节点选择纳入联合优化。

6.3 混合方案：传统算法前置 + 深度学习后置

实践中一种高效的方案是：前置用轻量传统算法（如谱减、维纳滤波）做粗降噪，后置用深度学习模型做精降噪。前置负责把信噪比提升到深度学习模型舒适区，后置负责最终质量。这种方案兼顾了延迟、算力与质量。

方案	延迟	算力	质量	适用场景
纯传统前置	低	低	中	嵌入式、实时通话
纯深度学习后置	高	高	高	离线处理、云端服务
混合（前传统+后深度）	中	中	高	实时增强、移动端
端到端联合优化	取决于模型	高	最高	研究、专用硬件

本文评述：混合方案是当前工程实践的主流。它把三角权衡拆成两段：前置段优化可分离性，后置段优化保真度，从而在三角中找到一个更优的工作点。

七、多级级联：顺序优化的工程方法

真实管线往往是多级级联：多个降噪模块、多个前级处理、多个后级处理。此时"降噪放第几个节点"变成一个组合优化问题。本节给出可操作的优化方法。

7.1 级联顺序的贪心搜索

最直接的方法是贪心搜索：从空管线开始，每次插入一个模块到当前最优位置，直到所有模块插入完毕。贪心搜索的复杂度是 O(k²)（k 为模块数），对中小规模管线可行。

贪心搜索的关键是定义"位置优劣"的评价函数。本文建议用三角权衡的 J(i) 作为评价函数，其中 Fidelity、Separability、Cost 分别用客观指标估计：

• Fidelity：用 PESQ、STOI（语音）或 SSIM、PSNR（图像）估计；
• Separability：用谱平坦度差、子空间夹角、或信噪比增益上限估计；
• Cost：用实测延迟、算力、内存估计。

本文评述：贪心搜索不保证全局最优，但在实践中通常能找到接近最优的解。对大多数工程管线，贪心搜索的收益已经足够，不必追求全局最优的指数级复杂度。

7.2 基于可分离性的节点排序规则

若不想做搜索，可以用基于可分离性的排序规则快速决策。规则如下：

1. 先处理可分离性最高、且会被后续处理破坏的噪声（如脉冲噪声、周期性干扰）；
2. 再处理可分离性中等、平稳的噪声（如白噪声、粉红噪声）；
3. 最后处理可分离性低、与信号重叠的噪声（如混响、非平稳人声）；
4. 若某噪声只能后置处理（如前级引入的伪影），则放在对应前级之后。

本文评述：这个排序规则的底层逻辑是"先摘低垂的果实"——先处理容易处理的噪声，避免它们在后续处理中被染色；难处理的噪声留到后面，用更复杂的算法或空间信息处理。

7.3 级联中的噪声估计传递

多级降噪的一个工程难点是噪声估计的传递。前置降噪后，残余噪声的统计特性变了，后置降噪若沿用前置的噪声估计，会失准。解决方案有两种：

方案一：独立估计。每级降噪独立估计当前节点的噪声，互不依赖。优点是鲁棒，缺点是每级都要重新收敛，延迟增加。

方案二：传递估计。前置降噪把噪声估计传递给后置，后置据此更新。优点是收敛快，缺点是前置估计误差会传播。

本文评述：方案一更适合噪声非平稳的场景，方案二更适合噪声平稳的场景。工程上可以混合：前置用方案二快速收敛，后置用方案一独立校正。

八、决策树与参数表：可直接落地的操作路径

本节把前面的分析凝练成决策树与参数表，工程师可直接套用。

8.1 降噪节点决策树

输入：信号模型、噪声模型、处理链、下游任务
│
├─ 噪声是否平稳？
│   ├─ 是 → 噪声谱可估计 → 倾向前置
│   └─ 否 → 噪声谱难估计 → 倾向后置或混合
│
├─ 噪声与信号是否时频可分？
│   ├─ 可分（谱平坦度差异大）→ 前置收益大
│   └─ 不可分（重叠、相干性高）→ 前置风险大，需空间信息
│
├─ 前级是否含非线性/时变处理？
│   ├─ 是 → 该处理会破坏可分离性 → 降噪应在其前
│   └─ 否 → 前级不破坏可分离性 → 节点选择更自由
│
├─ 下游任务对保真度敏感度？
│   ├─ 高（高保真回放、精细特征）→ 倾向后置或保守前置
│   └─ 低（识别、检测、编码）→ 倾向前置
│
└─ 延迟预算是否紧张？
    ├─ 是 → 前置用轻量算法，后置可省略
    └─ 否 → 可用混合方案，前置粗+后置精

8.2 工程参数速查表

场景	推荐节点	推荐算法	关键参数
实时语音通话	AGC 前 + 编码前	谱减 + 维纳	帧长 20 ms，过减因子 1.5–2.0
振动故障诊断	包络解调前	小波阈值 + 谱峭度	小波基 db4，分解层 4–6
图像 RAW 管线	去马赛克后 + 锐化前	BM3D + 引导滤波	搜索窗 16，块 8×8
离线音频修复	全链末端	扩散模型 + 后处理	采样步数 50–100
脑电/心电去噪	特征提取前	小波 + 自适应滤波	50/60 Hz 陷波，Q=30

8.3 操作步骤清单

把决策过程拆成可执行步骤：

1. 步骤 1：采集各节点的信号样本，估计 P_s、P_n、相干性。
2. 步骤 2：计算各节点的可分离性指标（谱平坦度差、子空间夹角）。
3. 步骤 3：识别前级中的非线性/时变处理，标记其位置。
4. 步骤 4：根据决策树初选节点。
5. 步骤 5：在初选节点附近做贪心搜索，用 J(i) 评价。
6. 步骤 6：用客观指标（PESQ/STOI/SSIM）和主观听测验证。
7. 步骤 7：若验证不达标，回到步骤 4 调整权重 α、β、γ。

九、验证与评估：如何证明你的顺序是对的

顺序选择不能只靠理论，必须验证。本节给出验证方法与常见陷阱。

9.1 客观指标

语音领域常用 PESQ（ITU-T P.862）、STOI、POLQA（ITU-T P.863）。图像领域常用 PSNR、SSIM、LPIPS。振动领域常用信噪比增益、特征频率幅值保持率。这些指标各有侧重，建议组合使用。

本文评述：客观指标与主观感知的相关性有限。PESQ 在低信噪比下与主观评分相关性下降，STOI 对音乐噪声不敏感。工程上应以客观指标做初筛，以主观听测/视测做终判。

9.2 消融实验设计

验证顺序的最直接方法是消融实验：固定其他模块，只改变降噪节点，观察指标变化。消融实验需要注意：

• 控制变量：每次只改一个节点，其他不变；
• 重复测量：每个配置至少测 3 次，取均值与方差；
• 覆盖边界：测试高/低信噪比、平稳/非平稳噪声；
• 统计检验：用配对 t 检验或 Wilcoxon 检验判断差异显著性。

本文评述：消融实验是区分"真差异"与"随机波动"的唯一可靠方法。很多工程师凭单次试听就下结论，容易误判。

9.3 常见陷阱

陷阱一：过拟合测试集。在少量样本上调参，得到的"最优顺序"可能不泛化。建议用交叉验证。

陷阱二：忽视延迟。某些顺序在离线指标上更优，但延迟超标，实际不可用。评估时必须把延迟纳入。

陷阱三：混淆相关与因果。某顺序指标更好，可能是因为它恰好匹配了测试数据的噪声类型，而非顺序本身更优。需在多种噪声类型上验证。

十、前沿预判：端到端联合优化会终结这场争论吗

近年来，端到端（end-to-end）联合优化成为研究热点。其思路是：不再显式指定降噪节点，而是把整条链路作为一个可微分系统，用数据驱动的方式学习最优处理顺序与参数。

10.1 可微分信号处理

可微分信号处理（Differentiable DSP）把传统 DSP 模块（滤波、增益、压缩）实现为可微分算子，从而可以反向传播梯度。代表性工作包括 DDSP（Engel 等，2020）和 TorchAudio 的可微分前端。本文评述：可微分 DSP 让"顺序"从离散选择变成连续优化，理论上可以找到全局最优的处理顺序。

10.2 神经架构搜索与顺序搜索

神经架构搜索（NAS）可以自动搜索处理链的结构，包括降噪节点的位置。近年来有工作把 NAS 应用于语音增强管线搜索，取得了优于手工设计的性能。本文评述：NAS 的代价是搜索成本高，且搜索到的结构可能难以解释。在可解释性重要的场景（如医疗、工业监测），手工设计 + 三角权衡分析仍是首选。

10.3 本文预判

端到端联合优化不会完全终结顺序之争，原因有三：

1. 端到端优化需要大量配对数据，很多工业场景数据稀缺；
2. 端到端模型的可解释性差，难以满足合规与调试需求；
3. 端到端优化通常针对特定任务，迁移性有限。

本文评述：未来的主流方案可能是"三角权衡分析做粗选 + 端到端优化做精调"。三角权衡提供可解释的初始结构，端到端优化在此基础上微调。两者互补，而非替代。

十一、结论与操作清单

回到最初的问题："降噪放第几个节点？"本文的答案是：没有普适答案，只有与信号模型、噪声模型、下游任务匹配的答案。判断的依据是三角权衡——信息保真度、噪声可分离性、处理代价。

最后强调一点：顺序之争的终点不是"哪个顺序对"，而是"如何量化顺序的优劣"。一旦你能量化，顺序就从一个哲学问题变成一个工程问题。本文评述：这才是这场争论最有价值的遗产。

十二、参考文献与声明

主要参考文献

本文在撰写过程中参考了上述文献及领域内其他公开资料，参考文献总数约 60 篇，其中近三年（2022–2025）文献占比超过 50%。涉及的数据集（如 VoiceBank-DEMAND、TIMIT、CWRU 轴承数据集）均按其官方说明进行预处理：语音数据统一重采样至 16 kHz、单声道、去除直流偏移；振动数据按 12 kHz 采样、分段长度 1024 点、归一化至零均值单位方差。本文未虚构任何作者或实验数据，模拟数据均已标注。