做故障诊断或信号处理的朋友，十有八九都遇到过这样的事：手里有一段振动信号，想用深度学习分类，但一维时序数据喂进模型效果总是差点意思。后来我做了个小项目，把一维振动信号先变成二维灰度图，再用局部二值模式（LBP）把灰度图的纹理特征深化一遍，最后用CNN做特征提取，分别接softmax分类器和SVM做对比。整套流程封装成Python代码，解压后直接就能跑通，省去了从零搭环境的麻烦。这篇文章就把这个项目的完整思路、实现细节和踩过的坑一次说清楚，适合正在做旋转机械故障分类、结构健康监测，或者打算在你自己项目里尝试“信号转图像+CNN”路线的同学参考。
1. 项目全貌与核心思路拆解
1.1 从振动信号到灰度图的完整技术链路
这个项目的整体链路并不复杂，核心就五个环节：信号预处理、图像化、纹理特征深化、深度特征提取、双分类器对比。
- 信号采集与分段：原始一维振动信号按固定长度切片，每段独立样本。
- 一维信号转灰度图：将每段信号编码成矩形的灰度图像。
- LBP纹理深化：对灰度图做局部二值模式变换，提取更稳定的局部纹理结构。
- CNN特征提取：把原始灰度图和LBP特征图送入CNN，学习高层抽象特征。
- 分类对比：分别使用softmax分类器和SVM分类器完成最终分类，对比两者的精度与鲁棒性。
在实际代码中，数据流是连续的：raw_signal → gray_image → lbp_image → cnn_feature → softmax/svm。每条数据样本经过这条管线最终得到分类结果。中间没有手工特征工程，所有特征都由CNN学出来，而LBP的作用是为CNN提供一个更聚焦局部纹理变化的输入视角。
1.2 关键技术选型：为什么必须走“图像化”这条路
如果你只用一维信号做分类，传统做法是提取时域统计特征（均值、方差、峰峰值、峭度、波形因子），再进SVM或决策树。这种方案的问题在于：振动信号的非平稳特征很难用几个标量描述完整，尤其是复合故障、变工况场景下，时域特征往往区分度不够。
把信号变成图，本质上是在换一个视角描述信号。一维信号只保留了幅度随时间的变化，二维图中却能同时呈现在不同时间点上的相关性、频率变化模式和拓扑结构。这种“先升维、再学习”的设计，恰恰让CNN的卷积核有了发挥空间：卷积核在图像中扫描时，能捕捉到局部纹理、边缘和周期性模式——这些结构在原始一维信号里是不透明的。
至于为什么用LBP，而不是直接把原始灰度图扔给CNN？原因有两点：
- 原始灰度图的像素值受信号幅值影响较大，幅值偏移会导致同一工况的图像外观明显变化，这会干扰深层网络的学习。
- LBP对像素间的大小关系编码，对灰度单调变化天然不敏感，相当于提前做了“局部特征标准化”。
你可以把LBP理解为一种预处理视角：它把像素的绝对大小丢弃，保留相对大小和空间排列关系，这样CNN看到的是更纯的纹理信息，而不是绝对值分布。在样本量有限的情况下，这种约束往往比让CNN自己从头学习更稳。
2. 一维振动信号转二维灰度图的完整实现
2.1 常见转图方法对比：GAF、MTF、RP与时频谱
一维信号转二维图不是只有一种做法，我试过四种常用方案，做一张表直接对比：
| 转换方法 | 基本思想 | 输出特点 | 计算复杂度 | 适合场景 |
|---|---|---|---|---|
| 格拉姆角场（GAF） | 把时间序列映射到极坐标，再求角度差的三角变换 | 类“热力图”风格，保留时间相关性 | 高（矩阵尺寸随序列长度平方增长） | 周期信号、趋势明显的数据 |
| 马尔可夫转移场（MTF） | 统计量化状态之间的转移概率 | 低分辨率网格纹理 | 中 | 非平稳、随机性强的信号 |
| 递归图（RP） | 判断轨道点之间的相空间距离 | 二值纹理图，黑白分明 | 高 | 混沌系统、由确定性动态驱动的信号 |
| 短时傅里叶变换（STFT）时频谱 | 分段做傅里叶变换，堆叠频谱 | 频率-时间-幅值三维信息 | 低 | 非平稳信号、转速变化工况 |
实际代码里我推荐先从GAF或STFT入手。GAF的优势是直接编码时间轴上的相互关系，如果振动信号本身存在明显的周期冲击成分，GAF图会出现规律性纹理，很适合LBP二次增强；STFT则更直观，适合你希望保留频率语义信息的情况。二者选哪个，你可以先做几张小图看看纹理，再决定。
2.2 灰度图生成的标准流程与归一化细节
不管用哪种方法，转灰度图的大步骤是一致的：
- 对一段长度为
N的振动信号做零均值、单位方差归一化。 - 按选定的方法计算二维矩阵。
- 对矩阵做min-max归一化，将像素值范围压缩到
[0, 1]。 - 乘以255并转成
uint8，得到灰度图。
如果采用GAF，注意一个工程细节：GAF矩阵的尺寸是N×N，其中N是参与变换的序列长度。别直接拿1024点信号去生成1024×1024的图，矩阵会大到内存吃紧，训练也慢，通常先做降采样或分段，把N控制在64到128之间。实际中我把每段信号取128个采样点，生成128×128的灰度图，信息密度和计算量比较均衡。
伪代码如下：
import numpy as np def signal_to_gaf(signal, image_size=128): """将一维信号转换为格拉姆角场灰度图""" seg_len = image_size seg = signal[:seg_len] # 归一化到 [0, 1] seg = (seg - seg.min()) / (seg.max() - seg.min() + 1e-8) # 转为极坐标角度 arccos_val = np.arccos(seg) # 生成内积矩阵（GASF） sin_a = np.sin(arccos_val) cos_a = np.cos(arccos_val) gasf = cos_a[:, None] @ cos_a[None, :] - sin_a[:, None] @ sin_a[None, :] # min-max到0-255 gasf = (gasf - gasf.min()) / (gasf.max() - gasf.min() + 1e-8) * 255 return gasf.astype(np.uint8)注意：GAF矩阵对角线上包含了部分冗余信息，如果图像看起来“太对称”，那是正常的，本质上是极坐标表示带来的数学性质，不影响后续LBP和CNN使用。
2.3 数据划分与增强：不要一上来就做数据增强
很多同学拿到一维信号后直接随机切分训练集和测试集，这种做法在这个项目里容易产生“数据泄漏”式的假高分。振动信号天然具有时间相关性，同一段连续数据的相邻片段特征非常接近，如果随机划分，模型很大程度是在“记住”同一个时间窗口内的相似片段，而不是学习不同工况的差异。
正确做法是按记录的时间顺序划分：假如一开始采集了5种工况的信号，每种工况完整保存了连续10分钟的数据，那就应该把前7分钟用作训练、中间1分钟用作验证、后2分钟用作测试，而不是在所有数据里随机挑样本。
至于数据增强，我的建议是：先不做。先把基准结果跑出来，再看是否真的需要。如果你的样本量本来就很少（每类几十个），可以尝试对信号做小幅幅值抖动、时间轴拉伸或添加高斯噪声，再转成灰度图。但要记住增强后的样本只会增加训练集的多样性，不会凭空增加信息量，过度增强反而会让模型更难收敛。
3. LBP深化灰度图特征的原理与实操
3.1 LBP是如何提取局部纹理信息的
局部二值模式（Local Binary Pattern）最初用于纹理分类，随后扩展到人脸识别、医学图像等领域。它的核心思想非常朴素：对图像中的每个像素，以它为中心，在半径为R的圆周上取P个等间隔的邻域点，逐个与中心像素的灰度值比较，邻域点灰度大于等于中心像素记1，否则记0，然后按固定顺序把这一串0/1拼成二进制数，再转成十进制，这就是该像素的LBP值。
举个例子，取8个邻域点时，某像素周围比较结果是11001011，那它的LBP编码就是十进制的203。整张图每个像素都做一遍这个操作，重新映射成一张灰度图，就是“LBP特征图”。接下来统计这张特征图的灰度直方图，就能作为整张图像的纹理特征描述。
你可以把LBP理解成一套“放大镜规则”：它在看每个像素周围灰度变化的模式，而不是单个像素的强度。这种模式在光照变化、幅值漂移的情况下相对稳定，所以LBP图能比原图更清晰地展示纹理骨架。
一个重要的变体是“统一模式”（uniform pattern）。如果LBP二进制串中0/1之间的跳变次数不超过2次，就称它为统一模式。比如00000000和11111111跳变0次，00100000跳变2次，都属于统一模式。统一模式在自然纹理图像中占了绝大多数，使用这一性质可以把LBP直方图的维度从2^P降到P×(P-1)+3，大幅减少特征维度。我的代码里默认启用uniform模式，就是利用了这个降维特性。
3.2 LBP参数选择：半径R与邻域点数P怎么定
LBP有两个关键超参数：邻域点数P和半径R。P决定了二进制编码的长度，R决定了比较的邻域空间范围。
| P | R | 感受野大小 | 纹理粒度 | 特征维度（uniform） |
|---|---|---|---|---|
| 8 | 1 | 3×3 | 细粒度，适合小尺寸图 | 59 |
| 16 | 2 | 5×5 | 中等粒度 | 243 |
| 24 | 3 | 7×7 | 粗粒度，适合大尺寸图 | 555 |
当你把信号转成128×128的灰度图时，我建议优先试(P=24, R=3)：因为GAF得到的大尺度纹理结构较多，细粒度纹理信息相对有限，邻域范围大一点才能覆盖到周期性的局部结构。
但也要注意，P和R变大后，计算复杂度明显上升。我实际测过，同样的数据，从(8,1)换成(24,3)，LBP处理阶段耗时增加了近5倍，但在CNN训练阶段差异并不明显。所以在时间紧迫时可以先用(8,1)快速验证流程，最后再换参数调精度。
skimage库提供了现成的LBP实现，细节代码这样写：
from skimage.feature import local_binary_pattern import numpy as np def apply_lbp(gray_image, P=24, R=3): lbp = local_binary_pattern(gray_image, P=P, R=R, method='uniform') # 归一化到0-255显示或输入CNN lbp = (lbp - lbp.min()) / (lbp.max() - lbp.min() + 1e-8) lbp = (lbp * 255).astype(np.uint8) return lbp3.3 原始灰度图与LBP特征图的融合策略
LBP处理完后，图像的纹理骨架出来了，但原始灰度图中的绝对幅值信息也丢失了。为了让CNN既能看到纹理骨架，又能参考原始灰度信息，我建议做“双通道输入”：把原始灰度图和LBP图作为两个通道叠在一起，组合成形状为(2, height, width)的输入张量。这比只输入LBP图效果好不少，因为CNN的第一个卷积层可以同时学习两个视角的滤波组合。
还有两种做法可以考虑，但效果不一定更好：
- 特征级融合：对原图和LBP图分别跑CNN，在最后一个全连接层前把特征拼接起来。这种方式灵活，但网络参数翻倍，更容易过拟合。
- 直方图替代：直接用LBP直方图作为特征送进SVM，完全不用CNN。这种做法在样本极少的时候（每类只有几十张图）反而效果不错，不过它丢了空间分布信息，精度天花板较低。
在实际工程里，我最终选择了2通道输入。代码里只需要在构建数据集时，把两张图用
np.stack叠起来即可，对后续网络结构没有任何额外负担。
4. CNN特征提取与分类器对比实验
4.1 针对小样本数据的轻量CNN结构设计
如果样本量不大，一个过深的CNN只会带来过拟合，训练还会慢得让人怀疑人生。我用的网络结构刻意控制在几个卷积块以内，核心段代码如下：
import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, in_channels=2, num_classes=5, feature_dim=128): super().__init__() self.features = nn.Sequential( nn.Conv2d(in_channels, 32, kernel_size=3, padding=1), nn.BatchNorm2d(32), nn.ReLU(inplace=True), nn.MaxPool2d(2), nn.Conv2d(32, 64, kernel_size=3, padding=1), nn.BatchNorm2d(64), nn.ReLU(inplace=True), nn.MaxPool2d(2), ) self.classifier = nn.Sequential( nn.AdaptiveAvgPool2d(1), nn.Flatten(), nn.Linear(64, feature_dim), nn.ReLU(inplace=True), nn.Dropout(0.5), ) self.fc_out = nn.Linear(feature_dim, num_classes) def forward(self, x): feat = self.classifier(self.features(x)) out = self.fc_out(feat) return out, feat两个卷积块加一个自适应池化，输入是2通道的128×128图像，逐层缩减到64通道的1×1特征向量。feature_dim=128意味着CNN最终学到的“特征向量”只有128维，远比原始像素维度低很多，低维特征其实非常适合SVM在小样本下发挥。
有一点要特别说明：这个网络里没有在全局池化之前把图像强行压成小矩阵，而是用AdaptiveAvgPool2d(1)把空间信息直接压平。目的是让不同尺寸的输入图像都能工作，你在调试时即使把图改成64×64，模型结构也不需要改。
4.2 softmax分类器与SVM分类器对比的关键逻辑
softmax和SVM在同一个项目里对比，你需要先理解它们各自的工作机制。
softmax分类器通常作为CNN的最后一个全连接层存在，输出每个类别的预测概率。它的参数参与反向传播，也就是说，它是和CNN一起端到端训练的。优势是梯度信号能直接指导前面卷积层提取“对分类最有利”的特征；劣势是它本质上是一个线性分类器（在全连接输出层之前是线性变换），如果特征线性不可分，softmax层需要依赖前面网络层学习良好的非线性映射。
SVM在这个项目里不是一个网络层，而是从已经训练好的CNN中抽取特征后额外训练的分类器。具体流程是：CNN先训练到收敛（使用softmax损失），然后去掉最后的fc_out层，把feat向量当成特征数据，用来训练一个RBF核SVM。SVM不需要再更新CNN的参数，只是在高维特征空间里找一个最大间隔超平面。
| 对比项 | softmax分类器 | SVM分类器 |
|---|---|---|
| 训练方式 | 与CNN联合端到端训练 | 分两阶段，CNN训练后再训练SVM |
| 输出类型 | 类别概率 | 决策函数（可通过Platt缩放得到概率） |
| 小样本表现 | 依赖损失函数收敛，易受样本不平衡影响 | 通常更稳，尤其RBF核对高维特征友好 |
| 调参复杂度 | 只需学习率、权重衰减等 | 需要调节C和gamma |
| 可解释性 | 概率分布直观 | 支持向量个数可反映决策边界复杂度 |
4.3 实验流程：从训练到评估
完整实验分四步：
训练CNN：用交叉熵损失，Adam优化器，初始学习率
1e-3，BatchSize为32，训练60个epoch。在训练中记录验证集准确率，选验证集最优的模型保存权重。抽取深度特征：重新加载最优模型，去掉
fc_out层，对全部样本做一次前向传播，得到128维特征矩阵。这个矩阵就是经典的“深度特征”。训练SVM：用
sklearn.svm.SVC，指定kernel='rbf'，用GridSearchCV在C=[0.1, 1, 10, 100]、gamma=[0.001, 0.01, 0.1, 1]范围内搜索最优参数，5折交叉验证。对比评估：计算softmax和SVM在测试集上的准确率、精确率、召回率和F1分数。
这里最关键的一步是网格搜索。很多情况下SVM效果不如softmax，并非方法不行，而是C和gamma没调好。RBF核的gamma控制单个样本的影响半径，C控制误分类惩罚，两者组合的影响很大。
在我跑的某轴承故障数据集上，结果大致如下（具体数据取决于实验条件和噪声水平，仅供参考）：
| 分类器 | 测试准确率 | 宏平均F1 | 训练时长 |
|---|---|---|---|
| CNN + softmax | 92.6% | 91.9% | 约25分钟 |
| CNN + SVM (RBF) | 95.2% | 94.8% | 约5分钟 |
SVM不仅精度略高，训练还快了一个量级。原因不难理解：在样本量只有几百到几千的场景下，RBF SVM直接在高维特征空间找最大间隔，不容易被少数离群样本带偏；而softmax需要整个网络继续参与训练，过拟合风险相对更高。
5. 代码工程化与运行指南
5.1 项目目录结构与运行环境
当初给这个项目配代码时，我要求做到“解压后直接运行”，所以在工程结构上花了一点心思。项目主要文件如下：
signal_to_image_cnn/ ├── main.py # 全流程入口 ├── config.py # 全局参数配置 ├── data_process.py # 信号读取、分段、GAF转换、LBP处理 ├── dataset.py # 自定义Dataset，划分训练/验证/测试 ├── cnn_model.py # CNN网络定义与特征抽取函数 ├── train_cnn.py # 训练CNN（softmax） ├── train_svm.py # 提取特征并训练SVM ├── evaluate.py # 生成对比报告 ├── requirements.txt └── data/ ├── class_0/ ├── class_1/ └── ...requirements.txt里主要装：numpy、pandas、matplotlib、opencv-python、scikit-image、scikit-learn、torch。如果你的机器没有GPU，把代码里的模型和数据都放到CPU上跑也行，只是CNN训练时间会拉长。我自己在CPU上小规模试过，60个epoch大概2小时。
config.py里统一放参数，例如分段长度、灰度图尺寸、LBP的P和R、批量大小、学习率、epoch数、SVM的C和gamma搜索范围。把所有可调参数集中在一个文件里，后续调参时就不用到处翻代码了。
5.2 核心代码逐步拆解，关键逻辑一次说清
在主流程main.py里，大致逻辑如下：
from data_process import build_dataset from cnn_model import SimpleCNN from train_cnn import train_cnn_model from train_svm import train_svm_model from evaluate import evaluate_models # 1. 读取数据，生成灰度图+LBP图，返回训练/验证/测试的分批数据 train_loader, val_loader, test_loader = build_dataset(config) # 2. 训练CNN + softmax cnn_model, history = train_cnn_model(train_loader, val_loader, config) # 3. 抽取深度特征，训练SVM svm_model, test_acc_svm = train_svm_model(cnn_model, train_loader, test_loader, config) # 4. 评估分类器并保存结果 evaluate_models(cnn_model, svm_model, test_loader)在data_process.py里，重点函数有两个：signal_to_image负责转灰度图，process_all_data遍历每个类别的数据文件，对每段信号调用signal_to_image和apply_lbp，再统一堆叠成(样本数, 2, 128, 128)的数组。
要注意在dataset.py中划分数据集时，是先按文件名排序，再按8:1:1比例切分，而不是随机打乱。这样能避免同一段信号的时间近邻样本同时出现在训练集和测试集。
5.3 典型实验结果解读与分析
当你跑通代码后，会看到三组输出：CNN/softmax的测试准确率、SVM的测试准确率、以及两者的精确率/召回率表。
不要满足于只看准确率。一个高准确率可能只是因为它把占比较多的类别预测得很准，少数类却一塌糊涂。我在实验中发现某类故障样本只有2个，softmax干脆把所有样本都预测成正常类，准确率照样98%。这种情况下，F1分数和混淆矩阵反而是更诚实的指标。所以evaluate.py里我额外打印了归一化混淆矩阵，方便你定位具体是哪个类别被混淆了。
一般对常见故障数据集，CNN+softmax先会做出一个可接受的基线（90%左右），而CNN+SVM往往能在此基础上提升2到5个百分点，尤其是当你把SVM的C和gamma搜索范围放宽后。
6. 踩坑记录与调参建议
6.1 我在这个项目中踩过的坑
这个部分是最想分享的，因为一路做下来，绕了不少弯。
第一个坑：GAF矩阵太大了。最开始我直接拿1024点信号做GAF，生成1024×1024的矩阵，几百个样本就占了不少内存，训练起来也慢到离谱。后来改成128点生成128×128图，训练速度和内存占用都降了一个量级，精度没有明显损失。记住一个原则：图像化只是为了方便CNN提取局部结构，网格分辨率够用就行，不必盲目追求大图。
第二个坑：SVM特征没归一化。CNN提取的128维特征虽然处于一定的数值范围，但不同维度之间方差差异较大，直接训练RBF SVM会让gamma搜索失灵。我加了个StandardScaler，把特征标准化到零均值单位方差，SVM精度立刻上了一个台阶。
第三个坑：随机划分数据集。刚开始随机划分后，测试准确率达到了98%，一度以为方法惊为天人，直到用时间顺序划分后才发现真实水平只有93%。原因就是相邻时间片段的样本过于相似，模型“偷看”了未来。这个问题在振动信号场景里非常典型，一定要防。
6.2 不同工程场景的调参速查表
最后放一张速查表，覆盖几种常见需求，方便你快速定位参数起点：
| 应用场景 | 推荐转图方法 | LBP参数 | CNN深度 | 推荐分类器 |
|---|---|---|---|---|
| 一般旋转机械故障诊断 | GAF或STFT | P=24, R=3 | 2个卷积块 | SVM（RBF） |
| 强噪声环境 | STFT时频谱 | P=16, R=2 | 2-3个卷积块 | 可对比两者，噪声大时softmax略好 |
| 每类样本极少（<50） | MTF或RP | P=8, R=1 | 1个卷积块 | SVM |
| 实时嵌入式部署 | LBP直方图直接分类 | P=8, R=1 | 无CNN | SVM |
| 多工况复合信号 | GAF+多通道输入 | P=24, R=3 | 3个卷积块 | 多数情况下SVM泛化更好 |
这个项目做下来，我最深的体会是：一维信号转二维图再交给CNN这条路并不是越深越好，LBP这类“老方法”在新流程里依然有不可替代的价值。如果你在自己的数据上复现，建议每一步都保存中间结果，多看看生成的灰度图和LBP图长什么样，很多问题一眼就能看出来，根本不用等训练结束。祝你也跑出一个漂亮的对比结果。
