feat: implement dynamic time-domain LOD zoom, locked axis multipliers, and clean 4-column CSV export

ARCHITECTURE.md

@@ -59,15 +59,25 @@ A reactive "Single Page Application" (SPA) approach.
 - **API `/api/filter`**: 接收檔案 ID 與係數參數，返回兩組數列（Float / Fixed）。
 - **UI 圖表**: 同時繪製兩條曲線，讓開發者直觀判斷量化是否導致不穩定 (Instability) 或顯著失真。
 
-### 3. 高效能資料處理架構 (High-Performance Data Processing)
-- **檔案快取與防呆**:
-  - 支援高達 **300 MB** 的 CSV 檔案上傳。
-  - 當檔案被選擇後，立即背景上傳至後端暫存區 (`temp_csv/`)，避免重複傳輸。
-  - 嚴格限制時域運算最多處理 **1,200,000 筆** 資料點，保護伺服器不因 O(N) 的純 Python 整數運算而死當。
-- **精準記憶體讀取**: 
-  - 利用 Pandas 的 `usecols` 參數，僅載入使用者選定的單一訊號欄位，極大幅度降低記憶體佔用。
-- **即時預覽 (Live Preview)**:
-  - 透過前端的 Debounce 機制 (500ms)，當使用者點擊 +/- 按鈕微調 Q-format 參數或係數時，系統會自動使用快取的檔案呼叫 API 並重繪圖表，達成無縫且直覺的實驗體驗。
+### 3. 高效能資料處理與區域高畫質重取樣架構 (Adaptive LOD & Resampling)
+- **區域高畫質重取樣 (LOD Zoom Resampling)**:
+  - 當使用者在前端圖表進行 Zoom / Pan 縮放時，系統會捕捉可視的時序區間，轉換成數列 Index，向後端發送包含 `start_idx` 與 `end_idx` 的 Form 參數。
+  - 後端保持**全時域 IIR 濾波器狀態暫存與記憶運算**（保證濾波響應的物理與數學狀態 100% 正確），但僅針對該可視區間進行切片 (Slice) 並降採樣至 5,000 點傳回，在大幅減少頻寬的同時，讓使用者在 Zoom In 後依然能看到最高精度的時域微小细節（如量化雜訊與過渡漣波）。
+- **時序比例鎖定 (Stable Time Scaling)**:
+  - 將時間軸單位與 multiplier 在波形**首次全載入時進行計算與鎖定**（如 `ms`、`μs` 或 `s`），避免了 Plotly `uirevision` 狀態因 Zoom In 觸發單位動態改變所引發的座標軸錯位（Clashing）。
+- **重繪遞迴鎖定旗標 (Redraw Loop Lock)**:
+  - 實作了 `isRedrawingTimePlot` 狀態鎖。在前端執行 `Plotly.react()` 佈局重繪時，自動遮蔽並忽略所引發的同步 `plotly_relayout` 佈局回呼，完全消除了繪圖重繪與 API 請求之間的 recursive 無窮迴圈，保證在 50 萬筆大資料下縮放依然流暢。
+
+### 4. 限縮數據全新 CSV 匯出與多長度支援 (Restructured Export & NaN-Dropping)
+- **精簡 4 欄 CSV 結構**: 
+  - 匯出下載功能不再沿用並污染原本包含無數無關欄位的上傳 CSV 檔案，而是主動為使用者建構並匯出一個**全新、精簡的 4 欄式專屬 CSV 檔案**：
+    1. `Time (s)`：由前端傳送取樣率 `fs`，後端根據實際數據點 Index 精確計算之秒數時間軸。
+    2. `[原輸入欄位]`：去除無效欄位與尾部 NaN 的原始時域輸入。
+    3. `[原輸入欄位]_filtered_ideal`：理想浮點數二階級聯濾波器輸出。
+    4. `[原輸入欄位]_filtered_fixed`：定點數硬體級 Round/Floor 濾波器模擬輸出。
+- **不同訊號長度支援 (NaN-Dropping)**:
+  - 後端 CSV 處理器支援每一訊號欄位擁有**獨立的實體有效長度**。當資料讀入時，後端會自動套用 `.dropna()` 拋棄尾部空白 `NaN`，並將系統點數 `total_points` 動態截斷為實際有效長度（例如 Step 預設訊號自動截斷為 `100 ms` 的 10,001 行，McDonald's Wave 自動截斷為 `200 ms` 的 20,001 行），極大提升了模擬運算速度與匯出精準度。
+  - 同時實施了索引遮罩比對 `(numeric_nans & ~original_nans)`，能精準區分「因長度不足產生的尾部空白」與「因 CSV 資料損毀產生的非數值字串 (如 bad)」，確保上傳檔案的安全驗證防線不被破壞。
 
 ---