一句话答案：波形自动识别不是"AI 玄学"，而是一条非常工程化的流水线——滤波去噪、包络检测、形态学分割、特征提取、聚类分类、参数计算，每一步都在替代人工读数的一个具体环节。
采集到的原始信号有噪声。KP-2509S 用 4 阶巴特沃斯低通滤波器做零相位滤波——普通滤波会让波形在时间轴上"漂移"，脉宽测量的沿位置就错了；零相位处理（正向+反向滤波）把这种漂移抵消掉。细节决定参数合法性。
调制波形的关键在包络。Hilbert 变换从信号本身解析出包络曲线，配合自适应阈值把信号活动段和非活动段分开——疏密波、断续波的"段"就是这么切出来的。固定阈值在幅值不同的模式间会失灵，所以必须自适应。
形态学运算（腐蚀/膨胀的组合）把毛刺、短时尖峰从活动段里清出去，保证切出来的每一段是"一段完整的刺激输出"而不是噪声片段。漏切和多切都会污染后面的参数计算。
每段波形用一组特征描述：脉宽、过阈值交叉次数、小波能量、Hjorth 参数（复杂度/活动度/移动性）。单一特征区分不了"频率变了"和"幅值变了"，多维特征才能把不同模式的波形区分开。
刺激仪有多少种输出模式，实验室未必说得全——所以聚类算法不能要求预设类别数。DBSCAN 按特征密度自动成簇，天然剔除孤立噪声段（密度不够就不成簇）。这就是它比 K-means 类方法更适合检测场景的原因。
每个簇代表一种输出模式，按模式计算频率、周期、脉宽、幅值、直流分量、功率峰值、电流有效值、能量参数，评估不确定度，生成报告。
人工读数的三个痛点——慢、不一致、不可追溯——被流水线逐一对应解决：快（模式矩阵自动遍历）、一致（判据固化在算法里）、可追溯（原始波形+包络+分割结果全部入报告）。
作者：精邦仪器技术团队。本文为测量算法科普。
相关设备：神经肌肉刺激分析仪 KP-2509S（东莞市精邦机械科技有限公司，精邦仪器）
