Just-DataInspector/Components/PlotView/Src/PlotViewFeatures.cpp

// PlotView 实现分片 —— 本文件只包含 PlotView 的**成员函数定义**（纯代码搬移，行为与拆分前完全一致）。
//
// 共用的常量与工具函数在 PlotViewInternal.hpp（命名空间 `pvdetail`，全部 inline）。
// 四个分片的职责划分（按功能）：
//   core        视图核心：构造/析构、上下文绑定、布局、坐标映射、视界与平移、网格结构与归属、
//               选区/网格划分、拖动取消
//   paint       渲染与像素缓存：全部绘制（Paint*/Render*）、场景缓存、装饰缓存、每网格图层、
//               宽基底与滚动补条、并行图层重建
//   interaction 交互与编辑：命中测试、鼠标与键盘处理、光标形状、内联输入框、浮动面板层序与命中
//   features    视图特性与派生数据：光标状态与读数、提示浮层、缩放模式、自适应、光标吸附、
//               单点信号、派生曲线线程池、边沿统计、实验性功能（均值滤波 / 弱峰调整）参数
#include "PlotViewInternal.hpp"

namespace jdi
{

	bool PlotView::CursorEnabled() const
	{
		return Tab().CursorEnabled();
	}

	double PlotView::CursorTime() const
	{
		return Tab().CursorTime();
	}

	PlotCursorMode PlotView::CursorMode() const
	{
		return Tab().CursorMode();
	}

	void PlotView::ZoomTimeAt(double factor, double anchorTime)
	{
		if (m_dataSet == nullptr || m_dataSet->Empty() || !(factor > 0.0) || !std::isfinite(anchorTime))
		{
			return;
		}

		double dataMin = 0.0;
		double dataMax = 1.0;
		TimeBounds(dataMin, dataMax);
		const double dataSpan = std::max(dataMax - dataMin, kMinTimeSpan);

		const double span = Tab().ViewMax() - Tab().ViewMin();
		if (!(span > 0.0))
		{
			return;
		}
		// 下限与选区放大共用同一个来源（见 `MinimumTimeSpan`），
		// 否则“滚轮缩放有限制、选区放大没有”会让视界退化到不可用。
		const double minimum = MinimumTimeSpan(Tab().ViewMin(), Tab().ViewMax());
		const double newSpan = ClampDouble(span / factor, minimum, dataSpan * 100.0);

		const double ratio = (anchorTime - Tab().ViewMin()) / span;
		const double low = anchorTime - ratio * newSpan;
		SetTimeView(low, low + newSpan);
	}

	void PlotView::ZoomTimeStep(double factor)
	{
		const double anchor = (Tab().ViewMin() + Tab().ViewMax()) * 0.5;
		ZoomTimeAt(factor, anchor);
	}

	void PlotView::FitAll()
	{
		if (m_dataSet == nullptr || m_dataSet->Empty())
		{
			SetTimeView(0.0, 1.0);
			return;
		}
		if (m_tab == nullptr)
		{
			return;
		}

		// 全部可见信号的"边界贡献"（时刻范围 / 绘制取值 / 是否单点 / 散点半径）。
		std::vector<std::vector<FitContribution>> perLane;
		const std::size_t visibleCount = CollectFitContributions(perLane);

		// ---- 特例：所有可见数据点都是单值信号、且时刻完全相同 ----
		bool allSingle = true;
		bool sameTime = true;
		double sharedTime = 0.0;
		bool haveTime = false;
		for (const std::vector<FitContribution>& items : perLane)
		{
			for (const FitContribution& item : items)
			{
				if (!item.singlePoint)
				{
					allSingle = false;
					continue;
				}
				if (!haveTime)
				{
					sharedTime = item.pointTime;
					haveTime = true;
				}
				else if (std::fabs(item.pointTime - sharedTime) >
				         kSinglePointSameTimeEpsilon * std::max(1.0, std::fabs(sharedTime)))
				{
					sameTime = false;
				}
			}
		}
		if (visibleCount > 0 && allSingle && sameTime)
		{
			FitSinglePointCluster(perLane, sharedTime);
			return;
		}

		// ---- 常规的整段适应 ----
		double low = 0.0;
		double high = 1.0;
		TimeBounds(low, high);
		if (!(high > low))
		{
			const double padding = std::max(1.0e-6, std::fabs(low) * 0.01);
			low -= padding;
			high += padding;
		}

		// 时间边界处的单值散点不能被裁切：**被裁切的那一侧**向外让出散点半径。
		// ⚠️ 迭代两遍：让出余量会改变跨度，而"半径换算成多少时间"又依赖跨度。
		const double plotWidth = std::max(1.0, static_cast<double>(m_plotRect.Width));
		for (int pass = 0; pass < 2; ++pass)
		{
			const double span = high - low;
			if (!(span > 0.0))
			{
				break;
			}
			for (const std::vector<FitContribution>& items : perLane)
			{
				for (const FitContribution& item : items)
				{
					if (!item.singlePoint || !(item.dotRadius > 0.0f))
					{
						continue;
					}
					const double radius =
					    (static_cast<double>(item.dotRadius) + kSinglePointBoundaryPadPixels) * span /
					    plotWidth;
					if (item.pointTime - radius < low)
					{
						low = item.pointTime - radius;
					}
					if (item.pointTime + radius > high)
					{
						high = item.pointTime + radius;
					}
				}
			}
		}

		SetTimeView(low, high);
		// ⚠️ **只有真的存在可见信号时才置位 `ViewInitialized()`**：没有任何信号被勾选时
		//（用户先连点几次「适应视图」）必须保持"未初始化"，否则随后勾选第一个信号时
		// `Application::SynchronizeView` 会**跳过初次自适应** —— 数据点既不居中，
		// 还可能有一半被裁在网格外（用户 2026-10-15 报告）。
		if (visibleCount > 0)
		{
			Tab().ViewInitialized() = true;
		}
		// ⚠️ **不再复位网格纵向滚动（`Tab().LaneScroll()`）**：用户 2026-10-16 明确要求
		//    “适应视图不要影响滚动条” —— 加载了大量网格并向下翻动后点「适应视图」，
		//    旧实现会把视界瞬移回最上方（用户报告）。适应视图只负责时间轴/幅值轴。
		m_laneScrollAnimActive = false;
		// 只放下进行中的选区与拖拽，**不改变「选区放大」等缩放模式的启用状态**
		// （用户明确要求：点适应视图后仍保持已启用的缩放模式）。
		m_rubberRect = gd::RectF();
		m_dragMode = PlotDragMode::NONE;
		m_dragSignal = SignalRef();
		m_dragTargetLane = -1;
		m_hoverSignal = SignalRef();
		SetHint(Tab().ZoomMode() == PlotZoomMode::NONE
		            ? std::wstring()
		            : L"横向或纵向拖动以放大选择区域，ESC退出选区模式");

		// ---- 逐网格的幅值轴 ----
		// 保留既有语义：开启了「选区 Y 轴自适应」的网格按新的（整段）时间视图重新匹配，
		// 其余网格回到整段自适应；随后再为"被单值散点顶住的边界"让出余量。
		const float laneHeight = FitLaneHeight();
		for (std::size_t index = 0; index < m_tab->Lanes().size(); ++index)
		{
			const int laneIndex = static_cast<int>(index);
			if (m_tab->Lanes()[index].fitYToSelection)
			{
				AutoRangeLaneToView(laneIndex);
			}
			else
			{
				m_tab->Lanes()[index].autoRange = true;
			}
			ApplySinglePointValueMargins(laneIndex, perLane[index], laneHeight);
		}
		// 适应视图已回到初始状态，这里不再移动光标（光标允许停留在可视区外）。
		BuildLaneVisuals();
	}

	std::size_t PlotView::CollectFitContributions(std::vector<std::vector<FitContribution>>& perLane) const
	{
		perLane.clear();
		if (m_tab == nullptr || m_dataSet == nullptr)
		{
			return 0;
		}
		perLane.assign(m_tab->Lanes().size(), std::vector<FitContribution>());

		std::size_t total = 0;
		for (std::size_t laneIndex = 0; laneIndex < m_tab->Lanes().size(); ++laneIndex)
		{
			for (const SignalRef& ref : m_tab->Lanes()[laneIndex].signals)
			{
				if (!m_tab->IsVisible(ref))
				{
					continue;
				}
				const SignalData* data = m_dataSet->Resolve(ref);
				const TimeAxis* axis = m_dataSet->Axis(ref);
				if (data == nullptr || axis == nullptr || data->finiteCount == 0)
				{
					continue;
				}

				// ⚠️ 该信号自己的时间轴偏移：采样画在 `t + offsetTime` 处，
				// 因此"这段数据在屏幕上占用的时间范围"与"单值数据点的时刻"都要加上它。
				// 少了这一项，「适应视图」在信号被时间偏移后仍按原始时间范围取景
				// （用户 2026-10-29 报告的缺陷）。
				const SignalStyle* style = m_dataSet->Style(ref);
				const double timeShift = (style != nullptr) ? style->offsetTime : 0.0;

				FitContribution item;
				item.ref = ref;
				// 与 `ComputeVisibleTimeBounds` 同源：时间边界用**时间轴**的范围
				//（一个分组的多条信号可能共用一条轴，轴范围才是"这一段数据"的边界）。
				item.minTime = axis->minTime + timeShift;
				item.maxTime = axis->maxTime + timeShift;
				item.singlePoint = (data->finiteCount == 1);
				if (item.singlePoint)
				{
					double time = 0.0;
					double value = 0.0;
					if (!SinglePointOfSignal(*data, *axis, time, value))
					{
						item.singlePoint = false;
					}
					else
					{
						// 同样是**显示时刻**（`time + offsetTime`）：视界的居中与边界让位都以它为准。
						item.pointTime = time + timeShift;
						item.pointValue =
						    (style != nullptr) ? ApplyDrawTransform(*style, value) : value;
						item.dotRadius = SinglePointDotRadius(ResolveSignal(ref));
					}
				}
				perLane[laneIndex].push_back(item);
				++total;
			}
		}
		return total;
	}

	float PlotView::FitLaneHeight() const
	{
		// 与 `BuildLaneVisuals()` **完全同源**：网格高度 = 绘图区高 / 网格数（不低于最小高度）。
		// 直接复用它（而不是读 `m_lanes[i].rect.Height`）：`FitAll` 可能在网格数量刚变化、
		// 布局尚未重建时被调用，用公式能拿到**将要生效**的高度。
		const std::size_t count = (m_tab != nullptr) ? m_tab->Lanes().size() : 0;
		if (count == 0 || !(m_plotRect.Height > 0.0f))
		{
			return 0.0f;
		}
		float height = m_plotRect.Height / static_cast<float>(count);
		if (height < m_minLaneHeight * m_scale)
		{
			height = m_minLaneHeight * m_scale;
		}
		return height;
	}

	void PlotView::ApplySinglePointValueMargins(int laneIndex, const std::vector<FitContribution>& items,
	                                           float laneHeight)
	{
		if (m_tab == nullptr || m_dataSet == nullptr || laneHeight <= 1.0f)
		{
			return;
		}
		if (laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return;
		}

		bool anySingle = false;
		for (const FitContribution& item : items)
		{
			if (item.singlePoint && item.dotRadius > 0.0f)
			{
				anySingle = true;
				break;
			}
		}
		if (!anySingle)
		{
			return;			// 该网格的边界不是单值散点顶住的：保持现有（自动）区间
		}

		// 该网格当前**生效**的幅值区间（自动自适应时即 `ComputeLaneRange` 的结果）。
		double low = 0.0;
		double high = 0.0;
		m_tab->ComputeLaneRange(*m_dataSet, laneIndex, low, high);
		if (!(high > low))
		{
			return;
		}

		double newLow = low;
		double newHigh = high;
		// 迭代两遍：让出余量会改变跨度，而"半径换算成多少数值"又依赖跨度。
		for (int pass = 0; pass < 2; ++pass)
		{
			const double span = newHigh - newLow;
			if (!(span > 0.0))
			{
				break;
			}
			for (const FitContribution& item : items)
			{
				if (!item.singlePoint || !(item.dotRadius > 0.0f))
				{
					continue;
				}
				const double radius =
				    (static_cast<double>(item.dotRadius) + kSinglePointBoundaryPadPixels) * span /
				    static_cast<double>(laneHeight);
				if (item.pointValue - radius < newLow)
				{
					newLow = item.pointValue - radius;
				}
				if (item.pointValue + radius > newHigh)
				{
					newHigh = item.pointValue + radius;
				}
			}
		}
		if (newLow == low && newHigh == high)
		{
			return;			// 散点本来就完整可见：不改动区间（保持自动自适应的语义）
		}

		// ⚠️ 必须**同时**关掉 `autoRange`：否则 `ComputeLaneRange` 会忽略下面写入的区间。
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		lane.autoRange = false;
		lane.yMin = newLow;
		lane.yMax = newHigh;
	}

	void PlotView::FitSinglePointCluster(const std::vector<std::vector<FitContribution>>& perLane,
	                                     double sharedTime)
	{
		// 时间轴：该时刻居中、**一大格 = 1s**（视界 = 大格数 × 1s）。
		//
		// 幅值轴与其余场景**共用同一段逻辑**（见函数末尾）：`fitYToSelection` 的网格走
		// `AutoRangeLaneToView`、其余走整段自适应（`ComputeLaneRange`），两者都只由
		// `PadValueRange` 提供留白。这样「适应视图」与「Y 轴自适应」互为幂等 ——
		// 同一视界下反复切换两者不会改变区间，也不会关掉 Y 轴自适应开关（用户 2026-10-16）。
		const double span =
		    static_cast<double>(kTimeTickTarget) * kSinglePointClusterSecondsPerCell;
		SetTimeView(sharedTime - span * 0.5, sharedTime + span * 0.5);
		Tab().ViewInitialized() = true;
		// ⚠️ 同 `FitAll()`：**不复位网格纵向滚动**（用户 2026-10-16 要求）。
		m_laneScrollAnimActive = false;
		// ⚠️ **不要**在这里复位 `ZoomMode()`：用户明确要求"点适应视图后仍保持已启用的
		//    缩放模式"（`FitAll` 的常规路径同样只更新提示、不动缩放模式）。
		m_rubberRect = gd::RectF();
		m_dragMode = PlotDragMode::NONE;
		m_dragSignal = SignalRef();
		m_dragTargetLane = -1;
		m_hoverSignal = SignalRef();
		m_rubberAxis = PlotRubberAxis::UNDECIDED;
		SetHint(Tab().ZoomMode() == PlotZoomMode::NONE
		            ? std::wstring()
		            : L"横向或纵向拖动以放大选择区域，ESC退出选区模式");

		// ---- 逐网格的幅值轴 ----
		// ⚠️ **必须与 `FitAll()` 的常规路径、以及「Y 轴自适应」（`AutoRangeLaneToView`）同源**：
		// 旧实现在这条特例里按“散点半径留白 + 跨度 1”另算一套区间，而 Y 轴自适应走
		// `PadValueRange`，于是对**同一个视界**两者会算出不同的幅值范围
		//（用户 2026-10-16 报告：单数据点信号上「适应视图」与「Y 轴自适应」的范围不一致）；
		// 并且旧实现还把 `fitYToSelection` 置回 false —— 原本开着「Y 轴自适应」时点一下
		// 「适应视图」会把这个开关**悄悄关掉**。
		// 现在两者共用同一段逻辑：留白只来自 `PadValueRange`，且**不改动** Y 轴自适应开关。
		const float laneHeight = FitLaneHeight();
		for (std::size_t index = 0; index < perLane.size() && index < m_tab->Lanes().size(); ++index)
		{
			const int laneIndex = static_cast<int>(index);
			if (m_tab->Lanes()[index].fitYToSelection)
			{
				// 已开启「选区 Y 轴自适应」的网格按当前（刚设好的）时间视图重新匹配 ——
				// 与工具栏开关打开时的算法完全一致，因此两种操作互为幂等。
				AutoRangeLaneToView(laneIndex);
			}
			else
			{
				m_tab->Lanes()[index].autoRange = true;
			}
			// 补齐“被单值散点顶住的边界”（散点本来就完整可见时保持不变）。
			ApplySinglePointValueMargins(laneIndex, perLane[index], laneHeight);
		}

		InvalidateSceneCache();
		BuildLaneVisuals();
	}

	bool PlotView::SinglePointOfSignal(const SignalData& signal, const TimeAxis& axis, double& time,
	                                   double& value) const
	{
		time = std::numeric_limits<double>::quiet_NaN();
		value = std::numeric_limits<double>::quiet_NaN();

		// 正常路径：加载/插入信号时已把“有效点很少”的信号的全部有效点缓存下来。
		if (!signal.sparseTimes.empty() && signal.sparseTimes.size() == signal.sparseValues.size())
		{
			time = signal.sparseTimes.front();
			value = signal.sparseValues.front();
			return std::isfinite(time) && std::isfinite(value);
		}

		// 兜底：逐个采样找那个有效点（单点信号的采样数组必然很短）。
		const std::size_t count = std::min(axis.time.size(), signal.values.size());
		for (std::size_t index = 0; index < count; ++index)
		{
			if (std::isfinite(signal.values[index]) && std::isfinite(axis.time[index]))
			{
				time = axis.time[index];
				value = signal.values[index];
				return true;
			}
		}
		return false;
	}

	void PlotView::DisableCursor()
	{
		Tab().CursorMode() = PlotCursorMode::NONE;
		m_cursorHover = false;
		m_hoverCursor = 0;
		if (m_editTarget == PlotEditTarget::CURSOR_TIME || m_editTarget == PlotEditTarget::CURSOR_SPAN)
		{
			EndEdit(false);
		}
		if (m_dragMode == PlotDragMode::CURSOR_MOVE || m_dragMode == PlotDragMode::CURSOR_SPAN_MOVE)
		{
			m_dragMode = PlotDragMode::NONE;
		}
	}

	bool PlotView::CycleCursorMode()
	{
		// 三态循环：无 → 单光标 → 双光标 → 无。光标模式本身不显示提示。
		switch (Tab().CursorMode())
		{
		case PlotCursorMode::NONE:
		{
			Tab().CursorMode() = PlotCursorMode::SINGLE;
			// 首次启用时置于视图中心，随后可用鼠标靠近拖拽或双击指定精确时间。
			const double center = (Tab().ViewMin() + Tab().ViewMax()) * 0.5;
			Tab().CursorTime() = center;
			Tab().CursorTimeAlt() = center;
			m_cursorHover = true;
			m_hoverCursor = 1;
			m_activeCursor = 1;
			break;
		}
		case PlotCursorMode::SINGLE:
		{
			Tab().CursorMode() = PlotCursorMode::DOUBLE;
			// 光标 2 首次出现：紧邻光标 1 且必须落在当前可见时间范围内，
			// 这样无需额外操作就能立即看到两个光标的对比读数。
			const double low = Tab().ViewMin();
			const double high = Tab().ViewMax();
			const double span = (high > low) ? (high - low) : 1.0;
			const double offset = span * 0.12;
			double second = Tab().CursorTime() + offset;
			if (second > high - span * 0.02)
			{
				second = Tab().CursorTime() - offset;
			}
			if (second < low + span * 0.02 || second > high - span * 0.02)
			{
				second = low + span * 0.5;
			}
			Tab().CursorTimeAlt() = second;
			ClampCursorToView(2);
			m_cursorHover = true;
			m_hoverCursor = 2;
			m_activeCursor = 2;
			break;
		}
		case PlotCursorMode::DOUBLE:
		default:
			DisableCursor();
			break;
		}
		return true;
	}

	bool PlotView::ResetCursorPlacementOnFreshContent()
	{
		if (m_tab == nullptr || !Tab().CursorEnabled() || m_plotRect.Width <= 0.0f)
		{
			return false;
		}
		// 与 `CycleCursorMode()` 的“光标首次出现”规则完全同源：
		// 单光标置于视图中心；双光标的第二条紧邻第一条、且保证落在可见时间范围内。
		const double low = Tab().ViewMin();
		const double high = Tab().ViewMax();
		const double span = (high > low) ? (high - low) : 1.0;
		const double center = (low + high) * 0.5;
		Tab().CursorTime() = center;
		if (Tab().CursorMode() == PlotCursorMode::DOUBLE)
		{
			const double offset = span * 0.12;
			double second = center + offset;
			if (second > high - span * 0.02)
			{
				second = center - offset;
			}
			if (second < low + span * 0.02 || second > high - span * 0.02)
			{
				second = low + span * 0.5;
			}
			Tab().CursorTimeAlt() = second;
			ClampCursorToView(2);
		}
		ClampCursorToView(1);
		m_cursorHover = true;
		m_hoverCursor = 1;
		m_activeCursor = 1;
		return true;
	}

	void PlotView::SetHint(const std::wstring& text)
	{
		m_hintText = text;
		m_hintSticky = false;
		m_hintShownAt = (text.empty()) ? 0 : GetTickCount64();
	}

	void PlotView::SetHintSticky(const std::wstring& text)
	{
		m_hintText = text;
		m_hintSticky = !text.empty();
		m_hintShownAt = (text.empty()) ? 0 : GetTickCount64();
	}

	void PlotView::ShowPersistentHint(const std::wstring& text)
	{
		SetHintSticky(text);
	}

	void PlotView::ReleaseHint()
	{
		// 粘滞结束：从这里开始重新计时（先停留再淡出）。
		m_hintSticky = false;
		if (!m_hintText.empty())
		{
			m_hintShownAt = GetTickCount64();
		}
	}

	bool PlotView::HintNeedsAnimation() const
	{
		if (m_hintText.empty() || m_hintShownAt == 0)
		{
			return false;
		}
		if (m_hintSticky)
		{
			return true;
		}
		const std::uint64_t elapsed = GetTickCount64() - m_hintShownAt;
		return elapsed < (kHintHoldMs + kHintFadeMs);
	}

	double PlotView::CursorSpan() const
	{
		if (m_tab == nullptr || Tab().CursorMode() != PlotCursorMode::DOUBLE)
		{
			return 0.0;
		}
		return std::fabs(Tab().CursorTimeAlt() - Tab().CursorTime());
	}

	void PlotView::ClampCursorToView(int which)
	{
		if (m_tab == nullptr || m_plotRect.Width <= 0.0f)
		{
			return;
		}
		const double low = Tab().ViewMin();
		const double high = Tab().ViewMax();
		if (!(high > low))
		{
			return;
		}
		// 只在拖拽时夹取；留一点内缩，保证光标线及把手完整可见。
		// ⚠️ 视图变化（平移 / 缩放 / 自适应 / 滚轮 / 方向键）**不**调用本函数：光标是一个固定的
		// **时间位置**，视界移动时它必须留在原处（可以滑出可视区，此时读数贴在网格边缘显示）。
		const double inset = (high - low) * 0.002;
		if (which == 2)
		{
			Tab().CursorTimeAlt() = ClampDouble(Tab().CursorTimeAlt(), low + inset, high - inset);
		}
		else
		{
			Tab().CursorTime() = ClampDouble(Tab().CursorTime(), low + inset, high - inset);
		}
	}

	std::uint32_t PlotView::CursorColor() const
	{
		// 两条光标统一使用同一样式与颜色，不按序号区分配色。
		if (m_theme == nullptr)
		{
			return 0xFF000000u;
		}
		return m_theme->cursor;
	}

	void PlotView::InvalidateDerivedCaches()
	{
		// 后台线程可能在读取采样数据：先暂停并作废异步结果，再清同步缓存。
		PauseDerivedAsync();
		m_polylineCache.clear();
		// 数据层结构变化后边沿统计与均值滤波曲线的派生结果都会失效。
		m_edgeScans.clear();
		m_edgeScanBudget = 0;
		m_meanCurveCache.clear();
		m_weakPeakCurveCache.clear();
		// 信号下标可能已经整体位移：清掉按引用缓存的悬停/拖拽目标，避免指向错误的信号。
		m_hoverSignal = SignalRef();
		m_hoverLegend = SignalRef();
		m_dragSignal = SignalRef();
		m_dragTargetLane = -1;
		// 面板条目栏的悬停同样按引用保存（均值滤波 / 弱峰调整的预览曲线高亮）。
		m_meanRowHoverLane = -1;
		m_meanRowHoverRef = SignalRef();
		InvalidateSceneCache();
	}

	void PlotView::PauseDerivedAsync()
	{
		// 等待在算任务结束（先发取消），然后清空队列与缓存，并自增代次使任何迟到结果作废。
		StopCurveWorker();
		std::lock_guard<std::mutex> lock(m_curveMutex);
		++m_curveGeneration;
		m_curveJobs.clear();
		m_curveEntries.clear();
		m_curvePins.clear();
		m_curveLatest.clear();
		m_curveHugeActive = 0;
		m_curveSceneDirty.store(false, std::memory_order_relaxed);
		m_curveCancelAll.store(false, std::memory_order_relaxed);	// 恢复：下次需要时可以重新开始
	}

	bool PlotView::AnyDerivedPreviewEnabled() const
	{
		if (m_tab == nullptr)
		{
			return false;
		}
		for (const Lane& lane : m_tab->Lanes())
		{
			if (lane.weakPeak || lane.meanFilter || lane.edgeCenter)
			{
				return true;
			}
		}
		return false;
	}

	void PlotView::TrimDerivedCurveDataIfIdle()
	{
		if (AnyDerivedPreviewEnabled())
		{
			return;		// 还有网格在用预览曲线：缓存仍然有用，不能清
		}
		// 停掉后台线程池：这会让各线程的 `thread_local` 工作缓冲**析构并归还内存** ——
		// 这是"关掉预览后内存不下降"的根因（thread_local 只在线程退出时释放）。
		PauseDerivedAsync();
		m_meanCurveCache.clear();
		m_weakPeakCurveCache.clear();
	}

	bool PlotView::FitTimeToLane(int laneIndex)
	{
		if (m_dataSet == nullptr || m_tab == nullptr)
		{
			return false;
		}

		const std::vector<Lane>& lanes = m_tab->Lanes();
		if (laneIndex < 0 || laneIndex >= static_cast<int>(lanes.size()))
		{
			return false;
		}

		double low = std::numeric_limits<double>::infinity();
		double high = -std::numeric_limits<double>::infinity();
		for (const SignalRef& ref : lanes[static_cast<std::size_t>(laneIndex)].signals)
		{
			const TimeAxis* axis = m_dataSet->Axis(ref);
			if (axis == nullptr || axis->finiteCount == 0)
			{
				continue;
			}
			// 与 `TimeBounds` 同源：叠加该信号自己的时间轴偏移（采样画在 t + offsetTime 处）。
			const SignalStyle* style = m_dataSet->Style(ref);
			const double timeShift = (style != nullptr) ? style->offsetTime : 0.0;
			low = std::min(low, axis->minTime + timeShift);
			high = std::max(high, axis->maxTime + timeShift);
		}

		if (!std::isfinite(low) || !std::isfinite(high) || !(high > low))
		{
			return false;
		}

		SetTimeView(low, high);
		Tab().ViewInitialized() = true;
		// 与“适应视图”保持一致：退出选区放大模式，避免模式按钮与实际状态不符。
		Tab().ZoomMode() = PlotZoomMode::NONE;
		m_rubberRect = gd::RectF();
		m_dragMode = PlotDragMode::NONE;
		m_rubberAxis = PlotRubberAxis::UNDECIDED;

		// 针对本网格信号范围展开时间轴后，同时把该网格的 Y 轴自适应一次，
		// 否则展开后会看到“时间对了但幅值区间不合适”的波形。
		AutoRangeLaneToView(laneIndex);

		// 其它开启了「选区 Y 轴自适应」的网格同样要跟新的时间视图重新匹配：
		// 时间视图变了，只让被展开的那个网格合适、其余网格停留在旧幅值区间并不符合预期。
		ApplySelectionAutoFit();

		// 注意：不在这里移动光标——光标允许滞留在网格可视区域之外。
		BuildLaneVisuals();
		return true;
	}

	bool PlotView::MinorCellSparse(const TimeAxis& axis, const SignalData& signal,
	                               double timeShift) const
	{
		const int cells = GridMinorCellCount();
		if (cells <= 0 || signal.finiteCount == 0)
		{
			return false;
		}
		const std::size_t count = std::min(axis.time.size(), signal.values.size());
		if (count == 0)
		{
			return false;
		}
		std::size_t begin = 0;
		std::size_t end = 0;
		VisibleIndexRange(axis, count, begin, end, timeShift);
		if (end <= begin)
		{
			return false;
		}
		// 视界内一个可见数据点都没有：既没有要提示的位置，也不该因为“小格全空”而无意义地抖动。
		if (!HasVisibleSample(axis, signal, begin, end, timeShift))
		{
			return false;
		}

		const double viewMin = Tab().ViewMin() - timeShift;
		const double viewMax = Tab().ViewMax() - timeShift;
		const double span = viewMax - viewMin;
		if (!(span > 0.0))
		{
			return false;
		}

		// ⚠️⚠️ **判定只在这个信号【实际有数据】的时间段内进行**（用户 2026-10-17 报告）：
		// 同时加载 `VERY_BIG_DATA`（视界跨度 ~130s）与 MF4（数据只覆盖 ~11s）时，
		// 旧实现把**整个视界**切成小格 —— MF4 信号在 90% 的格子里本来就没有任何采样点，
		// 于是“存在一个格子内 < 5 个点”恒成立 ⇒ **默认状态下就被错判成稀疏、自动切点线**。
		// 现在先用「可见数据的显示时间跨度」把格子范围收窄，只对这些格子做判定。
		double dataMin = viewMin;
		double dataMax = viewMax;
		{
			// 绝大多数信号的两端采样本就有效 ⇒ **零扫描**快速路径（每帧 × 上百个信号，这很重要）。
			const bool edgeOk =
			    std::isfinite(signal.values[begin]) && std::isfinite(axis.time[begin]) &&
			    std::isfinite(signal.values[end - 1]) && std::isfinite(axis.time[end - 1]);
			if (edgeOk)
			{
				dataMin = axis.time[begin];
				dataMax = axis.time[end - 1];
			}
			else
			{
				// 端点无效（NaN）时向内侧做**有界**探测（NaN 只出现在缺数据段，几步内就能找到）；
				// 探测不到就回退到整段轴区间（宁可多算几格，也不要放弃判定）。
				const std::size_t probe = 64u;
				const std::size_t forwardCap = std::min(end, begin + probe);
				bool found = false;
				for (std::size_t index = begin; index < forwardCap; ++index)
				{
					if (std::isfinite(signal.values[index]) && std::isfinite(axis.time[index]))
					{
						dataMin = axis.time[index];
						found = true;
						break;
					}
				}
				if (!found)
				{
					dataMin = axis.time[begin];
				}
				const std::size_t backwardFloor =
				    (end > probe) ? std::max(begin, end - probe) : begin;
				found = false;
				for (std::size_t index = end; index-- > backwardFloor;)
				{
					if (std::isfinite(signal.values[index]) && std::isfinite(axis.time[index]))
					{
						dataMax = axis.time[index];
						found = true;
						break;
					}
				}
				if (!found)
				{
					dataMax = axis.time[end - 1];
				}
			}
			dataMin = std::max(dataMin, viewMin);
			dataMax = std::min(dataMax, viewMax);
			// ⚠️ **`dataMax == dataMin` 是合法且常见的情形**（视界内只有 1 个有效采样点，
			//    典型：单数据点信号）。旧实现在这里直接 `return false`，等于把"只有一个点"
			//    的信号判成"不稀疏" ⇒ 光标不会吸附到那个点上
			//    （用户 2026-10-29 报告"单数据点信号的吸附没了"）。
			//    正确做法是让它走下面"覆盖那唯一一个小格"的路径：
			//    `firstCell == lastCell`，`need = 5`，而 `finiteCount == 1 < 5` ⇒ 判为稀疏。
			if (dataMax < dataMin)
			{
				return false;
			}
		}

		const double cellSpan = span / static_cast<double>(cells);
		if (!(cellSpan > 0.0) || !std::isfinite(cellSpan))
		{
			return false;
		}
		// 只覆盖「有数据的显示时间范围」所涉及的格子（闭区间）。
		int firstCell = static_cast<int>(std::floor((dataMin - viewMin) / cellSpan));
		int lastCell = static_cast<int>(std::floor((dataMax - viewMin) / cellSpan));
		firstCell = std::max(0, std::min(firstCell, cells - 1));
		lastCell = std::max(0, std::min(lastCell, cells - 1));
		if (lastCell < firstCell)
		{
			return false;
		}
		const int consideredCells = lastCell - firstCell + 1;

		// 鸽巢原理：有效点总数都不足“每格 5 个” ⇒ 必然存在一个稀疏小格（O(1) 充分判定）。
		// ⚠️ 分母必须用**实际参与的格子数**（不是整个视界的格子数）。
		const std::size_t need =
		    static_cast<std::size_t>(consideredCells) * static_cast<std::size_t>(kSparseMinPointsPerCell);
		if (signal.finiteCount < need)
		{
			return true;
		}

		// 时间轴单调 ⇒ 每个小格用两次二分取出它的样本区间（代价与采样数无关）。
		if (axis.monotonic)
		{
			for (int cell = firstCell; cell <= lastCell; ++cell)
			{
				const double cellMin = viewMin + cellSpan * static_cast<double>(cell);
				const double cellMax =
				    (cell + 1 == cells)
				        ? viewMax
				        : (viewMin + cellSpan * static_cast<double>(cell + 1));
				// ⚠️ 二分作用在整条 `axis.time` 上，必须夹到 `count`（= min(时间轴长度, values 长度)），
				// 否则分组时间轴比这条信号长时会越界读 `signal.values[index]`。
				const std::size_t lo = std::min(
				    count, static_cast<std::size_t>(
				               std::lower_bound(axis.time.begin(), axis.time.end(), cellMin) - axis.time.begin()));
				const std::size_t hi = std::min(
				    count, static_cast<std::size_t>(
				               std::lower_bound(axis.time.begin(), axis.time.end(), cellMax) - axis.time.begin()));
				const std::size_t cap = std::min(hi, lo + kSparseCellScanCap);
				std::size_t valid = 0;
				for (std::size_t index = lo; index < cap; ++index)
				{
					if (!std::isfinite(signal.values[index]))
					{
						continue;
					}
					if (++valid >= static_cast<std::size_t>(kSparseMinPointsPerCell))
					{
						break;
					}
				}
				if (valid < static_cast<std::size_t>(kSparseMinPointsPerCell))
				{
					return true;		// 该小格稀疏 ⇒ 自动切「点线」
				}
			}
			return false;
		}

		// 非单调时间轴：一次有界扫描，按小格分桶计数。
		std::vector<int> buckets(static_cast<std::size_t>(cells), 0);
		const std::size_t scanLimit =
		    kSparseCellScanCap * static_cast<std::size_t>(cells);
		std::size_t scanned = 0;
		for (std::size_t index = begin; index < end; ++index)
		{
			if (++scanned > scanLimit)
			{
				break;
			}
			if (!std::isfinite(signal.values[index]))
			{
				continue;
			}
			const double time = axis.time[index];
			if (!std::isfinite(time) || time < viewMin || time > viewMax)
			{
				continue;
			}
			int cell = static_cast<int>((time - viewMin) / cellSpan);
			if (cell < 0)
			{
				cell = 0;
			}
			if (cell >= cells)
			{
				cell = cells - 1;
			}
			const std::size_t slot = static_cast<std::size_t>(cell);
			if (buckets[slot] < kSparseMinPointsPerCell)
			{
				++buckets[slot];
			}
		}
		for (int cell = firstCell; cell <= lastCell; ++cell)
		{
			if (buckets[static_cast<std::size_t>(cell)] < kSparseMinPointsPerCell)
			{
				return true;
			}
		}
		return false;
	}

	bool PlotView::NearestSnapSample(const TimeAxis& axis, const SignalData& signal, double time,
	                                 double timeShift, double& candidate) const
	{
		// ⚠️ `time` / `candidate` 都是**显示时间**（画面上的时刻）：采样点 k 画在 `time[k] + timeShift`
		//    处，而光标存的也是显示时间，因此查找与可见性判定都要整体平移（否则存在
		//    「调整 → 时间轴偏移」时吸附会落在历史位置上，用户 2026-10-15 报告）。
		const double viewMin = Tab().ViewMin() - timeShift;
		const double viewMax = Tab().ViewMax() - timeShift;

		// 稀疏信号：有效点已在加载时缓存（按时间升序）⇒ 二分取最近的一个。
		if (!signal.sparseTimes.empty())
		{
			const std::vector<double>& times = signal.sparseTimes;
			const double target = time - timeShift;
			const std::vector<double>::const_iterator it = std::lower_bound(times.begin(), times.end(), target);
			bool found = false;
			double bestDistance = std::numeric_limits<double>::infinity();
			for (int side = 0; side < 2; ++side)
			{
				// side 0 = 第一个 >= target 的点；side 1 = 它前面的那个点。
				if (side == 1 && it == times.begin())
				{
					continue;
				}
				const std::vector<double>::const_iterator pick = (side == 0) ? it : (it - 1);
				if (pick == times.end())
				{
					continue;
				}
				const double value = *pick;
				if (!std::isfinite(value) || value < viewMin || value > viewMax)
				{
					continue;
				}
				const double distance = std::fabs((value + timeShift) - time);
				if (distance < bestDistance)
				{
					bestDistance = distance;
					candidate = value + timeShift;
					found = true;
				}
			}
			return found;
		}

		// 一般信号：取下标最近的采样点；它若无效（NaN）则向两侧**有界**探测
		//（NaN 只出现在缺少数据的区段，通常几步内就能找到有效点；找不到就不吸附）。
		const std::size_t count = std::min(axis.time.size(), signal.values.size());
		if (count == 0)
		{
			return false;
		}
		const int center = FindNearestSample(axis, time - timeShift);
		if (center < 0)
		{
			return false;
		}
		const int lastIndex = static_cast<int>(count) - 1;
		for (int step = 0; step <= kSnapSampleProbeSteps; ++step)
		{
			for (int direction = 0; direction < 2; ++direction)
			{
				if (step == 0 && direction == 1)
				{
					continue;		// 中心点只查一次
				}
				const int probe = (direction == 0) ? (center - step) : (center + step);
				if (probe < 0 || probe > lastIndex)
				{
					continue;
				}
				const double value = signal.values[static_cast<std::size_t>(probe)];
				const double sampleTime = axis.time[static_cast<std::size_t>(probe)];
				if (!std::isfinite(value) || !std::isfinite(sampleTime))
				{
					continue;
				}
				// 只接受**可见区间内**的采样点（按绘制时刻判断）：视界之外的采样点不是合法落点
				//（否则吸附会把光标一把甩到视界边缘并钉住）。
				if (sampleTime < viewMin || sampleTime > viewMax)
				{
					continue;
				}
				candidate = sampleTime + timeShift;
				return true;
			}
		}
		return false;
	}

	bool PlotView::SnapTimeToSample(double time, double& snapped) const
	{
		if (m_dataSet == nullptr || m_tab == nullptr)
		{
			return false;
		}

		// 吸附判定**只针对鼠标所在的网格**（用户明确要求）：
		// 一个网格内的数据已达“稀疏”标准、另一个没有时，光标只在前者上吸附，
		// 在后者上仍然完全自由移动。
		const int laneIndex = LaneAtY(m_mouseY);
		if (laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}

		const int cells = GridMinorCellCount();
		const double plotWidth = static_cast<double>(m_plotRect.Width);
		const double viewSpan = Tab().ViewMax() - Tab().ViewMin();
		if (cells <= 0 || plotWidth <= 1.0 || !(viewSpan > 0.0))
		{
			return false;
		}
		// 吸附半径 = **一个网格小格的宽度**（与判定用同一套网格定义推出），
		// 且**不超过半个采样间距** —— 后者保证数据点很稀疏时（一屏只有一两个点）
		// 光标在点与点之间仍可自由移动，而不是被“死死吸住”
		//（用户明确要求：吸附只是提示性响应）。
		const double radiusPixels = kSnapRadiusCells * plotWidth / static_cast<double>(cells);
		const double radiusTime = radiusPixels / plotWidth * viewSpan;

		bool found = false;
		double bestDistance = std::numeric_limits<double>::infinity();
		double bestTime = 0.0;

		// 同一个网格内可能存在多条信号：**所有**符合吸附判定的数据点都参与吸附。
		for (const SignalRef& ref : m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].signals)
		{
			if (!m_tab->IsVisible(ref))
			{
				continue;
			}
			const SignalData* signal = m_dataSet->Resolve(ref);
			const TimeAxis* axis = m_dataSet->Axis(ref);
			const SignalStyle* style = m_dataSet->Style(ref);
			if (signal == nullptr || axis == nullptr)
			{
				continue;
			}
			// ⚠️ 一切吸附判定与查找都在**显示时间**空间进行：采样点 k 画在
			//    `time[k] + offsetTime` 处，而光标存的也是显示时间。
			//    少了这一步，信号一旦设置过「调整 → 时间轴偏移」，吸附就会落在**历史位置**
			//    （用户 2026-10-15 报告“存在时间轴偏移调整时无法吸附到正确位置”）。
			const double timeShift = (style != nullptr) ? style->offsetTime : 0.0;
			// ⚠️ 判定与「放大自动切点线」**完全同源**（用户 2026-10-17 明确要求“同样的状态判定”）：
			//    只要存在任何一个小格内的数据点少于 5 个就参与吸附；
			//    判定**不看绘制方式** ⇒ 即使用户手动改过显示样式，该吸附的照样吸附。
			//    网格内既有符合又有不符合的信号时，只有符合的那条的数据点进入比较（用户要求）。
			if (!MinorCellSparse(*axis, *signal, timeShift))
			{
				continue;
			}
			double candidate = 0.0;
			if (!NearestSnapSample(*axis, *signal, time, timeShift, candidate))
			{
				continue;
			}

			// 吸附半径再受“半个局部采样间距”限制（点很稀疏时不被吸死）。
			double limitTime = radiusTime;
			double spacingTime = 0.0;
			LocalSampleSpacing(*axis, *signal, candidate, timeShift, spacingTime);
			if (spacingTime > 0.0)
			{
				limitTime = std::min(limitTime, spacingTime * 0.5);
			}

			const double distance = std::fabs(candidate - time);
			if (distance <= limitTime && distance < bestDistance)
			{
				bestDistance = distance;
				bestTime = candidate;
				found = true;
			}
		}

		if (found)
		{
			snapped = bestTime;
		}
		return found;
	}

	void PlotView::PlaceCursorTime(int which, double time)
	{
		if (!std::isfinite(time))
		{
			// NaN/Inf 会让后面所有比较都失效（`ClampDouble` 也拦不住 NaN），
			// 光标会被画到画布之外：直接丢弃这次位置更新。
			return;
		}

		double snapped = 0.0;
		if (SnapTimeToSample(time, snapped))
		{
			time = snapped;
		}

		if (which == 2)
		{
			Tab().CursorTimeAlt() = time;
		}
		else
		{
			Tab().CursorTime() = time;
		}
		ClampCursorToView(which);
	}

	PlotZoomMode PlotView::CurrentZoomMode() const
	{
		return Tab().ZoomMode();
	}

	bool PlotView::ToggleZoomMode(PlotZoomMode mode)
	{
		const PlotZoomMode current = Tab().ZoomMode();
		Tab().ZoomMode() = (current == mode) ? PlotZoomMode::NONE : mode;
		m_rubberAxis = PlotRubberAxis::UNDECIDED;
		m_rubberRect = gd::RectF();
		SetHint(Tab().ZoomMode() == PlotZoomMode::NONE
		            ? std::wstring()
		            : L"横向或纵向拖动以放大选择区域，ESC退出选区模式");
		return true;
	}

	float PlotView::CursorX(int which) const
	{
		const double time = (which == 2) ? Tab().CursorTimeAlt() : Tab().CursorTime();
		return TimeToX(time);
	}

	float PlotView::CursorDisplayX(int which) const
	{
		// 光标允许滞留在可视区之外：此时把它"钉"在最近的网格边缘上显示，
		// 保证它的取值与时间读数始终可见。
		const float raw = CursorX(which);
		return std::max(m_plotRect.X + 1.0f * m_scale,
		                std::min(raw, m_plotRect.X + m_plotRect.Width - 1.0f * m_scale));
	}

	gd::RectF PlotView::CursorLabelRect(int which) const
	{
		if (m_fonts == nullptr || m_fonts->monoSmall == nullptr)
		{
			return gd::RectF();
		}

		// 未经叠放处理的"原始"位置：单条标签独占底部一行。
		const auto rawRect = [this](int index) -> gd::RectF
		{
			const double time = (index == 2) ? Tab().CursorTimeAlt() : Tab().CursorTime();
			const std::wstring text = FormatCursorTime(time);
			const float width =
			    std::max(64.0f * m_scale, UiMeasureTextWidth(m_fonts->monoSmall, text) + 16.0f * m_scale);
			const float height = 20.0f * m_scale;

			// 时间读数改到绘图区**底部**：顶部留给网格图例与幅值标尺，避免互相遮挡。
			float left = CursorDisplayX(index) - width * 0.5f;
			left = std::max(m_plotRect.X, std::min(left, m_plotRect.X + m_plotRect.Width - width));

			// 光标滞留在视界之外时，胶囊外侧还要放一个方向三角（与网格内数据点越界同一套画法）：
			// 把胶囊整体**向内**让出三角 + 间隙的宽度，否则贴边时三角没有落脚之处、
			// 只能压在胶囊上（用户报告的"没有间隔、样式不统一"）。
			bool offRight = false;
			if (CursorOffViewSide(index, offRight))
			{
				const float reserved = (kMarkerTriangleDepth + kMarkerTriangleGap) * m_scale;
				left = offRight ? (left - reserved) : (left + reserved);
				left = std::max(m_plotRect.X, std::min(left, m_plotRect.X + m_plotRect.Width - width));
			}

			const float top = m_plotRect.Y + m_plotRect.Height - height - 2.0f * m_scale;

			return gd::RectF(left, top, width, height);
		};

		gd::RectF rect = rawRect(which);

		// 双光标靠得很近时，两条时间读数标签会互相覆盖：把它们分两行叠放。
		// **小值在上、大值在下**（用户明确要求）——按时间值决定行序，
		// 而不是固定让光标 2 上移。左/右光标被拖动交换后排序依然正确。
		if (Tab().CursorMode() == PlotCursorMode::DOUBLE)
		{
			const gd::RectF first = rawRect(1);
			const gd::RectF second = rawRect(2);
			// 方向三角已移到胶囊**外侧**，胶囊之间不再需要额外留白。
			const float gap = 2.0f * m_scale;
			const bool overlapX = (first.X < second.X + second.Width + gap) &&
			                      (second.X < first.X + first.Width + gap);
			if (overlapX)
			{
				const bool firstIsSmaller = (Tab().CursorTime() <= Tab().CursorTimeAlt());
				// which == 1 是否属于"小值"。
				const bool whichIsSmaller = (which == 1) ? firstIsSmaller : !firstIsSmaller;
				const float bottomRow = rawRect(1).Y;
				const float topRow = std::max(m_plotRect.Y + 2.0f * m_scale,
				                              bottomRow - rect.Height - gap);
				rect.Y = whichIsSmaller ? topRow : bottomRow;
			}
		}

		return rect;
	}

	bool PlotView::LaneAutoFitToSelection(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].fitYToSelection;
	}

	bool PlotView::AllLanesAutoFitToSelection() const
	{
		if (m_tab == nullptr)
		{
			return false;
		}
		const std::vector<Lane>& lanes = m_tab->Lanes();
		if (lanes.empty())
		{
			return false;
		}
		for (const Lane& lane : lanes)
		{
			if (!lane.fitYToSelection)
			{
				// 任一网格未开启 → 全局项就不是勾选状态。
				return false;
			}
		}
		return true;
	}

	bool PlotView::LaneEdgeCount(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].edgeCount;
	}

	bool PlotView::SetLaneEdgeCount(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.edgeCount == enabled)
		{
			return false;
		}
		lane.edgeCount = enabled;
		if (enabled)
		{
			// 首次开启：把横向光标放到可见幅值范围的中点，并让面板重新展开。
			if (!lane.edgeValueValid)
			{
				double yMin = 0.0;
				double yMax = 1.0;
				LaneRange(laneIndex, yMin, yMax);
				lane.edgeValue = (yMin + yMax) * 0.5;
				lane.edgeValueValid = true;
			}
			lane.edgePanel.open = true;
		}
		else
		{
			lane.edgePanel.open = false;
		}
		return true;
	}

	bool PlotView::ToggleLaneEdgeCount(int laneIndex)
	{
		const bool enabled = !LaneEdgeCount(laneIndex);
		SetLaneEdgeCount(laneIndex, enabled);
		return enabled;
	}

	bool PlotView::LaneEdgeCenterCount(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].edgeCenter;
	}

	bool PlotView::SetLaneEdgeCenterCount(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.edgeCenter == enabled)
		{
			return false;
		}
		lane.edgeCenter = enabled;
		if (enabled)
		{
			// 与「均值滤波」完全一致：默认只勾选网格内**第一个可见信号**。
			if (lane.edgeCenterItems.empty())
			{
				for (const SignalRef& ref : lane.signals)
				{
					const ResolvedSignal resolved = ResolveSignal(ref);
					if (resolved.data != nullptr && resolved.visible)
					{
						lane.EnsureEdgeCenterItem(ref);
						break;
					}
				}
			}
			lane.edgeCenterPanel.open = true;
		}
		else
		{
			lane.edgeCenterPanel.open = false;
		}
		// 关闭后若本标签页**已无任何预览曲线功能**，立即释放派生曲线数据（缓存 + 后台线程的
		// thread_local 工作缓冲）—— 否则关掉面板后内存不会下降（用户报告）。
		if (!enabled)
		{
			TrimDerivedCurveDataIfIdle();
		}
		// 预建「宽缓冲基底」，避免首次拖动参数滑块时的一次性重建尖峰。
		// ⚠️ 只补「缺失 / 失效」的网格，**不**整批重建（见 `EnsureLaneLayersPrefetched`）。
		EnsureLaneLayersPrefetched();
		return true;
	}

	bool PlotView::ToggleLaneEdgeCenterCount(int laneIndex)
	{
		const bool enabled = !LaneEdgeCenterCount(laneIndex);
		SetLaneEdgeCenterCount(laneIndex, enabled);
		return enabled;
	}

	bool PlotView::ToggleLaneEdgeCenterSignal(int laneIndex, const SignalRef& ref)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.EdgeCenterEnabled(ref))
		{
			lane.RemoveEdgeCenterItem(ref);
			// 该信号的累积统计状态一并释放（否则会占着 `kEdgeScanStateLimit` 的名额）。
			InvalidateEdgeScansFor(ResolveSignal(ref).data, true);
			return false;
		}
		lane.EnsureEdgeCenterItem(ref);
		return true;
	}

	bool PlotView::LaneEdgeCenterSignalEnabled(int laneIndex, const SignalRef& ref) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].EdgeCenterEnabled(ref);
	}

	bool PlotView::LaneMeanFilter(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].meanFilter;
	}

	bool PlotView::LaneWeakPeak(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].weakPeak;
	}

	bool PlotView::SetLaneWeakPeak(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.weakPeak == enabled)
		{
			return false;
		}
		lane.weakPeak = enabled;
		if (enabled)
		{
			// 与「均值滤波」完全一致：默认只勾选网格内**第一个可见信号**。
			if (lane.weakPeakItems.empty())
			{
				for (const SignalRef& ref : lane.signals)
				{
					const ResolvedSignal resolved = ResolveSignal(ref);
					if (resolved.data != nullptr && resolved.visible)
					{
						lane.EnsureWeakPeakItem(ref);
						break;
					}
				}
			}
			lane.weakPeakPanel.open = true;
		}
		else
		{
			lane.weakPeakPanel.open = false;
		}
		// 关闭后若本标签页**已无任何预览曲线功能**，立即释放派生曲线数据（缓存 + 后台线程的
		// thread_local 工作缓冲）—— 否则关掉面板后内存不会下降（用户报告）。
		if (!enabled)
		{
			TrimDerivedCurveDataIfIdle();
		}
		// 预建「宽缓冲基底」（不含派生曲线）：只为**尚未建立 / 已失效**的网格补图层，
		// 避免用户首次拖动该滑块时一次性重建的尖峰。
		// ⚠️⚠️ **绝不能在这里无条件重建【全部】网格**（旧实现是 `RebuildWideBuffer()`）：
		// “全部信号各自一块网格”时可达上百个网格、其中可能含着千万级采样的巨型信号，
		// 整批重渲染要**几百毫秒** ⇒ 用户点一下功能开关 / 关闭浮动面板就会“卡住一段时间”
		//（用户 2026-10-17 报告：三明治加载后开关面板会卡、关面板要等一会才消失）。
		// ✓ 只有「图层数组与网格数量不符」（首次绘制 / 增删网格）才需要同步整批建立，
		//    其余只登记进待重画队列，由既有预算机制（每帧最多一个网格）逐帧补齐。
		EnsureLaneLayersPrefetched();
		return true;
	}

	bool PlotView::ToggleLaneWeakPeak(int laneIndex)
	{
		const bool enabled = !LaneWeakPeak(laneIndex);
		SetLaneWeakPeak(laneIndex, enabled);
		return enabled;
	}

	bool PlotView::ToggleLaneWeakPeakSignal(int laneIndex, const SignalRef& ref)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.WeakPeakEnabled(ref))
		{
			lane.RemoveWeakPeakItem(ref);
			return false;
		}
		lane.EnsureWeakPeakItem(ref);
		return true;
	}

	bool PlotView::LaneWeakPeakSignalEnabled(int laneIndex, const SignalRef& ref) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].WeakPeakEnabled(ref);
	}

	bool PlotView::TakePendingWeakPeakBuild(int& laneIndex, std::vector<WeakPeakBuild>& items)
	{
		if (m_pendingWeakPeakLane < 0)
		{
			return false;
		}
		laneIndex = m_pendingWeakPeakLane;
		items = m_pendingWeakPeakItems;
		m_pendingWeakPeakLane = -1;
		m_pendingWeakPeakItems.clear();
		return true;
	}

	bool PlotView::SetLaneMeanFilter(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.meanFilter == enabled)
		{
			return false;
		}
		lane.meanFilter = enabled;
		if (enabled)
		{
			// 默认只勾选网格内**第一个可见信号**（用户明确要求），其余保持未勾选。
			if (lane.meanFilterItems.empty())
			{
				for (const SignalRef& ref : lane.signals)
				{
					const ResolvedSignal resolved = ResolveSignal(ref);
					if (resolved.data != nullptr && resolved.visible)
					{
						lane.EnsureMeanFilterItem(ref);
						break;
					}
				}
			}
			lane.meanFilterPanel.open = true;
		}
		else
		{
			lane.meanFilterPanel.open = false;
		}
		// 关闭后若本标签页**已无任何预览曲线功能**，立即释放派生曲线数据（缓存 + 后台线程的
		// thread_local 工作缓冲）—— 否则关掉面板后内存不会下降（用户报告）。
		if (!enabled)
		{
			TrimDerivedCurveDataIfIdle();
		}
		// 预建「宽缓冲基底」，避免首次拖动参数滑块时的一次性重建尖峰。
		// ⚠️ 只补「缺失 / 失效」的网格，**不**整批重建（见 `EnsureLaneLayersPrefetched`）。
		EnsureLaneLayersPrefetched();
		return true;
	}

	bool PlotView::ToggleLaneMeanFilterSignal(int laneIndex, const SignalRef& ref)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.MeanFilterEnabled(ref))
		{
			lane.RemoveMeanFilterItem(ref);
			return false;
		}
		lane.EnsureMeanFilterItem(ref);
		return true;
	}

	bool PlotView::LaneMeanFilterSignalEnabled(int laneIndex, const SignalRef& ref) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].MeanFilterEnabled(ref);
	}

	bool PlotView::ToggleLaneMeanFilter(int laneIndex)
	{
		const bool enabled = !LaneMeanFilter(laneIndex);
		SetLaneMeanFilter(laneIndex, enabled);
		return enabled;
	}

	bool PlotView::TakePendingMeanFilterBuild(int& laneIndex, std::vector<MeanFilterBuild>& items)
	{
		if (m_pendingMeanFilterLane < 0)
		{
			return false;
		}
		laneIndex = m_pendingMeanFilterLane;
		items = m_pendingMeanFilterItems;
		m_pendingMeanFilterLane = -1;
		m_pendingMeanFilterItems.clear();
		return true;
	}

	bool PlotView::SetLaneFreeMarker(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.freeMarker == enabled)
		{
			return false;
		}
		lane.freeMarker = enabled;
		// 关闭时**保留**已固定的点（用户可能只是暂时收起光标，再打开还能继续看）；
		// 清空固定点由面板上的 ✕ 负责。
		lane.freeMarkerPanel.open = enabled;
		if (!enabled && m_freeMarker.laneIndex == laneIndex)
		{
			m_freeMarker = FreeMarkerProbe();	// 跟随光标立即失效
		}
		// 自由标记只画叠加层（不进图层位图），但网格底衬仍可能需要预建，
		// 与其它实验性功能保持同一套"只补缺失图层"的处理。
		EnsureLaneLayersPrefetched();
		return true;
	}

	bool PlotView::LaneFreeMarker(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].freeMarker;
	}

	bool PlotView::ToggleLaneFreeMarker(int laneIndex)
	{
		const bool enabled = !LaneFreeMarker(laneIndex);
		SetLaneFreeMarker(laneIndex, enabled);
		return enabled;
	}

	bool PlotView::SetLaneFreeMarkerCursor(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (!lane.freeMarker || lane.freeMarkerCursor == enabled)
		{
			return false;
		}
		lane.freeMarkerCursor = enabled;
		// 光标模式的可见结果依赖鼠标位置，模式一变必须让已缓存的探针立刻作废，
		// 否则关闭后仍会残留一条纵向光标（或开启后要等下一次移动才出现）。
		if (m_freeMarker.laneIndex == laneIndex)
		{
			m_freeMarker = FreeMarkerProbe();
		}
		return true;
	}

	bool PlotView::LaneFreeMarkerCursor(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		const Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		return lane.freeMarker && lane.freeMarkerCursor;
	}

	bool PlotView::ToggleLaneFreeMarkerCursor(int laneIndex)
	{
		const bool enabled = !LaneFreeMarkerCursor(laneIndex);
		SetLaneFreeMarkerCursor(laneIndex, enabled);
		return enabled;
	}

	bool PlotView::SetLaneFreeMarkerShowDelta(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.freeMarkerShowDelta == enabled)
		{
			return false;
		}
		lane.freeMarkerShowDelta = enabled;
		return true;
	}

	bool PlotView::SetLaneFreeMarkerShowEnum(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.freeMarkerShowEnum == enabled)
		{
			return false;
		}
		lane.freeMarkerShowEnum = enabled;
		return true;
	}

	bool PlotView::LaneFreeMarkerShowDelta(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].freeMarkerShowDelta;
	}

	bool PlotView::LaneFreeMarkerShowEnum(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].freeMarkerShowEnum;
	}

	bool PlotView::SetLaneFreeMarkerOpacity(int laneIndex, float opacity)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		const float clamped = std::max(0.0f, std::min(1.0f, opacity));
		if (std::fabs(lane.freeMarkerOpacity - clamped) < 0.0005f)
		{
			return false;
		}
		lane.freeMarkerOpacity = clamped;
		return true;
	}

	bool PlotView::SetLaneFreeMarkerScroll(int laneIndex, float scroll)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		const float clamped = std::max(0.0f, scroll);
		if (std::fabs(lane.freeMarkerScroll - clamped) < 0.5f)
		{
			return false;
		}
		lane.freeMarkerScroll = clamped;
		return true;
	}

	bool PlotView::SetLaneMeanFilterScroll(int laneIndex, float scroll)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		const float clamped = std::max(0.0f, scroll);
		if (std::fabs(lane.meanFilterScroll - clamped) < 0.5f)
		{
			return false;
		}
		// 滚动只影响面板内部像素，缓冲区/场景都不变（面板像素缓存按键失效即可）。
		lane.meanFilterScroll = clamped;
		return true;
	}

	// ============================ 「重采样」 ============================

	bool PlotView::SignalDataInterval(const SignalRef& ref, double& maxInterval,
	                                  double& minInterval) const
	{
		maxInterval = 0.0;
		minInterval = 0.0;
		if (m_dataSet == nullptr)
		{
			return false;
		}
		const ResolvedSignal resolved = ResolveSignal(ref);
		if (resolved.data == nullptr || resolved.axis == nullptr)
		{
			return false;
		}
		const TimeAxis& axis = *resolved.axis;
		const SignalData& signal = *resolved.data;
		const std::size_t count = std::min(axis.time.size(), signal.values.size());
		bool havePrevious = false;
		double previousTime = 0.0;
		bool any = false;
		for (std::size_t index = 0; index < count; ++index)
		{
			const double time = axis.time[index];
			if (!std::isfinite(time) || !std::isfinite(signal.values[index]))
			{
				continue;
			}
			if (havePrevious)
			{
				const double gap = time - previousTime;
				if (gap > 0.0)
				{
					if (!any)
					{
						maxInterval = gap;
						minInterval = gap;
						any = true;
					}
					else
					{
						maxInterval = std::max(maxInterval, gap);
						minInterval = std::min(minInterval, gap);
					}
				}
			}
			previousTime = time;
			havePrevious = true;
		}
		return any;
	}

	bool PlotView::SetLaneResample(int laneIndex, bool enabled)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.resample == enabled)
		{
			return false;
		}
		lane.resample = enabled;
		if (enabled)
		{
			// 默认只勾选网格内**第一个可见信号**（与其它实验性功能一致）。
			if (lane.resampleItems.empty())
			{
				for (const SignalRef& ref : lane.signals)
				{
					const ResolvedSignal resolved = ResolveSignal(ref);
					if (resolved.data != nullptr && resolved.visible)
					{
						Lane::ResampleItem& item = lane.EnsureResampleItem(ref);
						double maxInterval = 0.0;
						double minInterval = 0.0;
						if (SignalDataInterval(ref, maxInterval, minInterval))
						{
							item.maxInterval = maxInterval;
							item.minInterval = minInterval;
							item.interval = minInterval;
						}
						item.initialized = true;
						break;
					}
				}
			}
			lane.resamplePanel.open = true;
		}
		else
		{
			lane.resamplePanel.open = false;
		}
		EnsureLaneLayersPrefetched();
		return true;
	}

	bool PlotView::LaneResample(int laneIndex) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].resample;
	}

	bool PlotView::ToggleLaneResample(int laneIndex)
	{
		const bool enabled = !LaneResample(laneIndex);
		SetLaneResample(laneIndex, enabled);
		return enabled;
	}

	bool PlotView::ToggleLaneResampleSignal(int laneIndex, const SignalRef& ref)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		if (lane.ResampleEnabled(ref))
		{
			lane.RemoveResampleItem(ref);
			return false;
		}
		// 勾选时一次性算好最大 / 最小数据间隔（面板绘制只读缓存值）。
		Lane::ResampleItem& item = lane.EnsureResampleItem(ref);
		double maxInterval = 0.0;
		double minInterval = 0.0;
		if (SignalDataInterval(ref, maxInterval, minInterval))
		{
			item.maxInterval = maxInterval;
			item.minInterval = minInterval;
			item.interval = minInterval;
		}
		item.initialized = true;
		return true;
	}

	bool PlotView::LaneResampleSignalEnabled(int laneIndex, const SignalRef& ref) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		return m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].ResampleEnabled(ref);
	}

	bool PlotView::SetLaneResampleScroll(int laneIndex, float scroll)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		const float clamped = std::max(0.0f, scroll);
		if (std::fabs(lane.resampleScroll - clamped) < 0.5f)
		{
			return false;
		}
		lane.resampleScroll = clamped;
		return true;
	}

	bool PlotView::TakePendingResampleBuild(int& laneIndex, std::vector<ResampleBuild>& items)
	{
		if (m_pendingResampleLane < 0)
		{
			return false;
		}
		laneIndex = m_pendingResampleLane;
		items = m_pendingResampleItems;
		m_pendingResampleLane = -1;
		m_pendingResampleItems.clear();
		return true;
	}


	bool PlotView::SetLaneEdgeCenterScroll(int laneIndex, float scroll)	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		const float clamped = std::max(0.0f, scroll);
		if (std::fabs(lane.edgeCenterScroll - clamped) < 0.5f)
		{
			return false;
		}
		// 滚动只影响面板内部像素，缓冲区/场景都不变（面板像素缓存按键失效即可）。
		lane.edgeCenterScroll = clamped;
		return true;
	}

	bool PlotView::SetLaneWeakPeakScroll(int laneIndex, float scroll)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		const float clamped = std::max(0.0f, scroll);
		if (std::fabs(lane.weakPeakScroll - clamped) < 0.5f)
		{
			return false;
		}
		// 滚动只影响面板内部像素，缓冲区/场景都不变（面板像素缓存按键失效即可）。
		lane.weakPeakScroll = clamped;
		return true;
	}

	bool PlotView::SetLaneEdgeCountScroll(int laneIndex, float scroll)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		const float clamped = std::max(0.0f, scroll);
		if (std::fabs(lane.edgeCountScroll - clamped) < 0.5f)
		{
			return false;
		}
		// 滚动只影响面板内部像素，缓冲区/场景都不变（面板像素缓存按键失效即可）。
		lane.edgeCountScroll = clamped;
		return true;
	}

	bool PlotView::ToggleLaneFreeMarkerGroup(int laneIndex, const SignalRef& ref)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		return lane.ToggleFreeMarkerGroupCollapsed(ref);
	}

	bool PlotView::SelectLaneFreeMarker(int laneIndex, int itemIndex)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		// 越界一律视为“取消选中”（面板重建、条目被删之后调用方不必先做下界检查）。
		const int clamped = (itemIndex >= 0 && static_cast<std::size_t>(itemIndex) < lane.freeMarkerItems.size())
		                        ? itemIndex
		                        : -1;
		if (lane.freeMarkerSelected == clamped)
		{
			return false;
		}
		lane.freeMarkerSelected = clamped;
		return true;
	}

	bool PlotView::SetLanePanelCollapsed(int laneIndex, EdgePanelKind kind, bool collapsed)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		LanePanelState* state = nullptr;
		switch (kind)
		{
		case EdgePanelKind::COUNT:
			state = &lane.edgePanel;
			break;
		case EdgePanelKind::CENTER:
			state = &lane.edgeCenterPanel;
			break;
		case EdgePanelKind::MEAN:
			state = &lane.meanFilterPanel;
			break;
		case EdgePanelKind::PEAK:
			state = &lane.weakPeakPanel;
			break;
		case EdgePanelKind::MARK:
			state = &lane.freeMarkerPanel;
			break;
		case EdgePanelKind::RESAMPLE:
			state = &lane.resamplePanel;
			break;
		default:
			return false;
		}
		if (state->collapsed == collapsed)
		{
			return false;
		}
		state->collapsed = collapsed;
		return true;
	}

	bool PlotView::LanePanelCollapsed(int laneIndex, EdgePanelKind kind) const
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		const Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		switch (kind)
		{
		case EdgePanelKind::COUNT:
			return lane.edgePanel.collapsed;
		case EdgePanelKind::CENTER:
			return lane.edgeCenterPanel.collapsed;
		case EdgePanelKind::MEAN:
			return lane.meanFilterPanel.collapsed;
		case EdgePanelKind::PEAK:
			return lane.weakPeakPanel.collapsed;
		case EdgePanelKind::MARK:
			return lane.freeMarkerPanel.collapsed;
		case EdgePanelKind::RESAMPLE:
			return lane.resamplePanel.collapsed;
		default:
			return false;
		}
	}

	bool PlotView::ToggleLanePanelCollapsed(int laneIndex, EdgePanelKind kind)
	{
		const bool collapsed = !LanePanelCollapsed(laneIndex, kind);
		SetLanePanelCollapsed(laneIndex, kind, collapsed);
		return collapsed;
	}

	bool PlotView::MeanFilterValueAt(const TimeAxis& axis, const SignalData& signal, int points, int iterations,
	                                 double time, double& value) const
	{
		const int index = FindNearestSample(axis, time);
		if (index < 0)
		{
			return false;
		}
		// ⚠️ **绝不能调用整条同步的 `MeanFilterCurveFor`**：光标读数在绘制路径上被调用，
		//    整条曲线（千万级采样）同步计算会让界面停顿数秒（用户报告"程序被卡住很久"）。
		//    这里只取「需要的那一个下标 ± 保护带」的窗口，并在窗口很大时走后台异步计算
		//    （本帧取不到就返回 false，读数暂时不显示该曲线的取值）。
		std::size_t spanBegin = 0;
		const std::vector<float>* curve = CurveSpanFor(
		    DerivedCurveKind::MEAN_FILTER, signal, points, iterations, 0,
		    static_cast<std::size_t>(index), static_cast<std::size_t>(index) + 1, spanBegin, true);
		if (curve == nullptr || static_cast<std::size_t>(index) < spanBegin ||
		    (static_cast<std::size_t>(index) - spanBegin) >= curve->size())
		{
			return false;
		}
		const float sampled = (*curve)[static_cast<std::size_t>(index) - spanBegin];
		if (!std::isfinite(sampled))
		{
			return false;
		}
		value = static_cast<double>(sampled);
		return true;
	}

	void PlotView::VisibleIndexRange(const TimeAxis& axis, std::size_t count, std::size_t& begin,
	                                 std::size_t& end, double timeShift) const
	{
		begin = 0;
		end = count;
		if (!axis.monotonic || count == 0)
		{
			return;
		}
		// 时间偏移：采样画在 `t + timeShift` 处，因此落在当前视界内的采样其源时刻区间要整体左移。
		const std::vector<double>& time = axis.time;
		begin = static_cast<std::size_t>(
		    std::lower_bound(time.begin(), time.end(), Tab().ViewMin() - timeShift) - time.begin());
		if (begin > 0)
		{
			--begin;
		}
		end = static_cast<std::size_t>(
		    std::lower_bound(time.begin(), time.end(), Tab().ViewMax() - timeShift) - time.begin());
		if (end < count)
		{
			++end;
		}
		end = std::max(end, begin);
		begin = std::min(begin, count);
		end = std::min(end, count);
	}

	const std::vector<float>* PlotView::CurveSpanFor(DerivedCurveKind kind, const SignalData& signal,
	                                                 int points, int iterations, int amountPercent,
	                                                 std::size_t begin, std::size_t end,
	                                                 std::size_t& spanBegin,
	                                                 bool allowAsyncCompute,
	                                                 bool computeIfMissing) const
	{
		spanBegin = 0;
		const std::size_t count = signal.values.size();
		if (count == 0)
		{
			return nullptr;
		}
		begin = std::min(begin, count);
		end = std::min(std::max(end, begin), count);
		if (end <= begin)
		{
			return nullptr;
		}

		const int kindValue = static_cast<int>(kind);
		const int safePoints = std::max(0, std::min(points, 1000000));
		const int safeIterations = std::max(1, std::min(iterations, 1000));
		const int safeLevel = std::max(kWeakPeakAmountMin, std::min(kWeakPeakAmountMax, amountPercent));

		// 对齐到粗网格：轻微平移/缩放时可直接复用同一条窗口，避免每帧重算。
		const std::size_t grid = std::max<std::size_t>(4096, (end - begin) / 4);
		const std::size_t alignedBegin = (begin / grid) * grid;
		const std::size_t alignedEnd = std::min(count, ((end + grid - 1) / grid) * grid);

		CurveKey key;
		key.signal = &signal;
		key.kind = kindValue;
		key.points = safePoints;
		key.iterations = safeIterations;
		key.amountPercent = safeLevel;

		// 1) 已有覆盖请求区间的最新条目 → 直接复用（钉住，防止本帧被回收）。
		if (const CurveEntry* hit = AcquireCoveringCurve(key, begin, end, spanBegin))
		{
			return &hit->values;
		}

		// 1b) 「只读」模式（光标取值胶囊）：**绝不新建计算任务 / 条目**。
		if (!computeIfMissing)
		{
			if (const CurveEntry* stale = AcquireNewestCurve(key, begin, end, spanBegin))
			{
				return &stale->values;
			}
			return nullptr;
		}

		// 1b) “只读”模式（光标取值胶囊）：**绝不新建计算任务/条目**。
		//
		// ⚠️⚠️ 为什么必须这么做（用户 2026-11-02 反馈“拖光标时有明显卡顿”）：
		// 胶囊只为“光标所在的那两个采样”取值，请求窗口只有几个采样 —— 但缓存键里含窗口，
		// 而窗口随光标每帧都在变 ⇒ 每帧都未命中 ⇒ 每帧同步计算并 `PublishCurve` 一次。
		// 15 信号 × 3 种曲线 = 每帧 45 次发布，条目列表不断变长，`Acquire*` 的线性搜索
		// 也随之变慢（实测拖动光标单帧 200ms，其中约 150ms 来自这 45 次重算 + 发布）。
		// 现在：命中就取（绘制路径发布的窗口**带保护带**、覆盖整个可见区间，正常情况一定命中），
		// 没命中就退到同 (信号, 种类) 的最新曲线，再没有就本帧不标注。
		if (!computeIfMissing)
		{
			if (const CurveEntry* stale = AcquireNewestCurve(key, begin, end, spanBegin))
			{
				return &stale->values;
			}
			return nullptr;
		}

		// 2) 代价较大时交后台计算，本帧先用最新旧曲线顶替（双缓冲）。
		//    这样绘制线程永远不做重计算，拖动滑块/光标/视界/缩放的反馈因此始终跟手。
		//
		// ⚠️ **超大信号 + 正在拖动参数：不要每帧都排一次"整条信号"的重算**。
		//    预览曲线一律按整条信号计算（`[0, count]`，与「构建为新信号」逐位一致）；
		//    当信号极大（`VERY_BIG_DATA` 有 2576 万采样）时，每条曲线都要扫描上亿个采样，
		//    后台线程会被**持续占满**（实测把可用内存带宽吃光），反过来把前台绘制拖慢
		//    （用户报告的"深放大下拖预览滑块非常非常卡"——实测前台每帧 14ms，而绘制本身只要 0.4ms）。
		//    此时沿用旧曲线，等松手（不再处于拖拽）后再算一次最新的即可：反正整条信号的重算
		//    本来也追不上滑块速度，拖动期间"冻结"与"每帧重排"在观感上没有区别，但后者会拖慢前台。
		//    小信号（< `kHugeSignalPreviewSamples`）不受影响，仍保留"边拖边算"的实时预览。
		if (count > kHugeSignalPreviewSamples && m_dragMode != PlotDragMode::NONE)
		{
			if (const CurveEntry* stale = AcquireNewestCurve(key, begin, end, spanBegin))
			{
				return &stale->values;
			}
			return nullptr;
		}

		// 计算窗口（含保护带）：既用于同步计算，也用于判断是否值得交后台。
		std::size_t computedBegin = 0;
		std::size_t computedEnd = 0;
		DerivedGuardWindow(kind, alignedBegin, alignedEnd, safePoints, safeIterations, count,
		                   computedBegin, computedEnd);
		if (computedEnd <= computedBegin)
		{
			return nullptr;
		}
		const std::size_t computeSamples = computedEnd - computedBegin;
		if (allowAsyncCompute && computeSamples > kDerivedAsyncWindowThreshold)
		{
			ScheduleCurveJob(key, alignedBegin, alignedEnd, count);
			if (const CurveEntry* stale = AcquireNewestCurve(key, begin, end, spanBegin))
			{
				return &stale->values;
			}
			return nullptr;	// 尚无任何可显示曲线：本帧跳过该预览曲线（不阻塞绘制）
		}

		// 3) 代价很小或需要精确取值 → 同步计算并发布（代价可接受，且保证取值精确）。
		//    ⚠️ 同步路径也要先做内存判断：窗口虽小，但低内存设备上仍可能失败 ——
		//    宁可这次不画预览，也不能抛 `bad_alloc` 把进程带走。
		{
			bool throttle = false;		// 窗口 ≤ 门槛（65536 采样）→ 无需节流
			if (!DerivedMemoryAllows(computeSamples, throttle))
			{
				return nullptr;
			}
		}
		std::vector<float> values = ComputeDerivedWindow(signal, computedBegin, computedEnd, kindValue,
		                                                 safePoints, safeIterations, safeLevel, nullptr,
		                                                 false);
		const CurveEntry* published =
		    PublishCurve(key, computedBegin, computedEnd, std::move(values), spanBegin);
		return (published != nullptr) ? &published->values : nullptr;
	}

	void PlotView::DerivedGuardWindow(DerivedCurveKind kind, std::size_t alignedBegin,
	                                  std::size_t alignedEnd, int points, int iterations,
	                                  std::size_t count, std::size_t& begin, std::size_t& end) const
	{
		// 保护带取窗口长度的 1/8（夹在 4096~65536）：弱峰调整的修正沿相邻极值向内传播，
		// 1/8 个可见宽度足以覆盖真实信号的极值间距。
		// 均值滤波必须额外**覆盖滤波半径**：N 阶共向外传播 X*N 个采样，否则窗口边界取值
		// 会与「整条曲线」不同（边界上可用采样数更少）。
		std::size_t guard =
		    std::clamp((alignedEnd - alignedBegin) / 8, std::size_t(4096), kDerivedCurveGuardMax);
		if (kind == DerivedCurveKind::MEAN_FILTER)
		{
			const std::size_t reach =
			    static_cast<std::size_t>(points + 1) * static_cast<std::size_t>(iterations) + 64u;
			guard = std::clamp(std::max(guard, reach), std::size_t(4096), kDerivedCurveGuardMax);
		}
		begin = (alignedBegin > guard) ? (alignedBegin - guard) : 0;
		end = std::min(count, alignedEnd + guard);
	}

	const PlotView::CurveEntry* PlotView::AcquireCoveringCurve(const CurveKey& key, std::size_t begin,
	                                                           std::size_t end,
	                                                           std::size_t& spanBegin) const
	{
		std::lock_guard<std::mutex> lock(m_curveMutex);
		const CurveEntryPtr* best = nullptr;
		for (const CurveEntryPtr& entry : m_curveEntries)
		{
			if (entry->key == key && entry->begin <= begin && entry->end >= end)
			{
				if (best == nullptr || entry->serial > (*best)->serial)
				{
					best = &entry;
				}
			}
		}
		if (best == nullptr)
		{
			return nullptr;
		}
		m_curvePins.push_back(*best);	// 钉住：保证本帧内指针有效
		spanBegin = (*best)->begin;
		return best->get();
	}

	const PlotView::CurveEntry* PlotView::AcquireNewestCurve(const CurveKey& key, std::size_t begin,
	                                                         std::size_t end,
	                                                         std::size_t& spanBegin) const
	{
		std::lock_guard<std::mutex> lock(m_curveMutex);
		// ⚠️ **只按「信号 + 曲线种类」匹配**（忽略参数）：拖动参数滑块时每帧参数都在变，
		// 若要求键完全相同就永远找不到"上一帧的曲线"，于是本帧无曲线可画 → **预览曲线闪烁**、
		// 甚至短暂消失（用户报告的"滑动滑块时曲线消失一会儿又出现"）。
		// 旧曲线只是参数略旧，按采样下标映射位置依然完全正确，先顶上再等后台算好新曲线，
		// 视觉上就是平滑过渡而不是闪烁。
		//
		// 优先挑「窗口覆盖所需区间」的：覆盖不到时曲线会缺一段（看起来像被切断）。
		const CurveEntryPtr* newest = nullptr;
		const CurveEntryPtr* newestCovering = nullptr;
		for (const CurveEntryPtr& entry : m_curveEntries)
		{
			if (entry->key.signal != key.signal || entry->key.kind != key.kind)
			{
				continue;
			}
			if (newest == nullptr || entry->serial > (*newest)->serial)
			{
				newest = &entry;
			}
			if (entry->begin <= begin && entry->end >= end &&
			    (newestCovering == nullptr || entry->serial > (*newestCovering)->serial))
			{
				newestCovering = &entry;
			}
		}
		const CurveEntryPtr* pick = (newestCovering != nullptr) ? newestCovering : newest;
		if (pick == nullptr)
		{
			return nullptr;
		}
		m_curvePins.push_back(*pick);
		spanBegin = (*pick)->begin;
		return pick->get();
	}

	const PlotView::CurveEntry* PlotView::PublishCurve(const CurveKey& key, std::size_t begin,
	                                                   std::size_t end, std::vector<float>&& values,
	                                                   std::size_t& spanBegin) const
	{
		std::shared_ptr<CurveEntry> entry = std::make_shared<CurveEntry>();
		entry->key = key;
		entry->begin = begin;
		entry->end = end;
		entry->values = std::move(values);
		{
			std::lock_guard<std::mutex> lock(m_curveMutex);
			entry->serial = ++m_curveSerial;
			m_curveEntries.push_back(entry);
		}
		m_curvePins.push_back(entry);
		spanBegin = begin;
		return entry.get();
	}

	bool PlotView::CurveJobIsStale(const CurveKey& key, std::uint64_t requestSerial) const
	{
		std::lock_guard<std::mutex> lock(m_curveMutex);
		const auto found = m_curveLatest.find(std::make_pair(key.signal, key.kind));
		if (found == m_curveLatest.end())
		{
			return true;		// 已经被清理（例如预览被关闭）→ 没有意义，直接作废
		}
		return found->second != requestSerial;
	}

	std::size_t PlotView::DerivedMinimumBytes(std::size_t samples)
	{
		// 输出曲线本体（float，占 1 份）+ 内部工作缓冲（「弱峰调整」实测 ≈34 B/采样，
		// 含两个 float 工作缓冲与极值表）——取 48 B/采样作为「连一条曲线都装不下」的门槛。
		return samples * 48u + (64u * 1024u * 1024u);
	}

	bool PlotView::DerivedMemoryAllows(std::size_t samples, bool& throttle) const
	{
		throttle = false;
		const std::size_t minimum = DerivedMinimumBytes(samples);
		const std::size_t available = AvailablePhysicalBytes();
		if (available < minimum)
		{
			NotifyDerivedLowMemory();
			return false;
		}
		// 低于「舒适线」（最小需求的 4 倍）→ 低内存模式：串行 + 节流，慢慢算完。
		if (available < minimum * 4u)
		{
			throttle = true;
		}
		return true;
	}

	void PlotView::NotifyDerivedLowMemory() const
	{
		if (m_curveLowMemoryWarned)
		{
			return;		// 同一轮只提示一次，避免反复弹窗
		}
		m_curveLowMemoryWarned = true;
		const HWND host = m_host;
		if (host != nullptr)
		{
			PostMessageW(host, kMessagePlotLowMemory, 0, 0);
		}
	}

	void PlotView::ScheduleCurveJob(const CurveKey& key, std::size_t alignedBegin,
	                                std::size_t alignedEnd, std::size_t count) const
	{
		std::size_t windowBegin = 0;
		std::size_t windowEnd = 0;
		DerivedGuardWindow(static_cast<DerivedCurveKind>(key.kind), alignedBegin, alignedEnd, key.points,
		                   key.iterations, count, windowBegin, windowEnd);
		if (windowEnd <= windowBegin)
		{
			return;
		}
		// 「大任务」判据：窗口采样数超过大信号门槛（此时工作缓冲会到数百 MB 量级）。
		const std::size_t windowSamples = windowEnd - windowBegin;
		const bool huge = (windowSamples >= kHugeSignalPreviewSamples);
		int hugeLimit = 1;
		// ⚠️ **内存严重不足时根本不入队**（连一条曲线都装不下）：告警一次并直接放弃本次计算。
		//    这样“低内存设备”不会因为换页而把整机拖死，也不会抛 `bad_alloc` 逸出线程导致崩溃。
		if (huge)
		{
			bool throttle = false;
			if (!DerivedMemoryAllows(windowSamples, throttle))
			{
				return;
			}
			hugeLimit = throttle ? 1 : 2;
		}
		{
			std::lock_guard<std::mutex> lock(m_curveMutex);
			// 新的计算请求 ⇒ 取消标志必须清零（此前可能因关闭预览/结构变化而被置位）。
			m_curveCancelAll.store(false, std::memory_order_relaxed);
			// ⚠️ **幂等**：边沿统计会在“曲线还没算好”时每帧请求一次整条曲线的计算。
			//    如果每次都当作新请求（自增序号），正在算的那份就会被判为过时而退出 ——
			//    于是永远算不完（请求 → 作废 → 重请求 的死循环）。
			for (const CurveKey& running : m_curveRunningKeys)
			{
				if (running == key)
				{
					return;		// 同一份曲线正在算，无需重复排队
				}
			}
			for (const CurveJob& pending : m_curveJobs)
			{
				if (pending.key == key)
				{
					return;	// 同一份曲线已在队列里等待
				}
			}
			// 全局请求序号：这次请求之后，同一 (信号, 种类) 的旧任务就都过时了。
			const std::uint64_t requestSerial = ++m_curveRequestSerial;
			m_curveLatest[std::make_pair(key.signal, key.kind)] = requestSerial;
			// 同一「信号 + 曲线种类」的**其它参数**的待算任务全部移除：参数已被取代，
			// 正在计算的那个会在下一阶处看到自己已过时并**立即退出**。
			for (auto iterator = m_curveJobs.begin(); iterator != m_curveJobs.end();)
			{
				if (iterator->key.signal == key.signal && iterator->key.kind == key.kind)
				{
					iterator = m_curveJobs.erase(iterator);
				}
				else
				{
					++iterator;
				}
			}
			CurveJob job;
			job.key = key;
			job.windowBegin = windowBegin;
			job.windowEnd = windowEnd;
			job.generation = m_curveGeneration;
			job.requestSerial = requestSerial;
			job.huge = huge;
			job.hugeLimit = hugeLimit;
			m_curveJobs.push_back(job);
		}
		EnsureCurveWorker();
		m_curveCv.notify_all();
	}

	void PlotView::EnsureCurveWorker() const
	{
		if (!m_curveWorkers.empty())
		{
			return;
		}
		// **多核并行**：后台线程池并发计算多条派生曲线（5 个网格各一条时，
		// 串行要 5×368ms，并行只要约 1×368ms），预览曲线因此能很快出现。
		// 线程数 = 硬件并发 - 1（给 UI/绘制线程留一个核），夹在 1~4。
		unsigned int hardware = std::thread::hardware_concurrency();
		int workers = static_cast<int>(hardware == 0 ? 2u : hardware) - 1;
		workers = std::max(1, std::min(workers, 4));
		m_curveWorkerStop = false;
		m_curveWorkers.reserve(static_cast<std::size_t>(workers));
		for (int index = 0; index < workers; ++index)
		{
			m_curveWorkers.emplace_back([this]() { CurveWorkerLoop(); });
		}
	}

	void PlotView::StopCurveWorker() const
	{
		// 先请所有在算任务尽快退出（每阶 / 每 1M 采样检查一次），再等线程结束 ——
		// 这是「过时任务立即清退并释放资源」的关键一步：千万级采样的一条曲线工作缓冲
		// 可达数百 MB，必须尽早归还。
		m_curveCancelAll.store(true, std::memory_order_relaxed);
		if (m_curveWorkers.empty())
		{
			return;
		}
		{
			std::lock_guard<std::mutex> lock(m_curveMutex);
			m_curveWorkerStop = true;
			m_curveJobs.clear();
			m_curveLatest.clear();
			m_curveRunningKeys.clear();
		}
		m_curveCv.notify_all();
		for (std::thread& worker : m_curveWorkers)
		{
			if (worker.joinable())
			{
				worker.join();
			}
		}
		m_curveWorkers.clear();
		m_curveHugeActive = 0;
	}

	void PlotView::CurveWorkerLoop() const
	{
		// 后台计算线程的优先级降到「低于正常」：派生曲线计算是**可延迟的后台工作**，
		// 绝不能让它在拖动时与 UI / 绘制线程抢 CPU。降低优先级后，只要 UI 线程要运行，
		// 系统就会优先调度 UI；计算只在 UI 空闲时占用 CPU，从而保证交互始终跟手
		//（用户明确要求"无论如何 UI 及控件的响应需要是跟手的"）。
		SetThreadPriority(GetCurrentThread(), THREAD_PRIORITY_BELOW_NORMAL);
		for (;;)
		{
			CurveJob job;
			{
				std::unique_lock<std::mutex> lock(m_curveMutex);
				m_curveCv.wait(lock, [this]()
				               { return m_curveWorkerStop || !m_curveJobs.empty(); });
				if (m_curveJobs.empty())
				{
					return;	// 仅在 stop 且队列为空时到达
				}
				job = m_curveJobs.front();
				// ⚠️ **大窗口任务不能无限并发**：一条「整段信号」的弱峰调整工作缓冲可达数百 MB，
				//    多个同时算就是 GB 级峰值（用户报告的 4.4GB）。上限由调度时的内存压力决定：
				//    内存充足时允许 2 条（仍然很快，但峰值封顶）；内存紧张时只允许 1 条。
				if (job.huge && m_curveHugeActive >= std::max(1, job.hugeLimit))
				{
					m_curveCv.wait_for(lock, std::chrono::milliseconds(5));
					continue;
				}
				m_curveJobs.pop_front();
				if (job.generation != m_curveGeneration)
				{
					continue;	// 代次已变化：丢弃过期任务
				}
				if (job.huge)
				{
					++m_curveHugeActive;
				}
				// 记录“正在计算的曲线键”：`ScheduleCurveJob` 靠它保持幂等
				//（边沿统计会每帧请求同一份整条曲线，不能每次都当作新请求）。
				m_curveRunningKeys.push_back(job.key);
			}

			// 计算在锁外进行：读取的采样在「结构未变」期间只读、且地址稳定
			//（结构变化前宿主会先 `PauseDerivedAsync`）。
			// ⚠️ 传入取消标志：一旦同一 (信号, 种类) 有了更新的请求、或发生了结构变化/关闭预览，
			//    计算会在下一阶（或每 1M 采样）处**立即退出**，尽早归还工作缓冲。
			bool throttle = false;
			if (job.huge)
			{
				DerivedMemoryAllows(job.windowEnd - job.windowBegin, throttle);
			}
			std::vector<float> values = ComputeDerivedWindow(
			    *job.key.signal, job.windowBegin, job.windowEnd, job.key.kind, job.key.points,
			    job.key.iterations, job.key.amountPercent, &m_curveCancelAll, throttle);

			if (job.huge)
			{
				std::lock_guard<std::mutex> lock(m_curveMutex);
				m_curveHugeActive = std::max(0, m_curveHugeActive - 1);
				for (auto iterator = m_curveRunningKeys.begin(); iterator != m_curveRunningKeys.end();
				     ++iterator)
				{
					if (*iterator == job.key)
					{
						m_curveRunningKeys.erase(iterator);
						break;
					}
				}
				m_curveCv.notify_all();
			}
			else
			{
				std::lock_guard<std::mutex> lock(m_curveMutex);
				for (auto iterator = m_curveRunningKeys.begin(); iterator != m_curveRunningKeys.end();
				     ++iterator)
				{
					if (*iterator == job.key)
					{
						m_curveRunningKeys.erase(iterator);
						break;
					}
				}
			}

			// ⚠️ **过时结果一律不发布，并立即可回收**：
			//    * 代次变化（结构变化）→ 丢弃；
			//    * 同一 (信号, 种类) 已有更新的请求 → 本结果参数已过时，丢弃（后台很快会有新的）。
			//    * 被取消（`m_curveCancelAll`）→ 曲线可能只算了一部分，绝不能发布。
			if (m_curveCancelAll.load(std::memory_order_relaxed) ||
			    CurveJobIsStale(job.key, job.requestSerial))
			{
				continue;
			}
			{
				std::lock_guard<std::mutex> lock(m_curveMutex);
				if (job.generation != m_curveGeneration)
				{
					continue;	// 计算期间发生了结构变化：丢弃，避免发布过期结果
				}
				if (values.empty())
				{
					continue;
				}
				std::shared_ptr<CurveEntry> entry = std::make_shared<CurveEntry>();
				entry->key = job.key;
				entry->begin = job.windowBegin;
				entry->end = job.windowEnd;
				entry->serial = ++m_curveSerial;
				entry->values = std::move(values);
				m_curveEntries.push_back(std::move(entry));
			}

			// 通知宿主重绘：下一帧会取到刚发布的曲线（双缓冲切换）。
			m_curveSceneDirty.store(true, std::memory_order_relaxed);
			const HWND host = m_host;
			if (host != nullptr)
			{
				PostMessageW(host, kMessagePlotDerivedReady, 0, 0);
			}
		}
	}

	void PlotView::PruneCurveEntriesLocked() const
	{
		// 1) 去掉被「同键、更新、且完全覆盖」的条目取代的旧条目。
		std::deque<CurveEntryPtr> kept;
		for (const CurveEntryPtr& entry : m_curveEntries)
		{
			bool superseded = false;
			for (const CurveEntryPtr& other : m_curveEntries)
			{
				if (other.get() == entry.get())
				{
					continue;
				}
				if (other->key == entry->key && other->serial > entry->serial &&
				    other->begin <= entry->begin && other->end >= entry->end)
				{
					superseded = true;
					break;
				}
			}
			if (!superseded)
			{
				kept.push_back(entry);
			}
		}
		m_curveEntries.swap(kept);

		// 2) 条目数与总字节数双重约束（最旧优先淘汰）。
		const auto bytes = [this]() -> std::size_t
		{
			std::size_t total = 0;
			for (const CurveEntryPtr& entry : m_curveEntries)
			{
				total += entry->values.size() * sizeof(float);
			}
			return total;
		};
		while (!m_curveEntries.empty() &&
		       (m_curveEntries.size() > kCurveSpanCacheLimit || bytes() > kCurveSpanCacheMaxBytes))
		{
			m_curveEntries.pop_front();
		}
	}

	const std::vector<float>& PlotView::MeanFilterCurveFor(const SignalData& signal, int points,
	                                                      int iterations) const
	{
		const int radius = std::max(0, points);
		const int stages = std::max(1, iterations);
		for (const MeanCurveEntry& entry : m_meanCurveCache)
		{
			if (entry.signal == &signal && entry.points == radius && entry.iterations == stages)
			{
				return entry.values;
			}
		}

		MeanCurveEntry entry;
		entry.signal = &signal;
		entry.points = radius;
		entry.iterations = stages;
		// 与「构建为新信号」共用同一实现（Utilities 内的自由函数），
		// 因此预览曲线与构建出的采样值逐位一致。
		ComputeMovingAverageIterated(signal.values, radius, stages, entry.values);

		m_meanCurveCache.push_back(std::move(entry));
		return m_meanCurveCache.back().values;
	}

	const std::vector<float>& PlotView::WeakPeakCurveFor(const SignalData& signal,
	                                                      int amountPercent, int iterations) const
	{
		const int level = std::max(kWeakPeakAmountMin, std::min(kWeakPeakAmountMax, amountPercent));
		const int stages = std::max(kWeakPeakIterationsMin, std::min(kWeakPeakIterationsMaxLimit, iterations));
		for (const WeakPeakCurveEntry& entry : m_weakPeakCurveCache)
		{
			if (entry.signal == &signal && entry.amountPercent == level && entry.iterations == stages)
			{
				return entry.values;
			}
		}

		WeakPeakCurveEntry entry;
		entry.signal = &signal;
		entry.amountPercent = level;
		entry.iterations = stages;
		// 与「构建为新信号」共用同一实现（Utilities 内的自由函数），
		// 因此预览曲线与构建出的采样值逐位一致。
		ComputeWeakPeakAdjust(signal.values, static_cast<double>(level) / 100.0, stages, entry.values);

		m_weakPeakCurveCache.push_back(std::move(entry));
		return m_weakPeakCurveCache.back().values;
	}

	bool PlotView::WeakPeakValueAt(const TimeAxis& axis, const SignalData& signal, int amountPercent,
	                                int iterations, double time, double& value) const
	{
		const int index = FindNearestSample(axis, time);
		if (index < 0)
		{
			return false;
		}
		std::size_t spanBegin = 0;
		const std::vector<float>* curve = CurveSpanFor(
		    DerivedCurveKind::WEAK_PEAK, signal, 0, iterations, amountPercent,
		    static_cast<std::size_t>(index), static_cast<std::size_t>(index) + 1, spanBegin);
		if (curve == nullptr || static_cast<std::size_t>(index) < spanBegin ||
		    (static_cast<std::size_t>(index) - spanBegin) >= curve->size())
		{
			return false;
		}
		const float sampled = (*curve)[static_cast<std::size_t>(index) - spanBegin];
		if (!std::isfinite(sampled))
		{
			return false;
		}
		value = static_cast<double>(sampled);
		return true;
	}

	void PlotView::RequestEdgeScanFrame() const
	{
		// 统计还没扫完时主动请宿主再送一帧 —— 否则用户不移动鼠标就不会有任何重绘，
		// 预算也就永远不推进（用户报告："面板过去很久都一直显示统计中，
		// 只有当鼠标瞄到浮动面板上时才会显示统计好的值"）。
		// 与派生曲线就绪用同一条消息（宿主只失效绘图区、不置脏，代价极小）。
		//
		// ⚠️⚠️ **每个绘制帧最多 Post 一次**（用户 2026-11-02 报告“上百条信号时所有交互都卡”）：
		// 本函数在 `EdgeScanFor` 里按“未完成的状态”逐个调用，288 条信号时单帧会 Post 288 次！
		// 大量 `WM_MSG`+重绘会把优先级更低的 `WM_TIMER` 饿死（分组折起动画因此永远结束不了），
		// 同时把 CPU 占满、拖慢所有交互。用一个“本帧已请求”标志收敛成一次。
		if (m_loadingBusy)
		{
			return;	// 加载中：不推进、不自请求（否则加载进度被统计重绘拖慢）
		}
		if (m_edgeScanRequestFrame == m_edgeScanFrame)
		{
			return;
		}
		m_edgeScanRequestFrame = m_edgeScanFrame;
		const HWND host = m_host;
		if (host != nullptr)
		{
			PostMessageW(host, kMessagePlotDerivedReady, 0, 0);
		}
	}

	std::size_t PlotView::EdgeScanStateLimit() const
	{
		// 每个信号最多两类累积状态（普通边沿计数 / 中心轴边沿计数），另留一点余量。
		// ⚠️ 不能用“当前网格内信号数”：边缘面板可能同时开在多个网格上，
		//    而这里用全仓可见信号总数更省心（多出来的容量只是几个几十 KB 的块和数组）。
		std::size_t signalCount = 0;
		if (m_dataSet != nullptr)
		{
			signalCount = m_dataSet->SignalCount();
		}
		const std::size_t scaled = signalCount * 2u + 16u;
		return std::max(kEdgeScanStateLimit, scaled);
	}

	void PlotView::InvalidateEdgeScansFor(const SignalData* signal, bool centreOnly)
	{		// ⚠️ **定向作废**：只有被改动的那个信号（并且只限需要的那一类）要重算，
		// 其它信号的键没有变化、累计的块和依然有效 → 必须原样保留。
		// 否则（过去用 `m_edgeScans.clear()`）会连**普通边沿计数**与**其它信号的中心轴统计**
		// 一起丢掉，于是两个浮动面板里的每一个数字都要从头重新扫描：
		// 用户报告“改变一个信号的中心轴参数，其它未改变参数的统计也重新计算了”。
		if (signal == nullptr)
		{
			return;
		}
		m_edgeScans.erase(std::remove_if(m_edgeScans.begin(), m_edgeScans.end(),
		                                 [signal, centreOnly](const EdgeScanState& state)
		                                 {
			                                 if (state.signal != signal)
			                                 {
				                                 return false;	// 别的信号：原样保留
			                                 }
			                                 return !centreOnly || state.centre;
		                                 }),
		                  m_edgeScans.end());
	}

	void PlotView::EdgeScanFor(const TimeAxis& axis, const SignalData& signal, const SignalStyle& style,
	                           bool centre, double threshold, int points, int iterations, bool hasRange,
	                           double rangeMin, double rangeMax, std::size_t& rising, std::size_t& falling,
	                           bool& complete) const
	{
		rising = 0;
		falling = 0;
		complete = false;

		// ⚠️ **宿主正在加载文件时不推进**：加载线程的主循环不断 `UpdateWindow` 触发整帧绘制，
		// 若这里继续扫，加载会被统计抢走 CPU（用户报告“统计没算完就无法开始加载”）。
		// 加载完成后数据层结构变化会整体作废累积状态，本来就要重算。
		if (m_loadingBusy)
		{
			return;
		}

		const std::size_t count = signal.values.size();
		if (count < 2)
		{
			complete = true;
			return;
		}
		const bool monotonic = axis.monotonic;
		// 非单调时间轴无法用「采样对下标区间」表达统计范围，只能逐点按时间过滤 →
		// 此时区间必须进键（否则会混用别的区间结果）。
		const bool rangeInKey = hasRange && !monotonic;
		const std::uint64_t styleKey = EdgeStyleKey(style);
		const int safePoints = std::max(0, std::min(points, 1000000));
		const int safeIterations = std::max(1, std::min(iterations, 1000));
		const bool mirrored = style.mirrorHorizontal;
		const bool transform = (style.gain != 1.0f || style.absolute || style.mirrorVertical ||
		                        style.offsetY != 0.0f);

		// 请求的「采样对」区间 [pairFirst, pairLast]（pair k = 采样 k-1 → k，k ≥ 1）。
		// ⚠️ 只有**两个端点都落在区间内**的采样对才计入（非单调时由 deltaAt 过滤）。
		std::size_t pairFirst = 1;
		std::size_t pairLast = count - 1;
		if (hasRange && monotonic)
		{
			std::size_t indexBegin = 0;
			std::size_t indexEnd = 0;
			EdgeIndexRange(axis, count, hasRange, rangeMin, rangeMax, indexBegin, indexEnd);
			pairFirst = (indexBegin + 1 < count) ? (indexBegin + 1) : count;
			pairLast = (indexEnd > 0) ? (indexEnd - 1) : 0;
			if (pairLast < pairFirst)
			{
				complete = true;
				return;
			}
		}

		// ---- 定位累积状态 -------------------------------------------------------
		EdgeScanState* state = nullptr;
		for (EdgeScanState& candidate : m_edgeScans)
		{
			if (candidate.axis == &axis && candidate.signal == &signal && candidate.centre == centre &&
			    candidate.styleKey == styleKey && candidate.points == safePoints &&
			    candidate.iterations == safeIterations && candidate.hasRange == rangeInKey &&
			    (!rangeInKey || (candidate.rangeMin == rangeMin && candidate.rangeMax == rangeMax)))
			{
				state = &candidate;
				break;
			}
		}
		if (state == nullptr)
		{
			// ⚠️⚠️ **累积状态上限必须随“信号数”缩放**（用户 2026-11-02 报告：288 条信号合并到
			// 同一网格、开启「边沿计数」后**全部停在“统计中…”**且永不更新）：
			// 旧上限固定 64，而面板会在一帧内为**每条信号**各创建一个状态（288 条 > 64）⇒
			// 新建状态时总是把队首（尚未扫完的）淘汰 ⇒ 没有任何状态能活到扫完 ⇒ 永远重头开始。
			// 每个信号最多两类状态（普通 / 中心轴），因此上限取 `2×信号数 + 余量`。
			const std::size_t stateLimit = EdgeScanStateLimit();
			if (m_edgeScans.size() >= stateLimit)
			{
				// ⚠️ 超限时**优先淘汰「已扫完」的最旧状态**（它重算很快、而且通常已经不需要再变），
				//    绝不淘汰正在推进的那个 —— 否则其它信号会被迫从头重扫
				//（那正是“改一个参数、其它几个信号也重新统计”这类现象）。
				std::size_t victim = 0;
				bool foundVictim = false;
				for (std::size_t index = 0; index < m_edgeScans.size(); ++index)
				{
					if (m_edgeScans[index].complete)
					{
						victim = index;
						foundVictim = true;
						break;
					}
				}
				if (!foundVictim)
				{
					victim = 0;
				}
				m_edgeScans.erase(m_edgeScans.begin() + static_cast<std::ptrdiff_t>(victim));
			}
			EdgeScanState created;
			created.axis = &axis;
			created.signal = &signal;
			created.centre = centre;
			created.styleKey = styleKey;
			created.points = safePoints;
			created.iterations = safeIterations;
			created.hasRange = rangeInKey;
			created.rangeMin = rangeMin;
			created.rangeMax = rangeMax;
			created.threshold = threshold;
			const std::size_t blocks = (count - 1) / kEdgeBlockSamples + 2;
			created.blockRising.assign(blocks, 0);
			created.blockFalling.assign(blocks, 0);
			created.justReset = true;
			m_edgeScans.push_back(std::move(created));
			state = &m_edgeScans.back();
			++m_edgeScanRevision;	// 新状态：让面板重算（可能刚从“统计中…”切换）
		}
		else if (!centre && state->threshold != threshold)
		{
			// 阈值变了（横向光标正在拖动）：**就地重新开始**，不新建条目（避免拖动时状态爆炸）。
			// ⚠️ 本 tick 不展示部分值（`justReset`）：部分计数每帧都会被重置，
			//    显示出来就是"错误且不更新的数字"（用户报告过这个现象）。
			state->threshold = threshold;
			state->scannedPair = 1;
			state->rising = 0;
			state->falling = 0;
			state->complete = false;
			state->justReset = true;
			std::fill(state->blockRising.begin(), state->blockRising.end(), 0);
			std::fill(state->blockFalling.begin(), state->blockFalling.end(), 0);
			++m_edgeScanRevision;
		}

		// ---- 中心轴：**就地**计算所需的那一小段均值滤波曲线 ---------------------
		// ⚠️ 过去这里用 `AcquireCoveringCurve`/`ScheduleCurveJob` 拿**整条**曲线，带来两个问题：
		//    1. 千万级信号的一条曲线 ≈103MB，多条信号叠加会超出曲线缓存预算（768MB）→ 条目被
		//       淘汰后该信号被判为“曲线未就绪”，界面显示“统计中…”并从头重扫 ——
		//       **偶发**（取决于当时缓存里积了多少条目，用户报告“改一个参数其它几个信号也重新统计”）；
		//    2. 几个信号的统计通过这块共享缓存互相牵连。
		//    现在只算「当前扫描块 ± 滤波半径」：`points * iterations` 就足以让块内取值与整条曲线
		//    完全一致（迭代 N 次、半径 X 的均值滤波最多向两侧传播 X*N 个采样），内存只有几十 KB，
		//    且与其它信号、其它曲线彻底解耦。
		std::size_t localReach = 0;
		if (centre)
		{
			localReach = static_cast<std::size_t>(safePoints) * static_cast<std::size_t>(safeIterations) + 2u;
			localReach = std::min(localReach, kDerivedCurveGuardMax);
		}
		const std::vector<double>& values = signal.values;
		const bool filterByTime = hasRange && !monotonic;

		/** 把显示下标区间映射为源下标区间（水平镜像时头尾对调）。 */
		const auto toSourceRange = [&](std::size_t displayFirst, std::size_t displayLast,
		                               std::size_t& srcFirst, std::size_t& srcLast)
		{
			if (mirrored)
			{
				srcFirst = (count - 1) - displayLast;
				srcLast = (count - 1) - displayFirst;
			}
			else
			{
				srcFirst = displayFirst;
				srcLast = displayLast;
			}
		};
		/** 确保本地曲线覆盖显示下标区间 [displayFirst, displayLast]（含端点）。 */
		const auto ensureLocalCurve = [&](std::size_t displayFirst, std::size_t displayLast) -> bool
		{
			if (!centre)
			{
				return true;
			}
			std::size_t srcFirst = 0;
			std::size_t srcLast = 0;
			toSourceRange(displayFirst, displayLast, srcFirst, srcLast);
			if (state->localValid && state->localBegin <= srcFirst && state->localEnd > srcLast)
			{
				return true;
			}
			const std::size_t windowBegin = (srcFirst > localReach) ? (srcFirst - localReach) : 0;
			std::size_t windowEnd = std::min(count, srcLast + 1u + localReach);
			// 至少覆盖 8 个扫描块：迭代均值滤波每算一次窗口要 O(窗口 × 迭代次数)，
			// 只覆盖一个块会让参数较大时每块都重算一遍（摊薄到 8 个块上就便宜得多）。
			const std::size_t minSpan = kEdgeBlockSamples * 8u;
			windowEnd = std::min(count, std::max(windowEnd, windowBegin + minSpan));
			if (windowEnd <= windowBegin)
			{
				return false;
			}
			std::vector<float> local =
			    ComputeDerivedWindow(signal, windowBegin, windowEnd,
			                         static_cast<int>(DerivedCurveKind::MEAN_FILTER), safePoints,
			                         safeIterations, 0, nullptr, false);
			if (local.size() != (windowEnd - windowBegin))
			{
				++m_edgeScanLocalCurveFails;
				return false;		// 计算失败（例如内存不足）：本帧不推进，下帧重试
			}
			state->localCurve = std::move(local);
			state->localBegin = windowBegin;
			state->localEnd = windowEnd;
			state->localValid = true;
			// 本地窗口的计算成本也计入预算（按「采样数 × 迭代次数」折算），避免一帧算太多。
			const std::size_t cost =
			    (windowEnd - windowBegin) * static_cast<std::size_t>(safeIterations);
			m_edgeScanBudget -= std::min(m_edgeScanBudget, cost);
			return true;
		};

		// 判定基准：**绘制后**的值相对阈值 / 中心曲线的偏差（区间之外 / 缺失值 → NaN）。
		const auto deltaAt = [&](std::size_t index) -> double
		{
			const double nan = std::numeric_limits<double>::quiet_NaN();
			if (index >= count)
			{
				return nan;
			}
			if (filterByTime && index < axis.time.size())
			{
				const double time = axis.time[index];
				if (time < rangeMin || time > rangeMax)
				{
					return nan;
				}
			}
			const std::size_t sourceIndex = mirrored ? ((count - 1) - index) : index;
			if (sourceIndex >= count)
			{
				return nan;
			}
			const double raw = values[sourceIndex];
			if (!std::isfinite(raw))
			{
				return nan;
			}
			const double drawn = transform ? ApplyDrawTransform(style, raw) : raw;
			if (!std::isfinite(drawn))
			{
				return nan;
			}
			if (!centre)
			{
				return drawn - threshold;
			}
			if (!state->localValid || sourceIndex < state->localBegin ||
			    sourceIndex >= state->localEnd)
			{
				return nan;
			}
			const float centerSample = state->localCurve[sourceIndex - state->localBegin];
			if (!std::isfinite(centerSample))
			{
				return nan;
			}
			const double drawnCenter =
			    transform ? ApplyDrawTransform(style, static_cast<double>(centerSample))
			              : static_cast<double>(centerSample);
			return std::isfinite(drawnCenter) ? (drawn - drawnCenter) : nan;
		};

		// ---- 推进（受「每帧总量 + 每状态配额」双重限制）--------------------------
		// ⚠️ 预算在 `Paint` 开头**按帧**重置（不再按 `GetTickCount64()` 分桶）：系统时钟
		//    粒度约 15.6ms，帧率一高就会在同一 tick 内连画多帧而完全不推进 —— 用户报告的
		//    “按住横向光标不动时统计卡在统计中”“回车确认参数后不移动鼠标就一直停在部分值”
		//    就是这个原因。
		// ⚠️ 同时**每个状态各自持有配额**：否则推进总从列表第一个状态扫起，多条信号时
		//    只有第一条有进展、其余长期显示“统计中…”（用户报告“很多项都停在统计中不更新”）。
		const bool suppressPartial = state->justReset && !state->complete;
		if (!state->complete && !state->blockRising.empty())
		{
			// ⚠️ 分母只数**还没扫完**的状态：已完成的状态不再消耗配额，若把它们也算进分母，
			// 上百条短信号里夹着几条千万级长信号时，长信号每帧只能分到 1/300 的预算
			// （实测要 20 分钟才出结果）。按“未完成数”分摊后，短信号一完成就把预算让出来。
			std::size_t activeStates = 0;
			for (const EdgeScanState& candidate : m_edgeScans)
			{
				if (!candidate.complete)
				{
					++activeStates;
				}
			}
			activeStates = std::max<std::size_t>(1, activeStates);
			const std::size_t share = std::max<std::size_t>(kEdgeScanFairShare, activeStates);
			// ⚠️ **不要给每状态一个固定下限**（旧实现是 `max(60000, budget/share)`）：
			// 状态数一多，下限就让**前几个状态**（恰好是网格里最前面的信号）吃掉整帧预算，
			// 后面的信号永远分不到配额 ⇒ 一直显示“统计中…”（用户 2026-11-02 报告的
			// 288 信号场景）。改为纯按未完成状态数平分本帧预算（至多 1）。
			const std::size_t perState = std::max<std::size_t>(1, m_edgeScanBudget / share);
			if (state->pumpedFrame != m_edgeScanFrame)
			{
				state->pumpedFrame = m_edgeScanFrame;
				state->pumpedPairs = 0;
			}
			std::size_t quota = (perState > state->pumpedPairs) ? (perState - state->pumpedPairs) : 0;
			quota = std::min(quota, m_edgeScanBudget);
			if (quota > 0)
			{
				state->justReset = false;
				// 快路径：时间单调、无水平镜像、无「调整」变换、非中心轴 ⇒ 直接比较采样值与阈值。
				// （NaN 与任何数比较都为 false ⇒ 天然满足"NaN 不参与且打断连续"的语义。）
				// 绝大多数信号都走这条，单次预算的耗时因此从 ~18ms 降到 ~2ms。
				const bool plainFast = monotonic && !mirrored && !transform && !centre;
				std::size_t scanned = 0;
				std::size_t pair = state->scannedPair;
				std::size_t block = (pair > 0) ? ((pair - 1) / kEdgeBlockSamples) : 0;
				/** @brief 本帧的**时间预算**是否已用完（每块检查一次，QPC 开销可忽略）。 */
				const auto timeUp = [this]() -> bool
				{
					if (m_edgeScanDeadline <= 0)
					{
						return false;
					}
					LARGE_INTEGER now = {};
					QueryPerformanceCounter(&now);
					return now.QuadPart >= m_edgeScanDeadline;
				};
				while (pair < count && scanned < quota && m_edgeScanBudget > 0)
				{
					const std::size_t blockFirst = block * kEdgeBlockSamples + 1;
					const std::size_t blockLast = std::min(count - 1, (block + 1) * kEdgeBlockSamples);
					const std::size_t from = std::max(pair, blockFirst);
					const std::size_t avail = std::min(quota - scanned, m_edgeScanBudget);
					const std::size_t to = std::min(blockLast, from + avail - 1);
					if (to < from)
					{
						break;
					}
					// 中心轴：先确保本地区间曲线覆盖本块（含两端各一个采样点，供边界比较）。
					if (!ensureLocalCurve(from - 1, to))
					{
						break;		// 算不出来（内存不足等）：本帧到此为止，下帧重试
					}
					std::size_t localRising = 0;
					std::size_t localFalling = 0;
					if (plainFast)
					{
						double previous = values[from - 1] - threshold;
						for (std::size_t index = from; index <= to; ++index)
						{
							const double current = values[index] - threshold;
							if (previous < 0.0 && current >= 0.0)
							{
								++localRising;
							}
							else if (previous > 0.0 && current <= 0.0)
							{
								++localFalling;
							}
							previous = current;
						}
					}
					else
					{
						double previous = deltaAt(from - 1);
						for (std::size_t index = from; index <= to; ++index)
						{
							const double current = deltaAt(index);
							if (std::isfinite(previous) && std::isfinite(current))
							{
								if (previous < 0.0 && current >= 0.0)
								{
									++localRising;
								}
								else if (previous > 0.0 && current <= 0.0)
								{
									++localFalling;
								}
							}
							previous = current;
						}
					}
					if (block < state->blockRising.size())
					{
						state->blockRising[block] += localRising;
						state->blockFalling[block] += localFalling;
					}
					state->rising += localRising;
					state->falling += localFalling;
					scanned += (to - from + 1);
					pair = to + 1;
					if (to == blockLast)
					{
						++block;
					}
					if (timeUp())
					{
						break;	// 本帧的时间预算用完：剩下的帧接着扫
					}
				}
				state->scannedPair = pair;
				state->complete = (pair >= count);
				if (state->complete)
				{
					// 扫完后**释放**本地曲线（区间查询需要时会按需重算）——
					// 否则多信号网格下每个状态都要常驻几十 KB~几 MB。
					state->localCurve.clear();
					state->localCurve.shrink_to_fit();
					state->localBegin = 0;
					state->localEnd = 0;
					state->localValid = false;
				}
				state->pumpedPairs += scanned;
				m_edgeScanBudget -= std::min(m_edgeScanBudget, scanned);
				if (scanned > 0)
				{
					// 数字（或“是否扫完”）变了 ⇒ 面板缓存键要跟着变，否则会一直贴旧像素。
					++m_edgeScanRevision;
				}
			}
		}

		// ---- 汇总请求区间 -------------------------------------------------------
		// 内部整块用块和相加，只有两端边界块（≤ 2 块）需要就地精确扫描
		// ⇒ 拖动**时间**光标时单帧代价与区间长度无关。
		if (!suppressPartial)
		{
			const std::size_t limit =
			    (state->scannedPair > 0) ? std::min(pairLast, state->scannedPair - 1) : 0;
			if (limit >= pairFirst)
			{
				const std::size_t firstBlock = (pairFirst - 1) / kEdgeBlockSamples;
				const std::size_t lastBlock = (limit - 1) / kEdgeBlockSamples;
				bool boundaryOk = true;
				for (std::size_t block = firstBlock; block <= lastBlock && boundaryOk; ++block)
				{
					const std::size_t blockFirst = block * kEdgeBlockSamples + 1;
					const std::size_t blockLast = std::min(count - 1, (block + 1) * kEdgeBlockSamples);
					const std::size_t low = std::max(pairFirst, blockFirst);
					const std::size_t high = std::min(limit, blockLast);
					const bool wholeBlock = (low == blockFirst) && (high == blockLast) &&
					                        (state->scannedPair > blockLast) &&
					                        (block < state->blockRising.size());
					if (wholeBlock)
					{
						rising += state->blockRising[block];
						falling += state->blockFalling[block];
						continue;
					}
					// 边界块 / 尚未扫完的块：就地精确扫描这一小段（≤ 1 个块）。
					if (!ensureLocalCurve(low - 1, high))
					{
						boundaryOk = false;		// 中心轴曲线算不出来：本帧不展示（下帧重试）
						break;
					}
					double previous = deltaAt(low - 1);
					for (std::size_t index = low; index <= high; ++index)
					{
						const double current = deltaAt(index);
						if (std::isfinite(previous) && std::isfinite(current))
						{
							if (previous < 0.0 && current >= 0.0)
							{
								++rising;
							}
							else if (previous > 0.0 && current <= 0.0)
							{
								++falling;
							}
						}
						previous = current;
					}
				}
				// 边界块扫描失败（中心轴曲线算不出来）时不展示结果：保持 complete=false。
				complete = boundaryOk && (pairLast < state->scannedPair);
			}
			else
			{
				complete = (pairLast < state->scannedPair);
			}
		}
		if (!complete)
		{
			RequestEdgeScanFrame();
		}
	}

	void PlotView::EdgeCountsFor(const TimeAxis& axis, const SignalData& signal, const SignalStyle& style,
	                             double edgeValue, bool hasRange, double rangeMin, double rangeMax,
	                             std::size_t& rising, std::size_t& falling, bool& complete) const
	{
		EdgeScanFor(axis, signal, style, false, edgeValue, 0, 1, hasRange, rangeMin, rangeMax, rising,
		            falling, complete);
	}

	void PlotView::EdgeCenterCountsFor(const TimeAxis& axis, const SignalData& signal,
	                                   const SignalStyle& style, int points, int iterations,
	                                   bool hasRange, double rangeMin, double rangeMax,
	                                   std::size_t& rising, std::size_t& falling, bool& complete) const
	{
		// 与普通边沿计数完全共用同一套「逐块累积 + 每 tick 预算推进」机制；
		// 区别只在判定基准（信号 − 中心平均值曲线）与所需曲线（均值滤波，需整条）。
		EdgeScanFor(axis, signal, style, true, 0.0, points, iterations, hasRange, rangeMin, rangeMax,
		            rising, falling, complete);
	}


	bool PlotView::EdgeRangeActive() const
	{
		return m_tab != nullptr && Tab().CursorMode() == PlotCursorMode::DOUBLE;
	}

	double PlotView::EdgeRangeMin() const
	{
		if (m_tab == nullptr)
		{
			return 0.0;
		}
		// 左右光标可能被拖动交换：始终取较小者为区间左端。
		return std::min(Tab().CursorTime(), Tab().CursorTimeAlt());
	}

	double PlotView::EdgeRangeMax() const
	{
		if (m_tab == nullptr)
		{
			return 0.0;
		}
		return std::max(Tab().CursorTime(), Tab().CursorTimeAlt());
	}

	std::wstring PlotView::EdgeRangeSuffix() const
	{
		return EdgeRangeActive() ? std::wstring(L"（光标区间内）") : std::wstring();
	}

	bool PlotView::ToggleLaneAutoFitToSelection(int laneIndex)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return false;
		}
		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		lane.fitYToSelection = !lane.fitYToSelection;
		if (lane.fitYToSelection)
		{
			// 打开时立即按当前视图自适应一次，否则当前量程不合适时看不到任何变化。
			AutoRangeLaneToView(laneIndex);
		}
		return lane.fitYToSelection;
	}

	void PlotView::ApplyAutoFitToSelectionNow(int laneIndex)
	{
		if (m_tab == nullptr || laneIndex < 0 || laneIndex >= static_cast<int>(m_tab->Lanes().size()))
		{
			return;
		}
		if (!m_tab->Lanes()[static_cast<std::size_t>(laneIndex)].fitYToSelection)
		{
			return;
		}
		AutoRangeLaneToView(laneIndex);
	}

	void PlotView::ApplyAllAutoFitToSelectionNow()
	{
		if (m_tab == nullptr)
		{
			return;
		}
		const std::size_t count = m_tab->Lanes().size();
		for (std::size_t index = 0; index < count; ++index)
		{
			ApplyAutoFitToSelectionNow(static_cast<int>(index));
		}
	}

	bool PlotView::SetAllLanesAutoFitToSelection(bool enabled, bool applyNow)
	{
		if (m_tab == nullptr)
		{
			return false;
		}
		bool changed = false;
		for (Lane& lane : m_tab->Lanes())
		{
			if (lane.fitYToSelection != enabled)
			{
				lane.fitYToSelection = enabled;
				changed = true;
			}
		}
		if (enabled && applyNow)
		{
			// 全局打开时立刻让每个网格都自适应一次，保证界面立刻反映开关状态。
			ApplyAllAutoFitToSelectionNow();
		}
		return changed;
	}

	bool PlotView::AutoRangeLaneToView(int laneIndex)
	{
		if (m_tab == nullptr || m_dataSet == nullptr)
		{
			return false;
		}

		const std::vector<Lane>& lanes = m_tab->Lanes();
		if (laneIndex < 0 || laneIndex >= static_cast<int>(lanes.size()))
		{
			return false;
		}

		const double viewMin = Tab().ViewMin();
		const double viewMax = Tab().ViewMax();
		if (!(viewMax > viewMin))
		{
			return false;
		}

		// 只统计时间轴当前可见区间内的采样点，因此放大局部波形后可以快速把该段铺满网格。
		double low = std::numeric_limits<double>::infinity();
		double high = -std::numeric_limits<double>::infinity();

		for (const SignalRef& ref : lanes[static_cast<std::size_t>(laneIndex)].signals)
		{
			if (!Tab().IsVisible(ref))
			{
				continue;
			}
			const SignalData* signal = m_dataSet->Resolve(ref);
			const TimeAxis* axis = m_dataSet->Axis(ref);
			if (signal == nullptr || axis == nullptr)
			{
				continue;
			}

			const std::size_t count = std::min(axis->time.size(), signal->values.size());
			const SignalStyle* style = m_dataSet->Style(ref);
			// 时间偏移：可见采样对应的源时刻区间要整体左移（画在 t + shift 处）。
			const double timeShift = (style != nullptr) ? style->offsetTime : 0.0;
			const double sourceMin = viewMin - timeShift;
			const double sourceMax = viewMax - timeShift;
			std::size_t begin = 0;
			std::size_t end = count;
			if (axis->monotonic)
			{
				// 时间单调时直接二分定位区间，百万级采样也只需扫过可见段。
				begin = static_cast<std::size_t>(
				    std::lower_bound(axis->time.begin(), axis->time.end(), sourceMin) - axis->time.begin());
				if (begin > 0)
				{
					--begin;
				}
				end = static_cast<std::size_t>(
				    std::lower_bound(axis->time.begin(), axis->time.end(), sourceMax) - axis->time.begin());
				if (end < count)
				{
					++end;
				}
			}
			// ⚠️ 二分作用在**整条** `axis->time` 上，而可访问的采样数是 `count =
			// min(时间轴长度, values 长度)`。分组的时间轴比某条信号长时（多信号共轴、
			// 有的信号短），`begin/end` 会超出 `values` 的范围 ⇒ 下面的逐点扫描越界读。
			// 本组件其它索引遍历（`HasVisibleSample` / `VisibleIndexRange` / `BuildPolyline`）
			// 都做了同样的夹取。
			begin = std::min(begin, count);
			end = std::min(end, count);

			// ⚠️ **性能：把样式指针提到循环之外**。`DataSet::Style(ref)` 每次调用都要做
			// 指针解析与边界检查；放在循环体里等于**每个采样点解析两次**
			//（实测全段自适应因此从 147ms 劣化到 1200ms —— 8 倍回归）。
			const SignalStyle* resolvedStyle = style;	// 可能为 nullptr（视为无变换）
			const bool mirrored = (resolvedStyle != nullptr) && resolvedStyle->mirrorHorizontal;
			const bool transform = (resolvedStyle != nullptr) &&
			                       (resolvedStyle->gain != 1.0f || resolvedStyle->absolute ||
			                        resolvedStyle->mirrorVertical || resolvedStyle->offsetY != 0.0f ||
			                        resolvedStyle->HasFormula());

			// ⚠️ **整段自适应直接取信号已缓存的 min/max**（O(1)）：
			// 当视界覆盖整条信号、且该信号没有任何数值变换时，逐点扫描的结果与
			// `ComputeStats` 预存的 min/max 完全一致。工具栏「Y 轴自适应」开关在全视图下
			// 会一次性对全部网格做这件事 —— 逐点扫描 2580 万 × 5 是秒级卡顿（实测 1200ms），
			// 这里改为 O(1)。
			if (axis->monotonic && begin == 0 && end == count && !mirrored && !transform &&
			    signal->finiteCount > 0)
			{
				low = std::min(low, signal->minValue);
				high = std::max(high, signal->maxValue);
				continue;
			}

			if (!mirrored && !transform)
			{
				// 无变换：与既有实现完全一致的紧凑循环（无逐点分支，便于向量化）。
				for (std::size_t index = begin; index < end; ++index)
				{
					if (!axis->monotonic)
					{
						const double t = axis->time[index];
						if (!std::isfinite(t) || t < sourceMin || t > sourceMax)
						{
							continue;
						}
					}
					const double value = signal->values[index];
					if (!std::isfinite(value))
					{
						continue;
					}
					low = std::min(low, value);
					high = std::max(high, value);
				}
				continue;
			}

			// 有变换（系数 / 绝对值 / 镜像 / Y 偏移）或水平镜像：逐点套用与绘制**相同**的变换。
			// ⚠️ 自适应必须基于**画出来的曲线**，否则调整系数/镜像后自适应范围会按原始数据算错
			//（用户报告"自适应区域错误，看上去还是按照原始数据来的"）。
			// 水平镜像时画面上的第 index 个位置取源下标 count-1-index 的值。
			for (std::size_t index = begin; index < end; ++index)
			{
				if (!axis->monotonic)
				{
					const double t = axis->time[index];
					if (!std::isfinite(t) || t < sourceMin || t > sourceMax)
					{
						continue;
					}
				}
				const std::size_t sourceIndex =
				    (mirrored && count > 0) ? ((count - 1) - index) : index;
				if (sourceIndex >= count)
				{
					continue;
				}
				const double raw = signal->values[sourceIndex];
				if (!std::isfinite(raw))
				{
					continue;
				}
				const double value = transform ? ApplyDrawTransform(*resolvedStyle, raw) : raw;
				if (std::isfinite(value))
				{
					low = std::min(low, value);
					high = std::max(high, value);
				}
			}
		}

		if (!std::isfinite(low) || !std::isfinite(high))
		{
			return false;
		}

		// ⚠️ 留白必须与整段自适应（`TabConfig::ComputeLaneRange` → `PadRange`）**共用同一规则**
		//（`PadValueRange`）：否则「点过适应视图后再打开 Y 轴自适应」会因为留白不同
		//（6% vs 5%）而算出不一样的区间，网格被无意义地重绘一次；
		// 反向（关掉 Y 轴自适应再点适应视图）同样会变。
		PadValueRange(low, high);

		Lane& lane = m_tab->Lanes()[static_cast<std::size_t>(laneIndex)];
		lane.autoRange = false;
		lane.yMin = low;
		lane.yMax = high;
		BuildLaneVisuals();
		return true;
	}

	void PlotView::ApplySelectionAutoFit()
	{
		if (m_tab == nullptr || m_dataSet == nullptr)
		{
			return;
		}

		const std::vector<Lane>& lanes = m_tab->Lanes();
		bool any = false;
		for (const Lane& lane : lanes)
		{
			if (lane.fitYToSelection)
			{
				any = true;
				break;
			}
		}
		if (!any)
		{
			return;
		}

		// 只对开启了「选区 Y 轴自适应」的网格重新匹配 Y 轴；
		// 重新匹配依据的是刚刚更新过的时间视图范围。
		for (std::size_t index = 0; index < lanes.size(); ++index)
		{
			if (m_tab->Lanes()[index].fitYToSelection)
			{
				AutoRangeLaneToView(static_cast<int>(index));
			}
		}
	}

	void PlotView::ReapplyGlobalAutoFitIfEnabled()
	{
		if (m_tab == nullptr || m_dataSet == nullptr)
		{
			return;
		}
		// 与工具栏「Y 轴自适应」按钮的勾选判据完全一致（全部网格都开启才叫“全局开启”）。
		if (!AllLanesAutoFitToSelection())
		{
			return;
		}
		// 结构变化后重新匹配一次：新网格要按当前视界自适应，
		// 移除信号后的网格也要按剩下信号重新收敛（旧幅值区间是按旧信号集合算的）。
		ApplyAllAutoFitToSelectionNow();
	}

	bool PlotView::UpdateAutoScatterStyles()
	{
		if (m_dataSetWritable == nullptr || m_tab == nullptr)
		{
			return false;
		}

		bool changed = false;
		// 只处理当前标签页里**可见**的信号：绘制方式的自动切换是「视界」驱动的，
		// 看不见的信号与当前视界无关（它们可见时会经 `RefreshLanes` 再判一次）。
		for (const Lane& lane : m_tab->Lanes())
		{
			for (const SignalRef& ref : lane.signals)
			{
				if (!m_tab->IsVisible(ref))
				{
					continue;
				}
				const TimeAxis* axis = m_dataSetWritable->Axis(ref);
				const SignalData* data = m_dataSetWritable->Resolve(ref);
				SignalStyle* style = m_dataSetWritable->Style(ref);
				if (axis == nullptr || data == nullptr || style == nullptr)
				{
					continue;
				}

				// ⚠️ **只有一个有效采样点**的信号**不参与**自动切换：
				// 它们的初始样式固定为「散点」（见 `ApplySinglePointDefaultStyle`），而信号面板的
				// 「线段」/「点线」按钮已对其置灰（用户 2026-10-16 要求）——
				// 若这里再自动写成「点线」，用户会看到一个“已置灰却仍处于点线态”的矛盾状态。
				if (data->finiteCount == 1)
				{
					style->autoScatterActive = false;
					style->autoScatterUserOverride = false;
					continue;
				}

				// ⚠️ **先**判定“用户是否手动改过绘制方式”：本机制只会写入「点线」，
				// 所以自动启用期间 mode 不等于「点线」只可能是用户改的。
				// 这一步必须在下面的分支之前做 —— 用户改完样式可能**紧接着就缩出去**
				// （例如直接点适应视图），那次调用的视界已经不再满足条件，若等到那时才判定，
				// 恢复逻辑会先把用户的修改覆盖掉（用户明确要求不能这样）。
				if (style->autoScatterActive && style->mode != DrawMode::LINE_SCATTER)
				{
					style->autoScatterUserOverride = true;
				}

				// 判定改为**用户 2026-10-17 重新定义的新规则**：按缩放后的横向时间轴网格划分小格，
				// **只要存在任何一个小格内的数据点少于 5 个**就自动切「点线」（局部稀疏即提示）；
				// 不再满足时（适应视图、或把视界移到信号的稠密区）自动恢复原样式。
				// ⚠️ 可见性同样按**显示时间**判断（含 `offsetTime`）。
				// ⚠️ 「光标吸附」用的是**同一个判定**（`MinorCellSparse`），用户要求两者“同样的状态判定”。
				if (MinorCellSparse(*axis, *data, style->offsetTime))
				{
					if (!style->autoScatterActive)
					{
						// ⚠️ **只有「线段」模式的信号才自动切「点线」**（用户 2026-10-17 要求）：
						// 本来就是「散点」的信号放大后**不**自动切换（散点已经足够提示数据点位置，
						// 再叠上线段反而干扰）；已经是「点线」的也不需要动。
						// ⚠️ 用户在此期间手动改过样式时也不切换，避免“改完下一帧又被改回去”。
						if (style->mode != DrawMode::LINE || style->autoScatterUserOverride)
						{
							style->autoScatterActive = false;
							continue;
						}
						// 进入阈值：保存原绘制方式并自动切到「点线」提示用户数据点位置。
						style->autoScatterSavedMode = style->mode;
						style->autoScatterActive = true;
						style->autoScatterUserOverride = false;
						style->mode = DrawMode::LINE_SCATTER;
						changed = true;
					}
				}
				else if (style->autoScatterActive)
				{
					// 退出阈值（例如适应视图）：恢复自动启用之前的绘制方式；
					// 但用户手动改过时**不恢复**（尊重用户的选择）。
					style->autoScatterActive = false;
					if (!style->autoScatterUserOverride && style->mode != style->autoScatterSavedMode)
					{
						style->mode = style->autoScatterSavedMode;
						changed = true;
					}
					style->autoScatterUserOverride = false;
				}
			}
		}
		return changed;
	}

	float PlotView::SinglePointDotRadius(const ResolvedSignal& resolved) const
	{
		if (resolved.style == nullptr)
		{
			return kMinScatterRadius * m_scale;
		}
		// 与 `PaintLane` / 拖拽虚影画那个点时的半径**完全同源**（散点半径随线宽线性增长），
		// 命中判定与光晕半径都复用它，三者不会出现“看着点中了却没反应”。
		const double radius = ClampDouble(static_cast<double>(resolved.style->lineWidth) * kScatterRadiusScale,
		                                 static_cast<double>(kMinScatterRadius),
		                                 static_cast<double>(kMaxScatterRadius));
		return static_cast<float>(radius) * m_scale;
	}

	bool PlotView::SinglePointScreenPos(const ResolvedSignal& resolved, const LaneVisual& lane,
	                                    gd::PointF& out) const
	{
		if (resolved.data == nullptr || resolved.axis == nullptr || resolved.style == nullptr)
		{
			return false;
		}
		if (resolved.data->finiteCount != 1)
		{
			return false;
		}
		double time = 0.0;
		double value = 0.0;
		if (!SinglePointOfSignal(*resolved.data, *resolved.axis, time, value))
		{
			return false;
		}
		// 与绘制一致：采样画在 `t + offsetTime` 处，取值先过「调整」变换。
		const double displayTime = time + resolved.style->offsetTime;
		const double drawValue = ApplyDrawTransform(*resolved.style, value);
		if (!std::isfinite(displayTime) || !std::isfinite(drawValue))
		{
			return false;
		}
		out.X = TimeToX(displayTime);
		out.Y = ValueToY(drawValue, lane);
		return true;
	}


} // namespace jdi