CN107561376A - 一种电源噪声测量的方法及装置 - Google Patents
一种电源噪声测量的方法及装置 Download PDFInfo
- Publication number
- CN107561376A CN107561376A CN201610514390.3A CN201610514390A CN107561376A CN 107561376 A CN107561376 A CN 107561376A CN 201610514390 A CN201610514390 A CN 201610514390A CN 107561376 A CN107561376 A CN 107561376A
- Authority
- CN
- China
- Prior art keywords
- time domain
- domain amplitude
- amplitude data
- frequency
- data
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/26—Measuring noise figure; Measuring signal-to-noise ratio
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种电源噪声测量的方法及装置,其中,该方法包括:获取电压纹波测试的原始采样数据文件;根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值。这样,能够在没有滤波器的测试环境下做到准确测量,为电源PDN分析提供数据保障,同时降低测试难度和费用,解决了在没有滤波器的测试环境下,现有的噪声测量引入不必要的频带噪声,导致测试数据失去参考价值的问题。
Description
技术领域
本发明涉及通信领域,特别是指一种电源噪声测量的方法及装置。
背景技术
现代通信领域中,单板的交换能力以及处理能力越来越大,随之带来的是能耗的增加。为减少能耗,对于单板的电源的要求越来越高,并且,很多重要的芯片,例如:交换芯片,CPU等,对于电源纹波是有要求的。因此,在实际单板加工后,要对其进行电源噪声测量,来评估整板的PDN(PowerDistribution Network,电源分配网络),以分析电源完整性。
现有的电源噪声测量中,通常采用示波器直接测试,示波器的带宽限制一般为20MHz低通设置,即采集到的噪声包含0-20MHz;但在实际噪声测量中,只需要对0-20MHz中的某一频带范围进行测量,这样则会引入不必要的频带噪声,例如,通常50KHz-20MHz频带范围的噪声是测试所关注的,则引入0-50KHz频带的噪声,这样,将导致测试数据失去参考价值。若要减小误差,则需要在设置有高通滤波器的测试环境下进行测量,这使得测试环境复杂,且需要支付昂贵的滤波器费用。
发明内容
本发明要解决的技术问题是提供一种电源噪声测量的方法及装置,以解决在没有滤波器的测试环境下,现有的噪声测量引入不必要的频带噪声,导致测试数据失去参考价值的问题。
第一方面,本发明实施例提供一种电源噪声测量的方法,该方法包括:
获取电压纹波测试的原始采样数据文件;
根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;
根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值。
其中,根据原始采样数据文件以及预定频带范围,进行数字滤波处理并得到处理后的第一时域幅值数据的步骤包括:
获取原始采样数据文件的第二时域幅值数据、预定频带范围的低转折频率、高通滤波器转折频率的陡峭程度以及采样频率;
根据第二时域幅值数据、低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据。
其中,获取采样频率的步骤包括:
获取第二时域幅值数据的个数以及首尾两个第二时域幅值数据之间的时间差;
根据第二时域幅值数据的个数以及时间差,计算采样频率。
其中,根据第二时域幅值数据、低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据的步骤包括:
根据采样频率计算乃奎斯特采样频率;
根据低转折频率以及乃奎斯特采样频率计算归一化后采样频率;
根据归一化后采样频率、高通滤波器转折频率的陡峭程度、高通滤波器类型以及第二时域幅值数据,计算第一时域幅值数据。
其中,根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值的步骤包括:
将第一时域幅值数据的峰峰值存储在预先创建的记录文件中。
其中,记录文件为文本文件。
其中,原始采样数据文件为字符分隔值CSV文件。
第二方面,本发明实施例提供一种电源噪声测量的装置,该装置包括:
获取模块,用于获取电压纹波测试的原始采样数据文件;
第一处理模块,用于根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;
第二处理模块,用于根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值。
其中,第一处理模块包括:
获取子模块,用于获取原始采样数据文件的第二时域幅值数据、预定频带范围的低转折频率、高通滤波器转折频率的陡峭程度以及采样频率;
计算子模块,用于根据第二时域幅值数据、低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据。
其中,获取子模块包括:
获取单元,用于获取第二时域幅值数据的个数以及首尾两个第二时域幅值数据之间的时间差;
第一计算单元,用于根据第二时域幅值数据的个数以及时间差,计算采样频率。
其中,计算子模块包括:
第二计算单元,用于根据采样频率计算乃奎斯特采样频率;
第三计算单元,用于根据低转折频率以及乃奎斯特采样频率计算归一化后采样频率;
第四计算单元,用于根据归一化后采样频率、高通滤波器转折频率的陡峭程度、高通滤波器类型以及第二时域幅值数据,计算第一时域幅值数据。
其中,第二处理模块包括:
存储子模块,用于将第一时域幅值数据的峰峰值存储在预先创建的记录文件中。
其中,记录文件为文本文件。
其中,原始采样数据文件为字符分隔值CSV文件。
与现有技术相比,本发明实施例提供的电源噪声测量的方法及装置,通过获取电压纹波测试的原始采样数据文件;根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值,能够在没有滤波器的测试环境下做到准确测量,为电源PDN分析提供数据保障,同时降低测试难度和费用,解决了在没有滤波器的测试环境下,现有的噪声测量引入不必要的频带噪声,导致测试数据失去参考价值的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1表示本发明实施例提供的电源噪声测量的方法的流程示意图;
图2表示本发明实施例提供的电源噪声测量的装置的结构示意图;
图3表示本发明具体示例中原始采样数据文件的记录内容示例图;
图4表示本发明具体示例中获取原始采样数据文件的示例图;
图5表示本发明具体示例中分别根据第一时域幅值数据和第二时域幅值数据绘制的波形图像的示意图;
图6表示本发明具体示例中记录文件的记录内容示例图;
图7表示本发明具体示例中不同order值下滤波器转折频率陡峭程度的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
现有的噪声测量中,采用示波器直接测试,这样会引入不必要的频带噪声,例如,通常测试的0-20MHz频带噪声为6mVp-p,而实际需要的50KHz-20MHz频带噪声为3mVp-p,则由于引入不必要的0-50KHz频带噪声,使得测试数据失去参考价值。若需要准确测量噪声,则需要在进入示波器前加上高通滤波器,以滤除0-50KHz的噪声,以减少误差,但是采用高通滤波器器件会使得测试环境复杂,且需要支付昂贵的滤波器费用,成本高昂。为此,本发明实施例提供一种电源噪声测量的方法,能够在没有滤波器的测试环境下做到准确测量,为电源PDN分析提供数据保障,同时降低测试难度和费用。
请参见图1,其示出的是本发明实施例提供的电源噪声测量的方法的流程示意图,本发明实施例提供的电源噪声测量的方法,该方法可以包括:
步骤101,获取电压纹波测试的原始采样数据文件。
这里,预先根据电压纹波测试得到原始采样数据文件,该原始采样数据文件中可以包括采样时间点以及与采样时间点对应的原始采样数据。其中,该采样时间点的单位可以根据实际应用场景进行设定,例如秒。另外,在实际应用中,该原始采样数据文件的采样率不小于100MHz,且采样点不少于1M个点,这样,可以避免噪声数字滤波处理后的数据发生频率混叠。在一种示例中,该原始采样数据文件可以根据示波器导出获取,示波器导出原始采样数据文件的方式可以采用现有技术,该实施例中不作具体限定。
步骤102,根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据。
这里,预先设定了预定频带范围,该预定频带范围为实际电压纹波测试中所需的测试频带范围。根据原始采样数据文件,通过预定频带范围的数字滤波处理,得到所需的第一时域幅值数据,即可滤除不需要的频段的数据,以为后续步骤做准备。该第一时域幅值数据的单位为伏特。
步骤103,根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值。
这里,根据处理后得到的第一时域幅值数据绘制对应的时域波形,并计算保存对应的峰峰值,即完成预定频带范围内的电源噪声测试。其中,可以根据第一时域幅值数据采用plot函数绘制第一时域幅值数据绘制对应的时域波形。
在一实施例中,原始采样数据文件为字符分隔值(Comma-SeparatedValues,CSV)文件。
在一实施例中,步骤102,根据原始采样数据文件以及预定频带范围,进行数字滤波处理并得到处理后的第一时域幅值数据的步骤可以包括:
获取原始采样数据文件的第二时域幅值数据、预定频带范围的低转折频率、高通滤波器转折频率的陡峭程度以及采样频率。
这里,原始采样数据文件中的原始采样数据包括第二时域幅值数据,该第二时域幅值数据为与采样时间点对应的采样幅值。获取第二时域幅值数据、预定频带范围的低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,为后续计算第一时域幅值数据做准备。
根据第二时域幅值数据、低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据。
这里,根据第二时域幅值数据、低转折频率、高通滤波器转折频率的陡峭程度以及采样频率通过函数运算得到第一时域幅值数据。
其中,步骤102中,获取采样频率的步骤可以包括:
获取第二时域幅值数据的个数以及首尾两个第二时域幅值数据之间的时间差;根据第二时域幅值数据的个数以及时间差,计算采样频率。
这里,获取第二时域幅值数据的个数,即获取原始数据文件的采样个数;获取首尾两个第二时域幅值数据之间的时间差,即获取采样开始对应的第一个采样时间点与采样结束对应的最后一个采样时间点之间的时间差;然后根据获得的第二时域幅值数据的个数以及时间差,通过第二时域幅值数据的个数除以时间差,计算得到采样频率。例如,当采样时间点的单位为秒时,得到采样频率为1秒中采样点的个数。
在一实施例中,步骤102,根据第二时域幅值数据、低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据的步骤可以包括:
根据采样频率计算乃奎斯特采样频率。
这里,计算乃奎斯特采样频率,该乃奎斯特采样频率为采样频率的一半,公式为:nyq=0.5*fs,其中,nyq为乃奎斯特采样频率,fs为采样频率。
根据低转折频率以及乃奎斯特采样频率计算归一化后采样频率。
这里,根据获得的预定频带范围的低转折频率以及计算得到乃奎斯特采样频率,计算得到归一化后采样频率,计算公式为low=lowcut/nyq,其中,low为归一化后采样频率,lowcut为低转折频率,例如当低转折频率为50KHz的转折频率,则lowcut=50000。
根据归一化后采样频率、高通滤波器转折频率的陡峭程度、高通滤波器类型以及第二时域幅值数据,计算第一时域幅值数据。
这里,根据归一化后采样频率、高通滤波器转折频率的陡峭程度、高通滤波器类型以及第二时域幅值数据即可通过函数运算得到第一时域幅值数据。具体的,通过函数运算公式:b,a=butter(order,low,btype='high'),计算a,b参数值,其中,该a,b参数为归一化后的滤波器转折频率,order为高通滤波器转折频率的陡峭程度,例如取5,btype表示滤波器类型,btype='high'表示为高通滤波器类型,btype还可以为表示低通滤波器类型的'low'以及表示带通滤波器类型的'band';通过函数运算公式:y=lfilter(b,a,data),计算得到第一时域幅值数据,其中,y表示第一时域幅值数据,data表示第二时域幅值数据。
在一实施例中,步骤103,根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值的步骤可以包括:
将第一时域幅值数据的峰峰值存储在预先创建的记录文件中。
这里,根据第一时域幅值数据计算得到峰峰值(Vpk-pk),然后将峰峰值存储在记录文件中,同时可以将测试波形名称对应存储在该记录文件中。其中,记录文件为文本文件,例如,txt文件,这里,可以将该记录文件命名为record。另外,为便于对比及分析,记录文件中还存储有处理前的峰峰值,即第二时域幅值数据对应的峰峰值。
本发明实施例提供的电源噪声测量的方法,通过获取电压纹波测试的原始采样数据文件;根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值,能够获取到实际噪声测量所需的预定频带范围内的测量数据,能够在没有滤波器的测试环境下做到准确测量,为电源PDN分析提供数据保障,同时降低测试难度和费用,解决了在没有滤波器的测试环境下,现有的噪声测量引入不必要的频带噪声,导致测试数据失去参考价值的问题。
基于以上方法,本发明实施例还提供一种用以实施上述方法的***。请参见图2,其示出的是本发明实施例提供的电源噪声测量的装置的结构示意图,发明实施例提供一种电源噪声测量的装置,该装置可以包括:获取模块210、第一处理模块220以及第二处理模块230。
获取模块210,用于获取电压纹波测试的原始采样数据文件;
第一处理模块220,用于根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;
第二处理模块230,用于根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值。
其中,第一处理模块220可以包括:获取子模块以及计算子模块。
获取子模块,用于获取原始采样数据文件的第二时域幅值数据、预定频带范围的低转折频率、高通滤波器转折频率的陡峭程度以及采样频率;
计算子模块,用于根据第二时域幅值数据、低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据。
其中,获取子模块可以包括:获取单元以及第一计算单元。
获取单元,用于获取第二时域幅值数据的个数以及首尾两个第二时域幅值数据之间的时间差;
第一计算单元,用于根据第二时域幅值数据的个数以及时间差,计算采样频率。
其中,计算子模块可以包括:第二计算单元、第三计算单元以及第四计算单元。
第二计算单元,用于根据采样频率计算乃奎斯特采样频率;
第三计算单元,用于根据低转折频率以及乃奎斯特采样频率计算归一化后采样频率;
第四计算单元,用于根据归一化后采样频率、高通滤波器转折频率的陡峭程度、高通滤波器类型以及第二时域幅值数据,计算第一时域幅值数据。
其中,第二处理模块230可以包括:存储子模块。
存储子模块,用于将第一时域幅值数据的峰峰值存储在预先创建的记录文件中。
其中,记录文件为文本文件。
其中,原始采样数据文件为字符分隔值CSV文件。
上述实施例提供的电源噪声测量的装置与实施例提供的电源噪声测量的方法属于同一构思,其具体实现过程详见上述实施例提供的方法,为避免重复,这里不再赘述。
本发明实施例提供的电源噪声测量的装置,通过获取电压纹波测试的原始采样数据文件;根据原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值,能够获取到实际噪声测量所需的预定频带范围内的测量数据,能够在没有滤波器的测试环境下做到准确测量,为电源PDN分析提供数据保障,同时降低测试难度和费用,解决了在没有滤波器的测试环境下,现有的噪声测量引入不必要的频带噪声,导致测试数据失去参考价值的问题。
下面再通过一个具体示例,对本发明作更为详细的说明。
该具体示例中采用开源软件Python(以Python 3.4为例)作为编程语言,通过运行Python脚本完成本发明实施例提供的方法步骤,Python脚本为文本格式的文件,后缀名为py,例如filter_bandpass.py;该具体示例中的操作***为windows***。首先,安装Python脚本交互解析器,并且安装有scipy模块、pandas模块、matplotlib模块,并且预先通过将示波器的时基调整为10ms档,待噪声信号稳定下来,停止示波器,保存波形图片,并将原始采样数据文件导出,原始采样数据文件为CSV文件,通常测试时,会测量多个不同点的电压纹波,每个电压纹波测试结果会导出对应的一个CSV文件。如图3所示,该原始采样数据文件中包括采样时间点以及与采样时间点对应的第二时域幅值数据,图3中,A列为采样时间点,单位为秒(second),B列为第二时域幅值数据,单位为伏特(Volt)。
另外,可以将多个测试点的电压纹波测试得到的CSV文件存放在Python脚本的同级目录下。这里,通过python自带库中的import os,sys调取命令台的windows***信息以获取当前路径和文件名。具体的,利用windows***的批处理命令dir,获取当前目录信息(Python脚本所在目录),存放在dir列表当中;然后借助str.split,以回车拆分a字符串,提取有效目录的绝对地址,存放在dir列表中;通过Os.listdir(str(dir))获取该目录下的所有文件名字,以字符串列表形式存放在filenames1中;遍历filenames1查找有效文件名字*.cvs,存放在filenames,字符串列表中;然后,通过遍历filenames获取CSV文件(这里即为原始采样数据文件),通过pandas导入并解读CSV文件。这样,可以利用遍历filenames获取到的文件的扩展名为CSV,即认为该文件是要处理的文件,即原始采样数据文件。如图4所示,在Python脚本所在目录中存有多个文件,Python脚本只获取CSV文件(即图4中的'PCIE_PVDD.csv','WC14_VDD1V0.csv','WC16_PVDD1V0.csv','WC7_VDD1V0.csv')识别并导入。
这里采用Python提供的numpy和pylab开源库。预先自定义函数defbutter_highpass_filter(data,lowcut,fs,order=5)。其中,参数data为第二时域幅值数据(采用列表形式);lowcut为预定频带范围的低转折频率,例如50KHz的转折频率,lowcut等于50000;fs为采样频率,采样频率的计算:计算data[n-1]与data[0]的时间差,用data列表数据点的个数除以时间差,得到1秒中采样点的个数,即采样频率fs;order是表示高通滤波器转折频率的陡峭程度,默认是5,该参数也可以根据需要选择,如图7所示,当order等于不同值时,滤波器转折频率的陡峭程度不同,order值越大,则越陡峭。自定义函数defbutter_highpass_filter调用了butter函数(from scipy.signal import butter),butter用于计算a,b参数,该a,b参数为归一化后的滤波器转折频率。
nyq=0.5*fs
low=lowcut/nyq
b,a=butter(order,low,btype='high')
然后将a,b代入y=lfilter(b,a,data)函数计算y值,y表示第一时域幅值数据;再通过plot函数绘出(y,t)滤波后的时域波形,并计算y中峰峰值大小:遍历y列表,用最大值减去最小值得到峰峰值。
plt.plot(t,y,label='pk2pk:%g mV'%((max(y)-min(y))*1000))
其中,t为时间列表,即采样时间点,y为第一时域幅值数据,label是在绘制图像上显示峰峰值。其中,t[0]时刻对应的值是y[0]。如图5所示,Python脚本把每个CSV文件数字滤波处理后的第一时域幅值数据绘制出波形图像,即图5中白底的波形图,图5中黑底的波形图为第二时域幅值数据绘制出的波形图,可以看出,第一时域幅值数据相对第二时域幅值数据已经过滤掉噪声,第二时域幅值数据的峰峰值为4.0mV,处理后的第一时域幅值数据的峰峰值为1.24874mV。
如图6所示,将第二时域幅值数据对应的峰峰值、第一时域幅值数据的峰峰值及测试波形名称存储在记录文件中,其中,记录文件为txt文件,记录文件的名称为record,在记录文件中的第一列“signal name”为测试波形名称,“unprocessed pk2pk”为第二时域幅值数据对应的峰峰值,“processed pk2pk”为第一时域幅值数据对应的峰峰值。记录文件record.txt是每次运行Python脚本在脚本同级目录下自动创建的文本文件,再次运行会覆盖原先的文本。
另外,Python脚本需要传参,即低频转折频率数值。
if__name__=='__main__':
main(sys.argv)
需要在命令提示符下进入到Python脚本所在目录,输入:pythonfilter_bandpass.py***(***为低频转折频率,如50000),该参数会传递给sys.argv[1]。
另外,为了进一步简化,使用方便考虑,在Python脚本的同级目录下,建立批处理文件,在批处理文件中写入python filter_bandpass.py****(****为低频转折频率),如python filter_bandpass.py 50000。每次双击该批处理文件即可运行Python脚本执行方法操作。这样,使用Python脚本处理,实现批量处理功能,统一测试,统一换算处理,减少工作量。
对于前述的方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明所必需的。
需要说明的是,在发明实施例中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种电源噪声测量的方法,其特征在于,所述方法包括:
获取电压纹波测试的原始采样数据文件;
根据所述原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;
根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述原始采样数据文件以及预定频带范围,进行数字滤波处理并得到处理后的第一时域幅值数据的步骤包括:
获取所述原始采样数据文件的第二时域幅值数据、预定频带范围的低转折频率、高通滤波器转折频率的陡峭程度以及采样频率;
根据所述第二时域幅值数据、所述低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据。
3.根据权利要求2所述的方法,其特征在于,获取所述采样频率的步骤包括:
获取所述第二时域幅值数据的个数以及首尾两个第二时域幅值数据之间的时间差;
根据所述第二时域幅值数据的个数以及所述时间差,计算所述采样频率。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第二时域幅值数据、所述低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据的步骤包括:
根据所述采样频率计算乃奎斯特采样频率;
根据所述低转折频率以及所述乃奎斯特采样频率计算归一化后采样频率;
根据所述归一化后采样频率、所述高通滤波器转折频率的陡峭程度、高通滤波器类型以及所述第二时域幅值数据,计算所述第一时域幅值数据。
5.根据权利要求1所述的方法,其特征在于,所述根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值的步骤包括:
将所述第一时域幅值数据的峰峰值存储在预先创建的记录文件中。
6.根据权利要求5所述的方法,其特征在于,所述记录文件为文本文件。
7.根据权利要求1所述的方法,其特征在于,所述原始采样数据文件为字符分隔值CSV文件。
8.一种电源噪声测量的装置,其特征在于,所述装置包括:
获取模块,用于获取电压纹波测试的原始采样数据文件;
第一处理模块,用于根据所述原始采样数据文件,进行预定频带范围的数字滤波处理并得到处理后的第一时域幅值数据;
第二处理模块,用于根据第一时域幅值数据绘制预定频带范围内的时域波形,并计算保存第一时域幅值数据的峰峰值。
9.根据权利要求8所述的装置,其特征在于,所述第一处理模块包括:
获取子模块,用于获取所述原始采样数据文件的第二时域幅值数据、预定频带范围的低转折频率、高通滤波器转折频率的陡峭程度以及采样频率;
计算子模块,用于根据所述第二时域幅值数据、所述低转折频率、高通滤波器转折频率的陡峭程度以及采样频率,计算得到处理后的第一时域幅值数据。
10.根据权利要求9所述的装置,其特征在于,所述获取子模块包括:
获取单元,用于获取所述第二时域幅值数据的个数以及首尾两个第二时域幅值数据之间的时间差;
第一计算单元,用于根据所述第二时域幅值数据的个数以及所述时间差,计算所述采样频率。
11.根据权利要求9所述的装置,其特征在于,所述计算子模块包括:
第二计算单元,用于根据所述采样频率计算乃奎斯特采样频率;
第三计算单元,用于根据所述低转折频率以及所述乃奎斯特采样频率计算归一化后采样频率;
第四计算单元,用于根据所述归一化后采样频率、所述高通滤波器转折频率的陡峭程度、高通滤波器类型以及所述第二时域幅值数据,计算所述第一时域幅值数据。
12.根据权利要求8所述的装置,其特征在于,所述第二处理模块包括:
存储子模块,用于将所述第一时域幅值数据的峰峰值存储在预先创建的记录文件中。
13.根据权利要求12所述的装置,其特征在于,所述记录文件为文本文件。
14.根据权利要求8所述的装置,其特征在于,所述原始采样数据文件为字符分隔值CSV文件。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610514390.3A CN107561376A (zh) | 2016-06-30 | 2016-06-30 | 一种电源噪声测量的方法及装置 |
PCT/CN2017/090503 WO2018001263A1 (zh) | 2016-06-30 | 2017-06-28 | 电源噪声测量的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610514390.3A CN107561376A (zh) | 2016-06-30 | 2016-06-30 | 一种电源噪声测量的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107561376A true CN107561376A (zh) | 2018-01-09 |
Family
ID=60785940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610514390.3A Pending CN107561376A (zh) | 2016-06-30 | 2016-06-30 | 一种电源噪声测量的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107561376A (zh) |
WO (1) | WO2018001263A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983497A (zh) * | 2019-05-23 | 2020-11-24 | 索尼互动娱乐股份有限公司 | 电源单元的检查装置 |
CN112379185A (zh) * | 2020-11-06 | 2021-02-19 | 海光信息技术股份有限公司 | 一种裸片的电源噪声测试结构 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704429B (zh) * | 2019-09-12 | 2023-04-14 | 陕西千山航空电子有限责任公司 | 一种数据处理方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009207236A (ja) * | 2008-02-26 | 2009-09-10 | Toyota Motor Corp | リップル検出装置 |
CN101539602A (zh) * | 2009-04-23 | 2009-09-23 | 浙江理工大学 | 全数字实时噪声测量分析方法及其*** |
CN101793921A (zh) * | 2009-02-04 | 2010-08-04 | Ls产电株式会社 | 电源稳定网络中的噪声测量***、可变滤波器以及电源稳定网络中的噪声测量方法 |
CN101893661A (zh) * | 2010-08-06 | 2010-11-24 | 浙江大学 | 一种光电信号同步监测的闪电数据处理方法 |
CN102378917A (zh) * | 2009-04-08 | 2012-03-14 | 罗斯蒙德公司 | 线路噪声分析和检测以及测量错误减少 |
CN203310512U (zh) * | 2013-07-08 | 2013-11-27 | 国家电网公司 | 电力设备噪声检测装置 |
CN103489454A (zh) * | 2013-09-22 | 2014-01-01 | 浙江大学 | 基于波形形态特征聚类的语音端点检测方法 |
CN104049207A (zh) * | 2014-06-27 | 2014-09-17 | 国家电网公司 | 一种隔离开关分合卡涩情况状态检修方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN85100984A (zh) * | 1985-04-01 | 1985-12-20 | 北京工业大学 | 一种测定电源扰动的方法 |
EP2542903B1 (en) * | 2010-03-05 | 2016-07-06 | Ambient Corporation | Evaluating noise and excess current on a power line |
CN102095917B (zh) * | 2010-11-30 | 2013-02-27 | 西安电子科技大学 | 高阻器件与介质材料电流噪声测试方法 |
CN103235180B (zh) * | 2013-04-08 | 2016-02-10 | 国家电网公司 | 一种电网间谐波测量方法 |
EP2990815B1 (en) * | 2014-08-27 | 2018-06-20 | Nxp B.V. | Noise detection circuit |
CN204214962U (zh) * | 2014-09-23 | 2015-03-18 | 深圳市航嘉驰源电气股份有限公司 | 一种充电器共模噪声测试电路及测试装置 |
-
2016
- 2016-06-30 CN CN201610514390.3A patent/CN107561376A/zh active Pending
-
2017
- 2017-06-28 WO PCT/CN2017/090503 patent/WO2018001263A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009207236A (ja) * | 2008-02-26 | 2009-09-10 | Toyota Motor Corp | リップル検出装置 |
CN101793921A (zh) * | 2009-02-04 | 2010-08-04 | Ls产电株式会社 | 电源稳定网络中的噪声测量***、可变滤波器以及电源稳定网络中的噪声测量方法 |
CN102378917A (zh) * | 2009-04-08 | 2012-03-14 | 罗斯蒙德公司 | 线路噪声分析和检测以及测量错误减少 |
CN101539602A (zh) * | 2009-04-23 | 2009-09-23 | 浙江理工大学 | 全数字实时噪声测量分析方法及其*** |
CN101893661A (zh) * | 2010-08-06 | 2010-11-24 | 浙江大学 | 一种光电信号同步监测的闪电数据处理方法 |
CN203310512U (zh) * | 2013-07-08 | 2013-11-27 | 国家电网公司 | 电力设备噪声检测装置 |
CN103489454A (zh) * | 2013-09-22 | 2014-01-01 | 浙江大学 | 基于波形形态特征聚类的语音端点检测方法 |
CN104049207A (zh) * | 2014-06-27 | 2014-09-17 | 国家电网公司 | 一种隔离开关分合卡涩情况状态检修方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983497A (zh) * | 2019-05-23 | 2020-11-24 | 索尼互动娱乐股份有限公司 | 电源单元的检查装置 |
CN111983497B (zh) * | 2019-05-23 | 2024-03-29 | 索尼互动娱乐股份有限公司 | 电源单元的检查装置 |
CN112379185A (zh) * | 2020-11-06 | 2021-02-19 | 海光信息技术股份有限公司 | 一种裸片的电源噪声测试结构 |
CN112379185B (zh) * | 2020-11-06 | 2023-03-21 | 海光信息技术股份有限公司 | 一种裸片的电源噪声测试结构 |
Also Published As
Publication number | Publication date |
---|---|
WO2018001263A1 (zh) | 2018-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109917457B (zh) | 一种地震波初至点的拾取方法以及设备 | |
CN107144719A (zh) | 一种高精度微弱信号测试仪及测试方法 | |
CN106991175B (zh) | 一种客户信息挖掘方法、装置、设备以及存储介质 | |
CN107561376A (zh) | 一种电源噪声测量的方法及装置 | |
Li et al. | Application of optimized variational mode decomposition based on kurtosis and resonance frequency in bearing fault feature extraction | |
CN103684898A (zh) | 一种监测用户请求在分布式***中运行的方法及装置 | |
Murthy et al. | Big Data solutions on a small scale: Evaluating accessible high-performance computing for social research | |
Stearns et al. | Signal processing algorithms in Fortran and C | |
Young | Computerized Data Acquisition and Analysis for the Life Sciences: A Hands on Guide | |
CN111210323A (zh) | 一种企业税务风险监控方法及*** | |
CN109918296A (zh) | 软件自动化测试方法及装置 | |
CN114020593B (zh) | 一种基于轨迹聚类的异质流程日志采样方法与*** | |
Qiang et al. | Gearbox fault diagnosis using data fusion based on self-organizing map neural network | |
CN110232277A (zh) | 网页后门的检测方法、装置和计算机设备 | |
Fichtner et al. | Seismic noise correlation on heterogeneous supercomputers | |
CN102043720A (zh) | 利用sql语句自动生成测试数据的方法和装置 | |
CN108111170A (zh) | 一种大动态范围信号采集装置 | |
CN109633744B (zh) | 地震子波的提取方法、装置、设备及存储介质 | |
WO2022062834A1 (zh) | 数据探查方法、装置、电子设备和存储介质 | |
CN108711143A (zh) | 基于互素多项式的两通道非下采样图滤波器组的设计方法 | |
Zhao et al. | High-order iterative rearrangement transform for time–frequency characterization of bearing fault impact | |
CN110955709B (zh) | 一种数据的处理方法、装置及电子设备 | |
CN113925517A (zh) | 基于脑电信号的认知障碍识别方法、装置及介质 | |
US9129015B1 (en) | Min/max filter for audio matching | |
Xu et al. | An enhanced spline-based time-varying filtering method and fast MKurtgram for bearing fault identification under random impulsive environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |