CN106353548B - 用于分类待测信号波形的方法和装置 - Google Patents
用于分类待测信号波形的方法和装置 Download PDFInfo
- Publication number
- CN106353548B CN106353548B CN201610620308.5A CN201610620308A CN106353548B CN 106353548 B CN106353548 B CN 106353548B CN 201610620308 A CN201610620308 A CN 201610620308A CN 106353548 B CN106353548 B CN 106353548B
- Authority
- CN
- China
- Prior art keywords
- signal
- waveform
- under test
- signal waveform
- samples
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R13/00—Arrangements for displaying electric variables or waveforms
- G01R13/02—Arrangements for displaying electric variables or waveforms for displaying measured electric variables in digital form
- G01R13/0209—Arrangements for displaying electric variables or waveforms for displaying measured electric variables in digital form in numerical form
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R13/00—Arrangements for displaying electric variables or waveforms
- G01R13/02—Arrangements for displaying electric variables or waveforms for displaying measured electric variables in digital form
- G01R13/029—Software therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R13/00—Arrangements for displaying electric variables or waveforms
- G01R13/02—Arrangements for displaying electric variables or waveforms for displaying measured electric variables in digital form
- G01R13/0218—Circuits therefor
- G01R13/0254—Circuits therefor for triggering, synchronisation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
- Measuring Frequencies, Analyzing Spectra (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本发明涉及用于分类待测信号波形的方法和装置。提供了一种分类待测信号波形用于适当的数值测量的方法,包括获取指示待测信号波形的波形数据,分析波形数据,根据已分析波形数据确定信号波形类型,以及基于所确定的信号波形类型激活待测信号波形的适当的数值测量。还提供了被配置成执行所公开的方法中的任何的测试和测量仪器。
Description
技术领域
本公开涉及用于分类信号的方法和装置,并且特别地,涉及用于分类待测信号波形的方法和装置,例如,以用于由测试和测量仪器进行的适当的数值测量。
背景技术
本公开一般地涉及在使用测试和测量仪器(诸如示波器)时对信号波形的最适当的数值参数的自动选择和测量。
示波器显示信号的波形,但是用户通常需要信号的数值测量,例如频率、峰峰电压、均方根(R.M.S.)电压或要连同信号波形的显示被测量的(一个或多个)其它数值参数。
对于传统的示波器,(一个或多个)最适当的数值参数或测量的选择需要用户识别信号波形,并且然后手动选择以激活(一个或多个)适当的数值参数/测量。
因此,具有自动化方法和装置以在测试和测量仪器中选择适当的数值参数和测量将是所期望的。
这减少了用户所需的相关思考过程以及测试仪器的手动操作的量,使得使用起来更快且更加简单,即便是由缺乏经验的人员来使用。
本公开的某些实施例的目标是克服与现有技术相关联的至少一些缺点。
发明内容
如在随附权利要求中描述的那样,本发明提供一种分类待测信号波形的方法。
在从属权利要求中陈述本发明的具体实施例。
从下文中描述的实施例本发明的这些和其它方面将变得显而易见,且参考下文中描述的实施例来阐述本发明的这些和其它方面。
本公开中的示例分析输入信号,确定信号形式(不考虑频率或振幅),并且然后针对该信号波形自动地选择(一个或多个)最适当的数值参数/测量。下面描述的具体示例涉及常见电信号;然而如果需要可以将基本概念定制成辨别其它具体信号。
附图说明
下文参考附图来进一步描述本公开的实施例,其中:
图1示出了根据示例实施例的具有信号波形分类能力的数字示波器的一般化框图;
图2示出了根据示例实施例的分类信号的方法的高层流程图;
图3示出了根据示例实施例的分类信号的方法的波形分析部分的更详细的流程图;
图4示出了作用于待测方波信号的噪声滤波过程的示例;
图5示出了根据示例实施例的用于匹配滤波测试的第一示例匹配滤波类型;
图6示出了根据示例实施例的用于匹配滤波测试的第二示例匹配滤波类型;
图7根据示例实施例示出了待测信号波形的第一示例,其形式为正弦波,以及可以如何对该待测信号波形进行直方图装仓(bin);
图8根据示例实施例示出了待测信号波形的第二示例,其形式为半波整流正弦波,以及可以如何对该待测信号波形进行直方图装仓;
图9根据示例实施例示出了待测信号波形的第三示例,其形式为纯方波,以及可以如何对该待测信号波形进行直方图装仓;
图10根据示例实施例示出了待测信号波形的第四示例,其形式为失真方波,以及可以如何对该待测信号波形进行直方图装仓;
图11a至11j示出了根据示例实施例的可以被辨别的不同信号分类/类型的示例;
图12a至12c示出了根据示例实施例的用于判定正向测试和测量仪器中输入什么类型的信号的判定树。为了易辨认,这些图为遍布多页的单个表格;以及
图13示出了根据示例实施例的用于分类信号的测试和测量装置的示例实现。
具体实施方式
本公开的实施例提供了用于分类待测信号的波形类型的方法和装置,其可以被用在诸如数字示波器等的测试和测量仪器中。在一些实施例中,测试和测量仪器可以是手持式测试和测量设备。示例可以数值性地表征并且然后分类任何输入信号波形以便测试和测量仪器可以自动地选择适当的数值测量。例如,如果未知的输入信号波形为正弦波,那么最适当的数值测量可以是电压rms和频率。可以通过对测试值、模板等的适当调整或添加另外的具体测试针对任何输入信号波形类型来扩展或优化示例。
现在紧接着将以数字示波器的形式描述具体示例,然而,将领会的是,可以在任何适当的测试和测量仪器中具体化示例。
参考附图的图1,示出了根据本发明的示例的具有信号波形分类能力的数字示波器100的一般化框图。数字示波器100还可以具有诸如自动触发的触发识别能力以调整所接收的输入信号的振幅和/或时基,以便如本文描述的那样捕获重复输入信号的至少一个完整周期用于接下来的信号类型分类。在美国专利号 6,621,913中公开了自动触发的适当示例,藉此通过引用以其整体将其并入。
回到图1,例如携带要被分类的信号波形的输入模拟信号经由输入端子10被施加到可选的信号调理电路110,其可适当地包括常规输入耦合、衰减器、以及用以将输入信号10调理到适当水平用于由波形数字化装置120进一步处理的前置放大器。波形数字化装置120可以适当地包括常规模数转换器,其以由内部采样时钟确定的速率来沿着输入信号的波形采样瞬时点并将其转换为数字化数据。在获取逻辑电路160的控制下,这样产生的数字数据流被存储在波形存储器130中作为多个数字样本,获取逻辑电路160可以包括微处理器等连同数字信号处理电路以通过常规方式提供波形获取逻辑,以及提供根据本发明的信号波形分类。示例数字示波器100还包括用于在整个测试和测量仪器电路的各部分之间发射和接收数据的总线125。示波器还可以包括被耦合到总线125的***CPU 150以及显示***,以便输出波形和相关联的波形参数数据可以被显示给用户。***CPU 150可以可选地调整显示作为所描述的波形分类方法的结果。
输入模拟信号(即待测信号)可以从信号调理电路110被截取并被施加到初始触发(raw-trigger)电路140的一个输入端。初始触发电路140将输入模拟信号和由获取逻辑电路160提供的电平信息进行比较,并且例如在发生电平交叉事件时产生适当的初始触发信号。初始触发信号被施加到获取逻辑电路160,根据某些实施例在其处进一步处理此类初始触发信号以放出有效触发信号,以暂停波形获取并冻结波形存储器130的内容。此后,被存储在波形存储器130中的波形信息可以被处理并被发送到具有显示屏的显示***170,以通过例如常规的振幅对时间的形式来显示波形。
通过使用具有适当触发能力的测试和测量仪器,对于重复输入信号,该结果是正在被保存在波形存储器130中(例如,在可以是波形存储器130中的多个数字样本的波形数据记录中)的输入信号的至少一个完整周期,加之下一触发的期望时间窗(其可以近似地为输入信号的所确定的重复速率)。对于非重复信号来说,没有下一触发时间窗可以被识别,并且数字存储器130可以例如简单地用数字样本来填充波形数据记录,直至用于单个测量波形数据记录的(所分配的、或可用的)存储容量极限。
在波形存储器130中用于下一触发的时间窗数据入口的存在可以作为待测/正被测量信号是重复的指示,同时没有时间窗数据入口可以指示信号是非重复的。
然后可以例如使用示波器100的频率计数器功能来测量信号的准确重复速率(或频率)。频率计数器功能测量落入已定义时间窗内的触发之间的时间(即,针对重复信号的单个周期时间)。在重复信号的情况下,这给出了针对频率的结果,但是在其中没有时间窗可以被定义的非重复信号的情况下,无法进行频率的测量。上述动作的结果产生波形存储器130部分,其包括要么重复信号的至少一个完整周期、要么被用(例如,随机流类型输入信号的)非重复数据填满直至预定存储容量极限;针对重复或非重复信号类型的标记;以及,针对重复信号,重复频率的精确测量。
图2图解根据示例的分类待测信号波形的方法200。方法200可以由诸如如图1中图解的数字示波器100的测试和测量仪器装置执行。
该方法包括针对待测信号波形210捕获(获取)波形数据的可选的第一阶段。该捕获步骤在一些示例中可以是可选的,因为信号分类可以由与实际捕获输入信号的实体不同的实体来执行。例如,所捕获的数据可以被远程地获取并被发射到执行所公开的分类方法的***。
分类方法200还包括分析(所捕获的或以其它方式获取的)波形数据300,在下面将参考图3对其进行更详细地描述。完成波形分析300之后,可以确定230输入信号波形的类型(例如其信号种类),并且可以可选地使用该确定来依赖于信号类型分类结果选择240用于对输入信号执行的适当的(潜在地进一步的)数值测量,和/或可选地还包括向用户显示250输入信号。该方法还可以另外包括(但在图中未示出)基于信号类型分类结果调整测试和测量显示器上的输入信号的显示(或调整测试和测量仪器的一些其它功能)。
图3图解根据示例的分类待测信号波形的方法200的数据分析部分300。
数据分析部分300包括用以确定所捕获的输入信号是否包括重复周期的第一步骤310(即,是重复信号的波形)。这可以例如通过检查针对重复或非重复信号类型的标记(或状态)来完成。
如果该方法发现存在重复周期,那么方法前进至确定在所捕获的输入信号的单个周期中的多个样本320。
接下来,该方法包括滤波步骤330,其对所捕获的数据进行滤波以移除无用噪声,如下文参考图4更详细地描述的。
在340处,该方法前进至用以针对待测重复信号的单个周期、或在待测非重复信号的情况下针对在波形存储器130中的整个波形数据记录确定振幅直方图的步骤,下文将参考图7和图8更详细地描述这两种情况。
在350处,该方法包括数据活跃度(activity)分析步骤,将在下文对其更详细描述。
在360处,该方法还包括匹配滤波测试步骤,在下文参考图5和图6对其更详细描述。
降噪滤波
为了提高信号的质量,并且移除可能影响后续计算的随机噪声,可以在上文提及的步骤330处滤波所测量的波形。例如,可使用具有边缘检测(也可被称为阶跃(step)检测)的滑动平均滤波。在替换实施例中,可以等同地使用其它滤波器类型。
该具有边缘检测的滑动平均滤波与滑动平均滤波几乎相同,但是另外将振幅跳变或下降纳入考虑。这样,边缘保持不变,而通过对周围样本取平均将噪声滤除。这将保留波形(例如方波)的形状,在使用正常滑动平均滤波时不一定是这种情况。此类滤波400的示例在图4中被示出,其中示出了输入的已采样方波信号(样本点410和420中的所有作为整体),加之所确定的样本近似值430。更详细地,显示了针对“低”信号状态410、以及“高”信号状态420的噪声样本,其为针对每组求平均的振幅(即,所有“低”值被一起求平均,并且与所有被一起求平均的“高”值分离)。这样,将保留方波信号中的垂直线,结果是输出经求平均的波形430,其与原始样本相比具有降低的随机噪声。
更详细地,设x i (i=1,2,3,...)为待测信号的数字样本,并且设前面n个和后面n个样本被用在降噪滤波中。那么可以定义边缘检测参数α以判定振幅变化是否足够大而不成为噪声(即,振幅差足够大而被认为是信号状态变化而不是只是随机噪声)。然后可以采用简单约束来形成用于边缘检测滤波的公式,并且该公式可以使用下式(1)描述:
(total amplitude 总振幅)。
参数α应被选为针对期望的特定实现的适当值,并且可以根据经验得到。例如,可以认为这样是适当的,波形形状必须不被改变太多,但是噪声应当被降低,因此在考虑变化超过噪声之前,应当观察到20%的阶跃变化的选择。换种说法,这意味着滤波器这样操作以便具有超过总振幅20%的差的样本将不会被用在滤波中。
在一些示例中,噪声滤波可以被实现为五个步骤。例如,设x(i), i= 1,2,3,...为样本,设滤波使用前面5个和后面5个样本(即n=5),并且选择边缘检测参数α=0.2。
在第一步骤中,对于每个样本,计算当前和下一样本之间的差,由下式(2)描述:
在第二步骤中,通过从最大值减去最小值来计算总振幅,由下式(3)描述:
(waveform 波形)。
在第三步骤中,对于每个样本,检查所述差是否大于边缘检测参数。将其表达为c,并且如果大于,则赋值为0,而如果小于或等于,则赋值为1,由下式(4)描述:
在第四步骤中,对于每个样本,计算滤波中使用的样本的数量。样本可以仅在与所考虑样本靠近的邻近样本同样被使用的情况下才被使用。为了检查这点,乘以前面的边缘检测参数。例如,假设样本x(i+1)与x(i)明显不同,但是假设x(i+2)靠近x(i)。那么c(i)=0并且c(i+1)=1,但是对于样本i+2,其保持c(i)* c(i+1)=0。因此样本i+2不被使用,因为样本i+1没被使用虽然其靠近i,由下式(5)描述:
(sample 样本)。
作为实际滤波步骤的第五步骤产生新的样本。针对每个样本,计算具有等于1的边缘检测参数的样本的平均值。再一次地,靠近所考虑样本的邻近样本应也具有1。这结果是如在步骤3中的相同的等式,而非步骤1的,它使用对应样本的值。此外,该结果应除以在步骤3中计算时所使用的样本数量。
在一些示例实现中,所述过程可以以更多或更少的步骤来实现。例如,可以独立地计算向前和向后的差以及边缘检测参数。还应当注意,待测信号的任何给定获取的第一个和最后一个样本将不会具有前面五个或后面五个样本,这在信号中相应的点的处理期间应被纳入考虑。
活跃度测量
现在将解释可选的数据活跃度分析350(即,活跃度测量),其是评估(待测信号的)波形活跃度的子过程。注意,由数据活跃度分析350提供的活跃度测量可以不总是必须被使用,因为待测信号可能在没有该步骤的情况下是可分类的。即,它是可被用于分离几种特定信号类型的附加子步骤,并且因此应仅在实际需要它时才被使用。
数据活跃度分析350步骤用于对样本到样本的振幅差超过信号峰到峰振幅的百分比的次数进行计数。这给出待测信号的动态行为的指示,这在分类一些信号中可以是有用的。例如,纯正弦波具有有限的动态,而脉宽调制信号(在一些方面等价于正弦波)可能具有显著的动态。示例活跃度极限可以被选为总振幅的30%。在此类示例中,可以在四个简单步骤中解释滤波:
其中计算总振幅的第一步骤,由下式(7)描述:
(peak to peak amplitude 峰到峰振幅)。
第二步骤由下式(9)描述,其中对于所有样本,计算当前和下一样本之间的差:
difference = x(i) – x(i +1) (9)
(difference 差)。
在其中对每个步骤进行检查的第三步骤确定具有活跃度(即,确定存在活跃度)。这例如可以通过检查所述差是否超过活跃度约束来完成。如果它确实超过了活跃度约束,那么可以赋值为1,否则对其赋值为0,由下式(10)描述:
针对整个波形对活跃度求和以得到总活跃度的第四步骤,由下式(11)描述:
total activity = ∑i activity(i) (11)。
匹配滤波
现在将描述可选的匹配滤波测试360,其将待测信号的(所捕获/所获取的)波形与模板进行比较以了解它们有多类似。
在一些示例中,匹配滤波可以将所测量的信号的一个周期与模板进行比较(但是在其它未示出的示例中,可以比较多于一个周期)。这在以下等式(12)的帮助下完成:
(matched filter 匹配滤波)。
在上面的等式(12)中,x是所测量的样本的向量,u是模板的向量,在分子中使用了内积,u T 是u的转置并且在分母中使用了2-范数。因为分母总是大于分子,因此这个匹配滤波的值小于或等于1。当所测量的样本靠近模板的值时,滤波的值靠近1。反之,当样本为模板的相反形式,该值为-1。因此靠近1或-1的值表示匹配相似度。
匹配滤波是纯量乘法的不变式。这意味着振幅无关紧要(do not matter)。然而,振幅偏移有关系,因此应该使被与之相比较的模板的振幅偏移与待侧信号的振幅偏移相同(这可以通过适当的预校正来完成)。
匹配滤波可以以包括数据存储储存器的形式被实现,所述数据存储储存器被布置成存储用于期望被与之匹配的每种信号类型的模板,用于(仅)在方法中的其它步骤尚未提供相应输入信号类型的分类的情况下使用。例如,它可被应用于正和负斜坡以及三角波形中(参考图5和图6)。在使用匹配滤波的情况下,所存储的模板应当和在其中实施该方法的测试和测量仪器将通常捕获的具有类似数量的数据点。例如,如果测试和测量仪器测量具有2000个样本的2至6个周期的信号,那么模板应当包括至少1000个数据点以进行较好的比较。换种说法,模板尺寸和分辨率应当匹配实施本发明的示例的测试和测量仪器的数据捕获能力。
图5示出用于具有1000个数据点的斜坡信号分类的示例模板,并且其由下式(13)描述:
这是从-1到1的斜线,其中均值为0。
图6示出用于三角信号分类的示例模板,并且其由下式(14)描述:
在一些示例中,匹配滤波分析可以在九个步骤(但是取决于实现细节,同样可以使用其它数量的步骤)中实现。设x(i), i = 1, 2,3...为所测量的样本,并且u(i)是模板的元素:
第一步骤,测量重复信号的频率,如果可适用的话,以提供单个周期长度。
第二步骤,计算每个周期的样本数量,并且然后对其下舍入。因此现在得知样本间隔和频率。样本间隔是两个连续/邻近样本之间的时间。“Floor”是对数量下舍入的函数/命令,如在下式(15)中所用:
(samples per cycle 每周期样本数;frequency 频率;sample interval 样本间隔)。
第三步骤,查找在第一M个样本中具有最小值(非其自身值)的样本,例如对于在图5和6中所示的示例M可以是1000。向量的最小值可以通过函数min(x)找出。然后,可以例如通过检查每个样本以看其是否等于该最小值来查找具有该值的样本,如由下式(16)描述:
如果 x(i) = min(x),那么最小样本为样本i (16)。
第四步骤,现在选择以在步骤3中找出的最小样本开始的一个周期的所有样本。这可以例如通过选择样本x(i)到x(i+每周期的样本数-1)来完成。现在选择了整个样本周期,称其为x。
第五步骤,计算该周期x的平均值,如由下式(17)描述:
第六步骤,从集合A中的样本中的每一个减去该样本平均值。从而形成新的样本,如由下式(18)描述:
第七步骤,选择与一个周期相同大小的模板的元素的部分。例如,这可以是模板的中间元素,因此在具有1000个元素的模板中,这可以意味着选择第500个元素以及与每周期的样本同样多的周围的样本。元素的顺序可以和原始模板中的顺序相同。称其为u的该元素选择是将被用于匹配滤波的模板。
第八步骤,移除上面计算的模板u的平均值,如由下式(19)描述:
第九步骤,计算匹配滤波的值。例如,这可以通过将模板和样本的内积除以模板和样本的2-范数的乘积来实现,如由下式(20)所示:
在一些示例中,可以替代地使用其它数目的步骤。当使用这些步骤时,一个测量周期可以被使用并被与具有相同大小的一段模板进行比较。此外,模板和测量周期可以使其均值被移除以便振幅偏移相同。
振幅直方图和重要性加权
可使用振幅直方图阶段来基于它们在不同部分(即,仓)中的相对值来拆分样本。这是有用的,因为绝对振幅无关紧要,信号频率也无关紧要。振幅直方图很容易制作并且可以在四个步骤中被描述:
在第一步中,计算所测量的重复信号的一个周期中的最小和最大振幅(或针对非重复信号计算完整获取长度中的最小和最大振幅)。如上文讨论,周期长度可以通过测量触发频率来确定,其可以例如通过专利US6621913 B1中描述的方法来产生。将对其计算直方图的样本的数量可以如下在等式(21)中确定:
在第二步中,示例实施例将最小和最大值之间的振幅分成五个相等的水平部分(即,仓)并对这些部分从底部至顶部编码为从1至5,即,创建在其内放置每个样本的五个直方图仓。示例实施例可使用五个仓,因为这为分析提供了足够的分辨率同时限制了处理的数量,但是同样,关于噪声信号(即便是滤波后),超过五个仓可能是没有用的(例如,因为通过增加仓的数目认识到最小实际附加信息,而且仅仅实际增加了数据处理负荷而没有能够实现提高的信号表征——即森林和树症候群(syndrome))。然而,在一些替换示例实施例中,可以使用其它数量的仓来替代5个。
在第三步中,依次对具有落入仓1至5中的每一个的值的样本的数量进行计数——即,将样本装仓到相应的仓1至5中。针对所有样本和所有仓完成这点。
在第四步中,装仓过程的结果是直方图。
图7根据示例实施例示出了待测信号波形的第一示例,其形式为正弦波701,以及可以如何对该待测信号波形进行直方图装仓702。
图8根据示例实施例示出了待测信号波形的第二示例,其形式为半波整流正弦波801,以及可以如何对该待测信号波形进行直方图装仓802。
图9根据示例实施例示出了待测信号波形的第三示例,其形式为纯方波901,以及可以如何对该待测信号波形进行直方图装仓902。
图10根据示例实施例示出了待测信号波形的第四示例,其形式为失真方波1001,以及可以如何对该待测信号波形进行直方图装仓1002。
现在已经定义了直方图,可以定义每一个仓的重要性。这由每个仓中的样本数量所确定,并且可以或是高(例如,被分配值“1”)、或是低(例如,被分配值“0”)。在一些实施例中还可以使用其它值。在一些实施例中,对于具有被分配到其的高重要性的仓,其必须满足这两个限制中的任一:
1)它包括大于或等于正被分析的样本的总数量(即,对于重复信号,这是一个周期中的样本数量;对于非重复信号,这是样本存储器中留有的样本总数量)的30%;
2)它包括大于或等于正被分析的样本的总数量的10%,AND(且)(即,AND布尔运算符)它至少是第二最小的样本仓的4倍。
找出高重要性的仓可以在3个步骤中被描述:
步骤1:对所有仓,检查它们是否大于或等于总量的30%。如果是,那么它们被分配高重要性,否则可能不是;
步骤2:将所有仓从小到大排序;
步骤3:检查还不是高重要性的2个最大仓,并且检查它们每个是否大于总量的10%。如果是,就检查它们是否是第二最小的仓的4倍。如果是这种情况,它们就应被分配高重要性,否则不被分配。
现在可以找出尖峰。知道每个信号的尖峰数量同样重要。根据示例实施例,信号可能具有0、1、2或3个尖峰。应当为每个待测信号确定这些尖峰并且应当保存结果以在下面描述的判定步骤中使用(参考图12a-c)。
在更详细地描述判定过程之前,现在接下来是根据本发明的示例实施例可以被辨别的不同信号类型的列表。所示示例具有十种不同种类的信号,但是其它种类可以被定义并且从而通过所公开的方法被分类。
信号种类
本发明的实施例提供用于分类待测信号(例如数字示波器的输入信号)的方法和装置。可以通过所公开的方法和装置来辨别的不同信号种类包括、但不被限于如图11a至11j中所示的以下10个种类。
第一种类包括二元数据(Bi-data)信号,如在图11a中所示。这些信号是随机二元序列并且通过仅具有2个值(通或断(on or off))来表征。
第二种类包括三元数据(Tri-data)信号,如在图11b中所示。它们与二元数据信号非常相似,但是唯一区别在于它们能够获得3个不同值。
第三种类包括正弦信号、以及与正弦信号相关的信号,如在图11c中所示。被包括在该种类中的信号为:具有尖峰或平顶的正弦、绝对值正弦、典型的晶闸管信号以及典型的逆变器信号。
第四种类包括方波,如在图11d中所示。该信号种类覆盖了除了PWM信号之外的所有类似方波脉冲的信号,并且通过具有几乎平坦的顶部和底部的(几乎)垂直的边缘来表征。
第五种类包括三角波信号,如在图11e中所示。该信号种类可以通过几乎不具有顶部或底部的斜的边缘来表征。
第六种类包括脉宽调制(PWM)信号,例如如图11f所示,并且通常为例如在电机中测得的信号。单边PWM同样被包括在该种类中。
第七种类包括点火信号,如图11g所示,其是代表点火脉冲并且可以通过单个尖峰被识别的信号类型。
第八种类包括感应拾取信号,例如如在图11h中所示。
第九种类包括燃料注入类型信号,如在图11i中所示,并且与点火信号种类类似。
第十种类包括直流(DC)信号,如在图11j中所示,其可以通过为恒定值(即,水平线)来表征。
在一些其它实施例中,可以定义其它具体信号种类/类别并且将其用于分类未知的待测输入信号。对于不匹配上述十种判据的信号,可以进行默认测量。
判定过程
信号种类判定过程采用对(一个或多个)待测信号的所有上面描述的(子)测试的输出,并在适当情况下使用那些结果适当地与参考值进行比较,以便做出关于待测信号属于哪种类型或种类的信号的判定。判定过程可通过例如诸如图13中所示的被适当地编程的计算机硬件来实施。
简单概括,示例性判定过程包括九个子判定,包括、但不必然地被限于:信号是否是重复的;来自振幅直方图的重要仓的数量;从(五种)可能性中确定哪些仓是重要的;并且然后另外的6个子测试,其基于将仓值和预定阈值进行比较,所述预定阈值得自例如对所公开的方法可期望辨别的已知信号种类类型的前期经验分析(如下文所讨论)。
第一测试使用将信号种类的整个潜在集合拆分成两个组的频率测量来将信号类型拆分成重复或非重复类型。然后可以使用振幅直方图来得到关于仓的值的信息,并且然后尖峰可以被用来定义某些信号种类类型。然后,可以使用活跃度测量连同匹配滤波方面来检测一些具体信号种类。这个过程可以采用逻辑判定树、迭代评估过程、使用Matlab中的if循环的形式,或任何其它适当的计算形式。
示例判定被示出在图12a至12c中,其为根据本发明的实施例的示例性判定树的单个表格实现。
它在左上侧开始并随着进行每个判定(例如信号是否具有频率)而逐步下降并且然后至右侧。一般地,如果相应的判定结果为真则显示“1”并且如果相应的判定结果不为真则显示为“0”。如果最后一列的结果输出为“1”,则被施加到所示示例性判定树的算法被布置成前进到下一判定列。这就是说判定往前前进直到在行中看到第一个“0”,由此发出该判定结果可能性的结尾是正确的信号。以另一种方式,判定树充当“最后站立的人”结果评估的形式,其被并行地执行直到仅单个结果结果实际上可适用。在图12的右手侧上,存在这样的结果,其示出了所判定的测试信号类型,以及然后的适当的(一个或多个)测量/(一个或多个)参数的典型选择,例如,以被自动地应用于现在它的类型已经适当地被检测/分类的信号的显示。
整个判定树可以包括超过90个判定步骤,如在图12a至12c中所示,并且如下文所定义,能够将所有不同输入信号示例分类成10个种类。在该判定树中,词语仓指振幅直方图的特定的仓。
本发明的实施例可以以多种不同方式被实现。一个示例是运行在计算机***上的计算机程序,所述计算机***包括至少一个处理器,其中所述计算机程序包括用于由所述至少一个处理器执行的可执行代码部分,以便所述计算机***执行根据所描述的示例的方法。计算机***可以是可编程装置,诸如但不被限于,专用数字测试和测量仪器、诸如示波器,或执行测试和测量过程的更通用的设备,诸如个人计算机、平板或智能电话装置。
值和极限的确定
纯信号可以从它们的振幅直方图容易地被识别。然而,它们越偏离纯信号,识别它们就变得越困难。以纯(图9)和失真(图10)方波为例,它们的振幅直方图看起来非常不同,并且如果我们考虑半波整流信号(图8)看起来像什么,那么失真方波看起来更像这个而非纯方波。
这已经导致产生多种测试用于不仅识别纯信号还识别失真变形,并且这些测试使用振幅直方图、匹配滤波测试以及活跃度测试。基本上,信号与纯的形式越不同,就需要越多测试来将它与其它潜在失真信号区分。这些测试已经通过对纯信号和它们的失真变形的模拟来发展,并且然后定义使用振幅直方图的测试、匹配滤波测试和活跃度来在各种信号之间进行区分。
现在将解释一些示例,一般原则通过其可以被说明并且可以被应用到任何其它信号类型。
针对纯方波(图9)和失真(图10)方波的波形表征示例。
这些都是其中频率可以被测量的重复信号。对这些信号执行振幅直方图导致以下结果:
纯方波——在图9中示出了具有50%占空比和锋利边缘的纯方波。仓1和仓5每个都大于总数的0.3倍,并且因此是重要的。通过图12a至12c的判定表的运行(从左到右),我们具有重复信号、其具有在1和5处的2个重要的斗(bucket)。这导致测试斗3来看其是否等于0,其是。这导致测试(斗1+斗2-0.5)<=0.06,其是。这样继而导致测试活跃度因子,其如果>25,那么信号是PWM信号;反之如果<25,那么它是方波形式。在这种情况下,它小于25,并且因此该信号是方波,并且选择峰到峰电压(Vpp)和频率(Hz)的测量。
失真方波——其在图10中被示出,并且它基于具有25%占空比和缓慢边缘的方波。大部分的样本现在落在仓1(信号低)中,其中下一最大的为仓5(信号高)。由于边缘为缓慢样本,样本还落在仓2、3和4中。只有仓1大于总数的0.3倍并且因此是重要的。通过图12a至12c的判定表的运行(从左到右),我们具有重复信号,具有在仓1处的1个重要斗。这导致测试斗4来看看其是否>0.01,其是。然后测试仓1来看看其是否>0.75,其不是。然后测试仓2、3和4之间的变化来看看它们是否<=0.05,它们是。然后测试仓4的大小看看其是否>0.4,其不是。然后测试仓5的大小看看其是否大于0.17,其不是。这导致波形被识别为方波。
图12a至12c详述了使用得自纯的和失真两者的大量示例信号的经验研究的参数和极限/值来导向每个最终信号分类判定的所有相应的判定。
图13示出了此类计算机***1300的示例性通用实施例,其可以形成图1的***/CPU 150,和/或捕获逻辑电路160,其中的任一可以是实现在测试和测量仪器中分类待测信号的所公开的方法的实体。
计算机***1300包括一个或多个(一个或多个)处理器1340,与所述(一个或多个)处理器1340中的至少一个耦合的***控制逻辑1320,与***控制逻辑1320耦合的***存储器1310,与***控制逻辑1320耦合的非易失性存储器(NVM)/储存器1330,以及与***控制逻辑1320耦合的网络接口1360。***控制逻辑1320还可以被耦合到输入/输出设备1350。
(一个或多个)处理器1340可以包括一个或多个单核或多核处理器。(一个或多个)处理器1340可以包括通用处理器和专用处理器(例如,图形处理器、应用处理器等)的任何组合。处理器1340可以可操作用于使用适当(例如非暂时性)指令或程序(即,经由使用处理器、或其它逻辑、指令来操作)来实现上面描述的方法。指令可以被存储在***存储器1310中,如波形分类过程(或模块)1305,或附加地或替换地可以被存储在非易失性存储器(NVM)/储存器1330中,如NVM波形分类过程/模块部分1335,从而指示一个或多个处理器1340实现本文中描述的波形分类方法。***存储器1310还可以包括波形模型数据1315,同时NVM储存器1330可以包括波形模型数据1337。这些可以起在所公开的波形分类方法中使用的波形模型或其它数据的作用,包括但不被限于判定树数据、判定值等。
用于一个实施例的***控制逻辑1320可包括任何适当的接口控制器以向(一个或多个)处理器1340中的至少一个和/或与***控制逻辑1320通信的任何适当的设备或组件提供任何适当接口。用于一个实施例的***控制逻辑1320可包括一个或多个(一个或多个)存储器控制器(未示出)以向***存储器1310提供接口。***存储器1310可用于加载或存储例如用于***1300的数据和/或指令。用于一个实施例的***存储器1310可包括任何适当的易失性存储器,例如诸如适当的动态随机存取存储器(DRAM)。
NVM/储存器1330可包括例如用于存储数据和/或指令的一个或多个有形的、非暂时性计算机可读介质。NVM/储存器1330可包括任何适当的非易失性存储器,例如诸如闪存存储器,和/或可包括(一个或多个)任何非易失性存储设备,例如诸如一个或多个(一个或多个)硬盘驱动(HDD)、一个或多个(一个或多个)紧凑盘(CD)驱动、和/或一个或多个(一个或多个)数字通用盘(DVD)驱动。NVM/储存器1330可包括***1300被安装在其上的设备的存储资源物理部分或它可由设备访问,而不必须是设备的一部分。例如,NVM/储存器1330可以在网络上经由网络接口1360被访问。***存储器1310以及NVM/储存器1330可各自包括特别是例如分别地持有波形分类过程/模块/应用1305和1335的指令存储器部分的暂时或永久拷贝。
网络接口1360可为***1300提供无线电接口以通过一个或多个(一个或多个)网络(例如,无线通信网络)和/或与任何其它适当设备通信。
计算机程序可以由可执行指令的列表或集合(诸如特定应用程序和/或操作***)形成。计算机程序可以例如包括下述中的一个或多个:子例程、函数、过程、对象方法、对象实现、可执行应用(“app”)、小应用程序、小服务程序、源代码部分、对象代码部分、共享库/动态加载库和/或被设计用于在适当计算机***上执行的任何其它指令序列。
计算机程序可被内部地存储于计算机可读存储介质上或通过计算机可读传输介质被传输给计算机***。计算机程序中的所有或一些可在计算机可读介质上被永久地提供、可移除地或远程地被耦合至可编程装置(诸如信息处理***)。计算机可读介质可以例如但没有限制地包括以下中的任何一个或多个:包括磁盘和磁带存储介质的磁性存储介质;光存储介质诸如紧凑盘介质(例如,CD ROM、CD R、蓝光等)、数字视频盘存储介质(DVD、DVD-R、DVD-RW等)或高密度光介质(例如,蓝光等);包括基于半导体的存储器单元的非易失性存储器存储介质,诸如FLASH(闪存)存储器、EEPROM、EPROM、ROM;铁磁数字存储器;MRAM;包括寄存器、缓冲器或高速缓冲存储器、主存储器、RAM、DRAM、DDR RAM等的易失性存储介质;以及包括计算机网络、点到点电信装备、和载波传输介质等的数据传输介质。本发明的实施例可以包括有形的和非有形的实施例、暂时性和非暂时性实施例并且不被限于所使用的计算机可读介质的任何具体形式。
计算机过程通常包括正在执行(正在运行)的程序或程序的一部分、当前程序值和状态信息、以及由操作***使用以管理过程执行的资源。操作***(OS)是管理计算机的资源共享并且为程序员提供被用于访问这些资源的接口的软件。操作***处理***数据和用户输入,并且通过分派和管理任务和内部***资源来进行响应作为对***的用户和程序的服务。
计算机***可例如包括至少一个处理单元,相关联的存储器和多个输入/输出(I/O)设备。当执行计算机程序时,计算机***根据计算机程序处理信息并且通过I/O设备产生作为结果的输出信息。
在前述说明中,已经参考本发明的实施例的具体示例描述了本发明。然而,可以在其中进行各种改变和变化而不脱离如在随附权利要求中阐述的本发明的更广阔的范围将是显而易见的。
本领域技术人员将认识到,在逻辑块之间的边界仅仅是例证性的并且替换实施例可以合并逻辑块或电路元件或在各种逻辑块或电路元件上施加供替换的功能性分解。因此,要理解的是,本文中描绘的架构仅仅是示例性的,并且实际上可以实现达成相同功能性的很多其它架构。
达成相同功能性的组件的任何布置都是有效地“相关联的”以便实现期望的功能性。因此,在本文中为了达成特定功能性而组合的任何两个组件都可以被视为与彼此“相关联”,以便在无视架构或中间组件的情况下达成所期望的功能性。同样,如此关联的任何两个组件还可以被视为“操作性地连接”、或“操作性地耦合”到彼此以实现期望功能性。
此外,本领域技术人员将意识到上述操作之间的边界仅仅是例证性的。多个操作可以被组合成单个操作,单个操作可被分布到额外的操作中并且可以至少部分地时间上重叠地执行所述操作。此外,替换实施例可以包括特定操作的多个实例,并且在各种其它实施例中,操作的顺序可以变化。
再例如,示例或其中的一部分,可以被实现为诸如任何适当类型的硬件描述语言中的物理电路或可转换为物理电路的逻辑表示的软或代码表示。
并且,本发明不被限于在非可编程硬件中实现的物理设备或单元,而是还可以被应用在能够通过根据适当的程序代码操作来执行期望的设备功能的可编程设备或单元中,诸如大型机、小型机、服务器、工作站、个人计算机、笔记本、个人数字助理、电子游戏、汽车的和其它嵌入式***、手机和各种其它无线设备,在本申请中被通称为“计算机***”。
然而,其它修改、变形和替换也是可能的。因而,说明书和附图应被视为例证性的而非限制性意义。
示例提供了一种分类待测信号波形用于适当的数值测量的方法,包括获取指示待测信号波形的波形数据,分析波形数据,根据已分析波形数据确定信号波形类型,并且可选地,基于已确定信号波形类型激活所述待测信号波形的适当数值测量。
在一些示例中,获取指示待测信号波形的波形数据包括使用测试和测量仪器获取波形数据。
在一些示例中,获取波形数据包括针对待测信号的至少一个完整周期存***形数据值以及指示下一触发的值。
在一些示例中,所述指示下一触发的值是待测信号波形的近似重复速率。在一些示例中,缺乏指示下一触发的值指示待测信号波形是非重复信号。
在一些示例中,获取波形数据还包括自动地衡量(scale)已获取波形数据的振幅和/或应用自动时基控制,以确保针对待测信号波形的至少一个周期获取波形数据。
在一些示例中,应用自动时基控制还包括确定待测信号波形的最低重复频率,以由此确定待测信号波形的单个周期长度。
在一些示例中,分析波形数据包括确定待测信号波形是否是具有至少两个重复周期的重复信号和/或确定待测信号波形是否是非重复信号(例如,随机流)。
在一些示例中,确定待测信号波形是否是重复信号包括使用测试和测量仪器的频率计数器功能来测量待测信号波形的准确重复速率。
在一些示例中,该方法还包括确定在待测重复信号波形的单个周期中的样本数量。在一些示例中,样本数量是由数字测试和测量仪器获取或捕获的数字样本的数量。在一些示例中,所述方法还包括对波形数据滤波以去除不利噪声。
在一些示例中,对波形数据滤波包括使用采用阶跃函数滤波的滑动平均来对待测信号波形的样本滤波。
在一些示例中,采用阶跃函数的滑动平均滤波使用总振幅的20%的阶跃值极限来定义在滤波中被忽略的阶跃;和/或,其中采用阶跃函数的滑动平均滤波对至少最后五个样本和在前的五个样本求平均。
在一些示例中,所述方法还包括确定以下内容的振幅直方图:如果待测信号波形是重复信号则为单个周期,或如果待测信号波形是非重复信号则为测试和测量仪器的全部获取的存储。在一些示例中,振幅直方图是五仓振幅直方图。
在一些示例中,确定振幅直方图还包括确定在直方图中每个仓的重要性,其中每个仓的重要性包括值1或0,并且如果要么待重要性评估的仓大于或等于总样本数量的30%,要么待重要性评估的仓大于或等于总样本数量的10%且至少是来自待测信号波形的所有样本中的第二最小的样本仓的四倍大,则发生值1的分配。
在一些示例中,所述方法还包括执行数据活跃度分析,其中执行数据活跃度分析包括确定待测信号波形的至少单个周期中的信号变化的量。在一些示例中,定义高活跃度的信号变化量包括大于或等于待测信号波形的总振幅的30%。
在一些示例中,所述方法还包括待测信号波形的匹配滤波测试,其中匹配滤波测试包括将待测信号波形的一部分、可选地至少单个周期与已知信号类型的模板进行比较。
在一些示例中,通过该等式来定义匹配滤波:
其中,x是所测量的样本的向量,u是模板向量,在分子中使用了内积,uT是u的转置并且在分母中使用了2-范数函数,其中值1指示正向相似,并且值-1指示反向相似。在一些示例中,匹配滤波测试确定了三角波形种类的类型。
在一些示例中,根据已分析波形数据确定信号波形类型包括使用判定树来从多个潜在信号种类中选择适当的候选信号种类。
在一些示例中,多个潜在信号种类包括以下中的任何一个或多个:二元数据信号;三元数据信号;基于正弦波的信号;方波信号;三角波信号;脉宽调制(PWM)信号;点火信号;感应信号;燃料注入信号;以及直流(DC)信号。
在一些示例中,根据已分析波形数据确定信号波形类型包括确定所述信号是否是重复的,确定在振幅直方图中的重要仓的数量,确定振幅直方图的仓的相对重要性,并且基于所述确定来选择信号种类的类型。
在一些示例中,所述方法还包括依赖于所确定的待测信号波形的信号波形类型来选择要对待测信号波形执行的数值测量。在一些示例中,测试和测量仪器依赖于所确定的待测信号波形的信号波形类型来调整测试和测量仪器的参数。
示例还提供了被配置成执行所描述的方法(中的全部或部分)中的任何的测试和测量装置。示例还提供了包括指令的(非暂时性)计算机可读介质,当由一个或多个处理器执行所述指令时,导致所述一个或多个处理器执行所描述方法中的任何。这可以例如采用升级模块或在其上具有基于软件的升级的存储器设备的形式,用于在现存测试和测量仪器中使用或应用。
虽然所描述的示例是在最广泛的意义上的分类信号的方法,但是所描述的方法可以特别地可应用于测试和测量领域,以便分类未知的输入信号类型,输入测试和测量仪器,使得具体化本发明的测试和测量可以自动地将其自身被配置成对输入信号执行大部分和/或更适当的测试体制。这可以包括改变测试类型、改变测试输入/输出参数、改变测试报告方法或式样等。因而,示例实施例可以提供改进的测试和测量仪器人机接口,使得如此装备的测试和测量仪器的用户不需要被如此高度地训练。这可以带来提高的可用性等。
在权利要求中,置于括号之间的任何参考符号不应被解释为限制权利要求。词语“包括”不排除除了权利要求中所列出的元件或步骤之外的其它元件或步骤的存在。此外,如本文中使用的,术语“一”或“一个”被定义为一个或多于一个。而且,在权利要求中的诸如“至少一个”和“一个或多个”的介绍性短语的使用不应被解释为暗示通过不定冠词“一”或“一个”的另一权利要求元素将包括此类介绍的权利要求元素的特定权利要求限制成发明仅包括一个此类元素,即使是在同一权利要求包括介绍性短语“一个或多个”或“至少一个”以及诸如“一”或“一个”的不定冠词时。对于定冠词的使用来说也是同样的。除非另外陈述,否则诸如“第一”和“第二”的术语被用于任意地辨别此类术语描述的元素。因此,这些术语不必然地意图指示此类元素的时间上的或其它优先级。某些方法在互相不同的权利要求中被陈述的纯粹的事实不指示这些方法的组合不能够被用于获得优势。除非另外陈述为矛盾的、或者实施例的物理上或其它方面阻止这样的组合,否则以下权利要求的特征可以被集合到一起在任何是当的且有益的布置中。即是说,特征的组合不被权利要求形式、尤其是从属权利要求的形式限制。
Claims (14)
1.一种分类待测信号波形用于适当的数值测量的方法,包括:
获取指示所述待测信号波形的波形数据;
分析所述波形数据;
根据所分析的波形数据确定信号波形类型;以及
基于所确定的信号波形类型激活所述待测信号波形的适当的数值测量,
其中,根据所分析的波形数据确定信号波形类型包括:
确定所述信号是否是重复的;
确定在振幅直方图中的重要仓的数量;
确定所述振幅直方图的仓的相对重要性;以及
基于上述三个确定来选择信号种类的类型,
并且其中,对于被分类为至少一个信号种类类型的信号波形,所述方法还包括执行以下中的任一个或二者:
数据活跃度分析,其中将所述待测信号波形的至少单个周期中的信号变化的量与阈值进行比较,和/或
匹配滤波测试,其中将所述待测信号波形的一部分与已知信号类型的模板进行比较。
2.根据权利要求1所述的方法,其中获取所述波形数据包括针对所述待测信号的至少一个完整周期存***形数据值以及指示下一触发的值。
3.根据权利要求2所述的方法,其中所述指示下一触发的值是所述待测信号波形的近似重复速率,或者缺少指示下一触发的值指示所述待测信号波形是非重复信号。
4.根据权利要求2或3所述的方法,其中获取所述波形数据还包括自动地衡量所获取的波形数据的振幅和/或应用自动时基控制,以确保针对所述待测信号波形的至少一个周期获取所述波形数据。
5.根据权利要求2或3所述的方法,其中分析所述波形数据包括确定所述待测信号波形是否为具有至少两个重复周期的重复信号和/或确定所述待测信号波形是否为非重复信号。
6.根据权利要求2或3所述的方法,其中所述方法还包括确定在待测重复信号波形的单个周期中的样本的数量。
7.根据权利要求2或3所述的方法,还包括滤波所述波形数据以去除不利噪声,可选地其中滤波所述波形数据包括使用采用阶跃函数的滑动平均滤波来滤波所述待测信号波形的样本。
8.根据权利要求5所述的方法,还包括确定以下内容的振幅直方图:如果所述待测信号波形是重复信号则为单个周期,或如果所述待测信号波形是非重复信号则为测试和测量仪器的预定存储大小极限。
9.根据权利要求8所述的方法,其中确定振幅直方图还包括确定在所述直方图中每个仓的重要性,其中每个仓的重要性包括值1或0,并且在下述中的任一项的条件下向所述重要性分配值1:
待重要性评估的仓大于或等于总样本数量的30%;或者
待重要性评估的仓大于或等于总样本数量的10%且为来自所述待测信号波形的所有样本之中的第二最小的样本仓的至少四倍大。
10.根据权利要求2或3所述的方法,其中所述数据活跃度分析包括计算并比较所述波形数据中的样本到样本的振幅差与得自所述波形数据的峰到峰振幅的活跃度极限。
11.根据权利要求2或3所述的方法,其中所述匹配滤波测试包括用模板的向量处理所述波形数据中的所测量的样本的向量,以产生指示所述信号波形与所述模板之间的相似程度的值。
13.根据权利要求2或3所述的方法,其中所述方法还包括依赖于所确定的所述待测信号波形的信号波形类型来选择要对所述待测信号波形执行的数值测量。
14.一种被配置成实现任一前述权利要求所述的方法的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP15168015.4A EP3096152B1 (en) | 2015-05-18 | 2015-05-18 | Method and apparatus for classifying a signal waveform under test |
EP15168015.4 | 2015-05-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106353548A CN106353548A (zh) | 2017-01-25 |
CN106353548B true CN106353548B (zh) | 2020-10-30 |
Family
ID=53274398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610620308.5A Active CN106353548B (zh) | 2015-05-18 | 2016-05-18 | 用于分类待测信号波形的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10379141B2 (zh) |
EP (1) | EP3096152B1 (zh) |
CN (1) | CN106353548B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10585121B2 (en) * | 2016-09-12 | 2020-03-10 | Tektronix, Inc. | Recommending measurements based on detected waveform type |
JP6846180B2 (ja) * | 2016-11-25 | 2021-03-24 | 日置電機株式会社 | 波形記録装置 |
US10782348B2 (en) * | 2017-03-10 | 2020-09-22 | Keithley Instruments, Llc | Automatic device detection and connection verification |
US11181552B2 (en) * | 2018-11-28 | 2021-11-23 | Tektronix, Inc. | Categorization of acquired data based on explicit and implicit means |
US11293982B2 (en) | 2019-03-07 | 2022-04-05 | Rohde & Schwarz Gmbh & Co. Kg | Test method and test system |
US11143679B2 (en) * | 2019-04-01 | 2021-10-12 | Rohde & Schwarz Gmbh & Co. Kg | Method and apparatus for processing a measurement signal |
US11580382B2 (en) | 2019-04-26 | 2023-02-14 | Rohde & Schwarz Gmbh & Co. Kg | Method and apparatus providing a trained signal classification neural network |
US11798618B2 (en) * | 2019-11-15 | 2023-10-24 | Rohde & Schwarz Gmbh & Co. Kg | Signal analyzer and method of processing data from an input signal |
CN114444537A (zh) * | 2021-12-20 | 2022-05-06 | 北京电子工程总体研究所 | 一种测试数据自动判读***和方法 |
CN115616266B (zh) * | 2022-10-11 | 2023-08-18 | 广州致远仪器有限公司 | 一种波形幅度值测量方法、装置、终端设备以及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5092343A (en) * | 1988-02-17 | 1992-03-03 | Wayne State University | Waveform analysis apparatus and method using neural network techniques |
US5251626A (en) * | 1990-07-03 | 1993-10-12 | Telectronics Pacing Systems, Inc. | Apparatus and method for the detection and treatment of arrhythmias using a neural network |
EP0740161A3 (en) | 1995-04-27 | 1998-07-29 | Fluke Corporation | Digital oscilloscope with trigger qualification based on pattern recognition |
US6571185B1 (en) * | 1999-04-20 | 2003-05-27 | Tektronix, Inc. | Continually responsive and anticipating automatic setup function for a digital oscilloscope |
US7751873B2 (en) * | 2006-11-08 | 2010-07-06 | Biotronik Crm Patent Ag | Wavelet based feature extraction and dimension reduction for the classification of human cardiac electrogram depolarization waveforms |
CN101340689A (zh) * | 2007-07-03 | 2009-01-07 | 安国国际科技股份有限公司 | 通信信道使用状态的检测方法及其检测*** |
US8818744B2 (en) * | 2008-10-16 | 2014-08-26 | Tektronix, Inc. | Test and measurement instrument and method of switching waveform display styles |
US20110060540A1 (en) * | 2009-09-04 | 2011-03-10 | Tektronix, Inc. | Test and Measurement Instrument and Method For Providing Post-Acquisition Trigger Control and Presentation |
WO2011141765A1 (en) * | 2010-05-14 | 2011-11-17 | Centre For Development Of Advanced Computing | Diagnostic classifications of pulse signal waveform data |
-
2015
- 2015-05-18 EP EP15168015.4A patent/EP3096152B1/en active Active
-
2016
- 2016-05-17 US US15/157,228 patent/US10379141B2/en active Active
- 2016-05-18 CN CN201610620308.5A patent/CN106353548B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
US10379141B2 (en) | 2019-08-13 |
CN106353548A (zh) | 2017-01-25 |
US20160341766A1 (en) | 2016-11-24 |
EP3096152B1 (en) | 2019-12-18 |
EP3096152A1 (en) | 2016-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106353548B (zh) | 用于分类待测信号波形的方法和装置 | |
US7359810B2 (en) | Characterizing newly acquired waveforms for identification of waveform anomalies | |
US9134347B2 (en) | Rare anomaly triggering in a test and measurement instrument | |
US10852323B2 (en) | Measurement apparatus and method for analyzing a waveform of a signal | |
CN110196801B (zh) | 一种基于代码覆盖率的测试方法及装置 | |
US11630135B2 (en) | Method and apparatus for non-intrusive program tracing with bandwidth reduction for embedded computing systems | |
US10585130B2 (en) | Noise spectrum analysis for electronic device | |
CN106771453B (zh) | 一种用于示波器的测试方法及装置 | |
JP2005221501A (ja) | パラメータ測定により制限性能を創出する為の方法及び装置 | |
CN110988465B (zh) | 特定频率正弦波信号的频率检测方法、装置和计算机设备 | |
CN112416733B (zh) | 一种内存检测方法、内存检测装置及智能设备 | |
US6799128B2 (en) | Measurement system for sampling a signal and evaluating data representing the signal | |
CN111487447B (zh) | 一种用于实现快速测量的数字示波器 | |
CN111710347B (zh) | 音频数据分析方法、电子设备及存储介质 | |
JP2018179548A (ja) | ジッタパルス列解析装置およびジッタパルス列解析方法 | |
US20180128857A1 (en) | Method for analyzing a signal as well as measurement and analyzing device | |
US20180137270A1 (en) | Method and apparatus for non-intrusive program tracing for embedded computing systems | |
CN111060443A (zh) | 一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 | |
CN116953339A (zh) | 用于数据分析的相关性分析方法及装置 | |
CN116953340A (zh) | 用于封装电路测试的数据处理***及方法 | |
US20220252647A1 (en) | Method of generating metadata from acquired signals for search, filtering, and machine learning inputs | |
CN108267627B (zh) | 波形端值计算方法及装置、数字示波器 | |
CN114676387A (zh) | 数据统计分析方法、***、可读存储介质及计算机设备 | |
US9590672B2 (en) | Method for determining threshold value of radio wave intensity for distinguishing noise in radio waves, and related wireless communication apparatus, analysis apparatus, and non-transitory computer readable medium | |
CN112559330A (zh) | 一种开源软件组分检测结果正确性的分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |