读一段老代码时，我注意到它处理旋转信号的方式和我习惯的完全相反。
它要测的是回转件一圈的径向变化，回答两个问题：偏差最大是多少，出现在圆周哪个位置。信号毛得很，传感器漂、装夹偏、表面有划痕、车间在震，全叠在上面。
我自己的第一反应一直是加滤波，把曲线抹平。但这套代码里我翻遍了也没找到任何滤波器。它干的事很奇怪：先把整条曲线做一次频谱分解，然后只取其中一个分量，剩下的全不要。
我看到那行代码时愣了一下：
var amplitude = Math.Sqrt(re * re + im * im) * 4 / nCount;
那个 * 4 / nCount 我看不懂，后来自己推了一遍才明白：对一串正弦做频谱分解，它在自己那个频点上的能量是幅值乘以点数的一半，反过来一解，再换算成峰峰值，正好是这个系数。一步就把幅值算出来了，连找最大值最小值都省了。
但真正让我改观的不是这个系数，是它背后的思路。它压根没打算把噪声抹掉。
我把频谱图摊开看，各个成分是分开待着的：零位漂移在最左边一格，我要的信号在转频那一格，划痕和键槽在更右边，随机噪声铺满整条。它们根本不住在一起。那我为什么要用一把刷子把整张图刷一遍，直接用梳子把那一格梳出来不就行了。
这件事后来改变了我看很多脏数据的习惯。以前拿到一条脏信号，第一反应是把它弄干净；现在我会先问一句，我要的和不要的，是不是在同一个格子里。在，那确实只能硬扛；不在，大多数情况都是这样，那抹平这个动作本身就找错了方向。
顺带提一个细节。那段代码里界面上是有"滤波点数"这个参数的，用户能设，配置也能存，可我 grep 了一圈，算法里从头到尾没人读过它。一个没人读的参数，安静地待在那里，像是在说这条路我们没走。
这种问法也不只用在信号上。一堆报错日志刷过来，我以前的做法是先按时间聚合、降采样，把量压下去再看，可真正有用的那几条往往就淹没在这个压下去的动作里。后来我改成先想清楚要找的那类错误长什么样，再按这个样子去筛，剩下的不看。动作还是那个动作，方向反过来了，一个是把多的变少，一个是把要的挑出来。