顶部按钮控制：显示 / 隐藏 AI 小助手面板。

根据当前 in_info 填充背景材料下拉框，并选择一个合理的默认值。

重置 ROI 控件到默认（全关）

自动增益控制 (AGC) 参数 ---- data : ndarray, shape (Nt, Nx) dt : float 采样间隔 (秒)。 window_ns : float AGC 窗口长度 (纳秒)。

根据公共 t0 索引，把整张 B 扫沿时间轴上移

Butterworth 带通滤波 (零相位 filtfilt) f_low, f_high 单位: Hz

根据公式反推 dt: Depth = (v * t) / 2 t = (2 * Depth) / v dt = t / Nt v = c / sqrt(eps)

弹出颜色选择器，改变画笔颜色。

按索引裁剪 (time, trace)。None 表示不裁剪该维度。

DC shift 去直流：利用前 n_head 个样点估计直流偏置

基于 eps_bg 和 dt 估算深度轴（单位 m）

把深度(m)换算为样点索引（与深度轴一致：depth = t_ns * v / 2）。

去低频漂移 (原有逻辑)

弹出对话框，允许用户重新修改 dt, dx, eps_bg 等物理参数。

Hilbert 包络提取

粗略公共 time-zero 估计： 返回 t0_idx (样点索引, int)

导出当前画布为图片 (png/jpg/pdf)。 canvas: matplotlib FigureCanvas 对象

导出“可复现包” (zip)： - meta.json: 物理参数、形状、来源等 - params.json: 当前处理参数（UI 参数快照） - data/raw.npy: 原始数据 (可选) - data/heavy.npy: 重处理后的

导出处理后的数据为 MATLAB (.mat)。

导出处理后的数据为 NumPy (.npy)。 保存为 dict（便于二次加载不丢物理参数）： - data: processed_data (Nt, Nx) - dt, dx, eps_bg, time_window, fc - roi（可选

简单 2D F-K 滤波 (time × x -> f × kx)： 参数 ---- data : ndarray (Nt, Nx) 实数数据，time × trace。 dt : float 时间采样间隔 (秒)。

低通滤波 (FIR)

在时间轴 [i0:i1] 做静音（置零），可选 taper(过渡样点数) 做平滑边缘。

顶部静音：把最开始的一段时间窗置零，用于抑制直达波 / 天线耦合等。 参数 ---- data : ndarray, shape (Nt, Nx) B 扫数据 (time × trace) dt : float 采样间隔 (

左侧面板勾选/取消“启用画笔”：交由统一的交互模式管理。

画布点击响应：统一使用当前控件参数作为坐标转换基准

命令行回车时触发

滚轮调整开口（改变拟合速度 v）

根据方法选择去背景算法

把 processed_data 重置成 raw_data 的拷贝

执行处理流水线

样点索引 -> 深度(m)。

横向平滑 (Savitzky-Golay)

时间增益: g(t) = t_ns^alpha * exp(beta * t_ns) 参数 ---- data : ndarray, shape (Nt, Nx) B 扫数据，time × trace。 tvec : ndarray, sh

切换截图画笔模式（与文字标注互斥）

顶部喇叭按钮：开/关 UI 音效反馈。