CN110780100B - 一种基于频率快速测量算法的示波器自动设置方法 - Google Patents

Abstract

本发明公开了一种基于时间域软件测量幅度、频率快速测量算法的示波器自动设置方法，包括：将需要处理的数据抽取出多个时间间隔不同的特征数组；并对这多个特征数组进行峰峰值以及最小整周期数的判断，找到能代表信号峰峰值和频率特征的数组；再根据该数组对水平时基档和垂直幅度挡位进行设置。本发明具有低成本、速度快、适用范围广等特点。

Description

一种基于频率快速测量算法的示波器自动设置方法

技术领域

本发明属于电子测量仪器领域，特别涉及一种时间域软件测量幅度及频率的快速测量算法，以及基于此算法的数字示波器快速自动设置方法。

背景技术

示波器作为电子信息领域最常用的测量仪器，在各大高校、实验室、公司等都发挥着着巨大的作用，但在其使用时常需要手动调节水平时基及垂直幅度以使得波形的显示效果良好，而自动设置功能可以自动对水平时基及垂直幅度进行设置，以满足使用者的要求。

自动设置功能实际上是对信号的幅度和频率进行测量，以此确定应选择的水平时基和垂直幅度，大概方法都是先初始化一个幅度挡位，然后通过特定方法得到其幅度或频率，如果幅度挡位不合适就需要调整幅度挡位重新测量。

在现有的方法里，对于信号幅度的测量可以分为软件和硬件两类。其中硬件一般通过峰值检测电路实现；而软件一般是通过对采样数据进行一次遍历得到其最大最小值，两者做差即可得到信号的幅度。而对于未知信号的频率测量也大致可以分为硬件和软件两类。其中，硬件主要是通过对输入信号进行整型后通过比较电路输出为与输入信号频率相关的方波，再利用测频电路测量其频率，常用方法包括：直接测频法、多周期测频法等；软件测频又可以分为时间域测频和频率域测频两类，时间域测频一般是对采样数据进行两次遍历，通过计算每个信号周期内的采样点数进而计算信号频率，频率域测频一般采用的是对采样数据进行快速傅里叶变换将其转换成频率域后找出信号中除直流分量外频率分量最大值的频率，即可视为信号频率。

然而，上述方法在使用中都存在一定问题。例如，中国专利CN101609106A公开的“数字示波器的自动设置方法”以及中国专利CN103809002A公开的“数字荧光示波器自动设置的控制方法”都是使用硬件电路测量频率、软件方法测幅度，再通过二分法对幅度挡位进行调整后再次进行重复测量的方式。在实际使用中测频电路要求幅度挡位设置合适、输入信号幅度足够大且比较电平设置合理，而时间域软件测幅度又要求时基挡位设置合理，并对至少一周期的数据进行遍历，采样率越高，花费时间就越多，同时由于测频和测幅度的互相约束，导致自动设置常需要多次重复测量，消耗大量时间且准确率较低。

中国专利CN105510664A公开的“一种数字示波器的自动设置方法”以及中国专利CN106597048A公开的“一种基于硬件集中式的数字示波器快速自动设置方法”都是使用硬件电路测量频率，硬件峰值检测测幅度的方式。其频率测量方面仍会面临上述问题，而其采用的峰值检测模式虽然避免了时间域软件测频运算量大、花费时间多的缺点，但其允许的信号频率低，对于高频信号很难适用。

中国专利CN108037339A公开的“一种数字示波器自动设置的控制方法”使用的是软件测幅度，频率域软件测频的方式。其将软件测幅度与采样同步进行，使得避免了上述专利在幅度测量的缺点，但是其不适用于采样率高的示波器，当数据采集速度高于FPGA的处理速度，幅度测量与采样就无法保持同步，导致消耗时间的增加。其对频率的测量需要对数据进行快速傅里叶变换，而随着采样率的增大，需要计算的数据量也会变大，消耗时间也会显著增多。此外，由于其需要对采样数据并行处理及快速傅里叶变换，就要求使用FPGA这样的硬件处理器，且随着示波器采样率的提高，对资源的占用就越大，成本较高。

综上所述，目前大部分的示波器自动设置方法在速度、准确率、适用频率范围、成本等方面都各有不足。

发明内容

为解决示波器在实现自动设置功能上如何达到自动设置速度快、适用频率范围广、成本低的问题，本发明提出一种基于时间域软件测量幅度、频率快速算法的示波器自动设置方法，通过对抽取出的不同时间间隔的特征数组间的峰峰值及最小整周期数进行比较，实现对信号幅度和频率的快速测量，进而达到自动设置的目的。

本发明提供了一种基于时间域软件测量幅度、频率快速算法的示波器自动设置方法，包括如下步骤：

S1：自动设置开始时先对幅度挡位进行初步调整，具体过程如下：

S11:在开始时，将幅度挡位的量程S_v设置为最大量程；

S12：将时基挡位设置为最小，根据自动设置的最小识别频率f_min以及最小时基挡位对应的最大采样率f_max，确定采样的点数N进行采样：

S13：从采样数据中抽取M个时间间隔不同的特征数组Array₁至Array_M；

S14:对M个特征数组中的每个特征数组进行一次遍历，获取所述特征数组的最大值MAX_i和最小值MIN_i，i＝1,2，…,M，两者做差求得所述特征数组的峰峰值Vpp_i＝MAX_i-MIN_i，两者加和平均求得所述特征数组的中值

再将所有特征数组的峰峰值比较，得到最大峰峰值Vpp_max；

S15：判断最大峰峰值Vpp_max是否大于S_v×ε，ε为阈值常数，若大于则进入步骤S2，否则将幅度挡位的量程S_v调整为大于Vpp_max的最小量程，并返回步骤S12重新采样；

S2：根据峰峰值准则和最小整周期准则，找到能够代表信号幅度和频率特征的判断数组，具体过程如下：

S21：初始化i＝1；

S22：判断特征数组Array_i的峰峰值Vpp_i是否小于α×Vpp_max，α为常数，若小于，则令i＝i+1，返回步骤S22继续判断，否则进入步骤S23；

S23：令j＝i；

S24：根据最小整周期算法，计算特征数组Array_j的最小整周期数Num并判断所述最小整周期数Num是否为零，若所述最小整周期数Num为零，则令i＝j+1，若i>M，则将特征数组Array_j作为判断数组，进入步骤S3，否则返回步骤S22继续判断；若所述最小整周期数Num不为零，则将特征数组Array_j作为判断数组，继续步骤S3；

S3：根据判断数组Array_j的最大值MAX_j和最小值MIN_j，确定幅度挡位，再计算出信号的频率并根据频率确定时基挡位，具体过程如下：

S31：根据步骤S14的算法计算得到判断数组Array_j的峰峰值Vpp_j和中值

其中，根据峰峰值Vpp_j确定幅度挡位的量程为S_v，使其满足0.4×S_v≤Vpp_j≤0.8×S_v，并把中值

作为相应通道的直流偏置；

S32：计算出信号的频率f，进而确定时基挡位。

进一步，M个特征数组中每个特征数组的大小为K，每个特征数组对应的时间间隔DT以倍数A依次递增，时间间隔DT从低到高依次为1/f_max、A/f_max、……、A^(M-1)/f_max，其中，特征数组数M计算如下：

其中，A、M、N、K需要满足下式：

A^(M-1)×K＝N。

进一步，步骤S24中，所述最小整周期算法具体如下：

首先进行比较阈值的判断，如下：

其中，β为阈值常数；Δ_j为比较窗口的宽度；

为特征数组Array_j的高比较阈值；

为特征数组Array_j的低比较阈值，

然后对特征数组Array_j进行一次遍历，找出数组中大于高比较阈值

的部分数量Num_h和小于低比较阈值

的部分数量Num_L，最后得到的是最小整周期数Num为Num_h和Num_L中较小的值减1。

在一种可能的实施方式中，在步骤S24中，在对特征数组进行最小整周期数Num计算时，同时判断首先出现的是信号的顶部还是信号的底部，当是顶部的话就将首次到达底部的数组下标记为C_s，将最后到达底部的数组下标记为C_e；反之，则将首次到达顶部的数组下标记为C_s，将最后到达顶部的数组下标记为C_e。

进一步，根据判断数组Array_j的C_s、C_e、对应的时间间隔DT_j以及最小整周期数Num，可计算出信号的频率f，进而确定时基挡位

特别地，当Num＝0时，说明信号在最大时间间隔的特征数组里最小整周期数Num小于2，那么就可以确定信号频率f的范围：

f_min≤f<2f_min。

在一种可能的实施方式中，步骤S32具体过程可以如下：

基于判断数组Array_j的最小整周期数Num、对应的时间间隔DT_j和数组大小K，按照下式计算信号的频率范围，进而确定时基挡位

特别地，同样当Num＝0时，说明信号在最大时间间隔的特征数组里周期数小于2，那么就可以确定信号频率f的范围

f_min≤f<2f_min。

因此，本发明在实现自动设置的方法上，提出了一种快速测量幅度和频率的算法，通过对庞大的采样数据抽取多个时间间隔不同的特征数组使得需要处理的数据量显著减少，同时通过峰峰值准则和最小整周期准则确定能近似表征信号幅度和频率特性的特征数组，进而设置时基挡位和幅度挡位。该算法使得对幅度和频率进行计算的时间复杂度由O(n)变为O(log(n))，运行时间极大的减少。在幅度挡位的调整上，本发明采用粗调的方式，通过对抽出数组的最大峰峰值与阈值比较，判断其小于阈值才进行挡位调整，使得自动设置中幅度调整的次数减少，重新采样的次数也就减少，因此自动设置完成的更快。

本发明的有益效果：

1)本发明提出了数据抽取方法，通过对原始数据进行多等间隔数据抽取，在减少数据量的同时保留了信号的部分特征；提出了最小整周期数的计算方法，可以在信号幅度接近实际幅度的情况下，计算出数据中至少包含信号的整周期数，例如其值为1时，那么该数据中就至少包含一个整周期的信号，但整周期不会大于2；提出了基于多等间隔数据抽取的软件测量信号幅度、频率的快速算法，通过峰峰值准则和最小整周期准则对多个抽取后的等间隔数组进行判断，找到能够代表信号幅度和频率信息的数组，进而确定信号的幅度和频率；提出了示波器自动设置时幅度挡位粗调的方法，既保证了信号具有一定的幅度，又减少了在自动设置过程中调整幅度挡位的次数，减少了自动设置消耗的时间。

2)本发明在自动设置的实现上由于对幅度和频率的测量采用的都是软件算法，无需额外的硬件电路，并且对于处理单元无特殊要求，甚至可以将程序嵌入到示波器的主控制器中，近似达到零成本。

3)本发明的算法需要处理的运算量小，因此速度很快，即使在采样率增加的情况下，算法运算量增加也很少，因此对于采样率高的示波器一样适用，且优势更大。

附图说明

图1为本发明的基于频率快速算法的示波器自动设置方法流程图；

图2为本发明的最小整周期算法流程图；

图3为本发明的实施例的最小整周期数算法的结果图。

具体实施方式

下面结合附图和实施例进一步描述本发明，应该理解，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。

本发明在示波器自动设置的方法上采用软件测幅度、时间域软件测频的方式，与传统的软件测频和测幅度不同的是，本发明将需要处理的数据提取出多个时间间隔不同的特征数组(其中每个数组的时间间隔固定，不同特征数组的时间间隔不同)；并对这多个特征数组进行峰峰值以及最小整周期数的判断，找到能代表信号峰峰值和频率特征的数组；再根据该数组对水平时基档和垂直幅度挡位进行设置。具体地，本发明的基于时间域软件测量幅度、频率快速测量算法的示波器自动设置方法，如图1所示，包括如下步骤：

S1：幅度挡位的初步调整

在示波器自动设置开始时，先对幅度挡位进行初步(粗略)调整，使得测得信号的幅度满足之后对幅度、频率的测量即可。具体过程如下：

S11:在开始时，将幅度挡位的量程S_v设置为最大量程；

S12：将时基挡位设置为最小，根据自动设置的最小识别频率f_min以及示波器最小时基挡位对应的最大采样率f_max，确定采样的点数N进行采样：

S13：从采样数据中抽取M个时间间隔不同的特征数组Array₁至Array_M，其中,每个数组的大小为K，K可根据示波器的要求进行设定，对应的时间间隔DT以倍数A依次递增，从低到高依次为1/f_max、A/f_max、……、A^(M-1)/f_max，其中，M计算如下：

其中，A、M、N、K需要满足下式：

A^(M-1)×K＝N。

S14:对每个特征数组进行一次遍历获取其最大值MAX_i和最小值MIN_i(i＝1,2，…,M)，两者做差求得特征数组的峰峰值Vpp_i，再将所有特征数组的峰峰值比较，得出其最大峰峰值Vpp_max；

S15：判断最大峰峰值Vpp_max是否大于S_v×ε,ε为阈值常数，其大小可以根据ADC(模数转换器)的分辨率以及仪器噪声进行调整，若大于则进入步骤S2，否则将幅度挡位调整为其量程S_v大于Vpp_max的最小幅度档，并返回步骤S12重新采样。

S2：根据峰峰值准则和最小整周期准则，找到能够代表信号幅度和频率特征的判断数组。所述峰峰值准则是指：对多个时间间隔不同的特征数组，可以认为其最大峰峰值Vpp_max为实际信号的峰峰值，如果其中某个特征数组的峰峰值不接近Vpp_max，就说明该特征数组一定没能获取到信号的整周期。所述最小整周期准则是指：对于峰峰值接近实际信号的特征数组，当其最小整周期数为0时，说明该特征数组可能不包含信号的一个周期，因此应判断该特征数组为时间间隔稍大的特征数组；而当其最小整周期数大于0时，且时间间隔稍小的特征数组要么峰峰值不接近实际信号，要么最小整周期数为0时，即可认为该特征数组能够近似表征信号的幅度和频率特性。

该步骤具体过程如下：

S21：初始化i＝1；

S22：判断特征数组Array_i的峰峰值Vpp_i是否小于α×Vpp_max(α为一常数)，若小于，则说明该特征数组肯定没能获取到信号的整周期，令i＝i+1，返回步骤S22继续判断，否则认为该特征数组的峰峰值接近实际信号的幅度，继续；

S23：令j＝i；

S24：根据最小整周期算法，对特征数组Array_j进行计算，得出其最小整周期数Num并判断其最小整周期数Num是否为零。若是，则说明该特征数组可能没有获取到信号的整周期，令i＝j+1，若i>M(说明Array_j已经是最大的时间间隔了)，则将特征数组Array_j作为判断数组，进入步骤S3，否则返回步骤S22继续判断；若其最小整周期数Num不为零，则说明该特征数组既包含了信号的幅度特性，又至少包含信号的一个整周期，则将该特征数组Array_j作为判断数组，继续步骤S3。

其中,最小整周期算法具体如下：

首先进行比较阈值的判断，如下：

Vpp＝MAX-MIN

V_h＝V_off+Δ

V_L＝V_off-Δ

其中，MAX为特征数组的最大值；MIN为特征数组的最小值；V_off为特征数组的中值；β为阈值常数；Δ为比较窗口的宽度；V_h为高比较阈值；V_L为低比较阈值。

然后对特征数组进行一次遍历，找出数组中大于高比较阈值V_h的部分数量Num_h和小于低比较阈值V_L的部分数量Num_L，最后得到的是最小整周期数Num为Num_h和Num_L中较小的值减1，即，Num＝min(Num_L,Num_h)-1，具体算法流程图如图2所示。

该算法可以计算出特征数组中包含信号的最小整周期数，这里的最小表示测得的整周期数可能比实际包含的整周期数少，但最多少1个，如图3所示，其Num_h值为4，而Num_L值为3，那么最后计算出的Num值就为2，而实际包含信号的整周期数为3。

S3：根据判断数组Array_j进行时基挡位和幅度挡位的确定

根据判断数组Array_j的最大值MAX_j和最小值MIN_j,即可确定幅度挡位，在一些可能的实施方式中，可以根据判断数组的最小整周期数Num以及这些整周期内包含的点数(下文中将提到的Ce-Cs即为Num个整周期包含的数据点的个数)计算出其频率，再根据频率确定时基挡位。具体过程如下：

S31：在上述步骤中已经计算出判断数组Array_j的峰峰值Vpp_j和中值

其中，根据峰峰值Vpp_j确定幅度挡位，该幅度挡位的量程为S_v，使其满足0.4×S_v≤Vpp_j≤0.8×S_v即可，并把中值

作为该通道的直流偏置；

S32：在对特征数组进行最小整周期数计算时，同时判断首先出现的是信号的顶部还是信号的底部，当是顶部的话就将首次到达底部的数组下标记为C_s，将最后到达底部的数组下标记为C_e；反之，则将首次到达顶部的数组下标记为C_s，将最后到达顶部的数组下标记为C_e。在最小整周期算法中，高低比较阈值的设计是为了消除信号噪声的影响，可以定义在高比较阈值V_h～最高点Max的部分为信号的顶部，低比较阈值V_L～高比较阈值V_h的部分为中间部分，最低点Min～低比较阈值V_L的部分为底部。而这里提到的“到达”的概念不是简单的判断每个点的值是否大于V_h或者小于V_L，而是从其他部分达到该部分的第一个点。如图3所示，Cs点即为第一次到达信号的底部的点，而在这个点之后的同一个底部的点都不是到达(例如最低点Min线上对应的点)，而Ce是第三次到达信号底部的点，这两个点之间包含着信号的两个整周期。

根据判断数组Array_j的C_s、C_e、对应的时间间隔DT_j以及最小整周期数Num即可计算出信号的频率f，进而确定时基挡位

在一种可能的实施方式中，在对时基挡位的确定时，还可以简单的根据判断数组Array_j的最小整周期数Num以及对应的时间间隔DT_j和数组大小K，按照下式简单计算信号的频率范围，进而确定时基挡位。

特别地，当Num＝0时，说明信号在最大时间间隔的特征数组里周期数小于2，那么就可以确定信号频率f的范围：

f_min≤f<2f_min。

特别地，本发明中提出的软件快速测量幅度和频率的方法不仅可以用在示波器的自动设置上，还可以适用于频率范围未知的信号或者频率范围广的信号进行频率计算。并且该算法可以根据需求来设置频率计算的精度，当其如S32步骤计算出其低精度频率后，就可以根据精度要求选择恰当时间间隔、恰当数量的采样数据重新进行频率计算。例如要想保证计算频率的特征数组应满足一周期至少有1000个采样点数(即精度要求1/1000)，而经过算法测出来的信号频率为800Hz(该结果频率的精度较低)，那么就可以抽取出时间间隔为1μs，采样点数为5000的特征数组对其频率重新计算，这就实现了在保证频率测量的精度的同时又减少了算法的消耗时间。

此外，对于多通道示波器来说，本发明仍然适用，因为多通道的数据采集是同时进行的，而除了采样时间外，算法的运算量很少，运行时间极短，因此基本不会增加自动设置的时间。

对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以对本发明的实施例做出若干变型和改进，这些都属于本发明的保护范围。

Claims (5)

1.一种基于频率快速测量算法的示波器自动设置方法，其特征在于，包括如下步骤：

S1：自动设置开始时先对幅度挡位进行初步调整，具体过程如下：

S11：在开始时，将幅度挡位的量程S_v设置为最大量程；

S12：将时基挡位设置为最小，根据自动设置的最小识别频率f_min以及最小时基挡位对应的最大采样率f_max，确定采样的点数N进行采样：

S13：从采样数据中抽取M个时间间隔不同的特征数组Array₁至Array_M，M个特征数组中每个特征数组的大小为K，每个特征数组对应的时间间隔DT以倍数A依次递增，时间间隔DT从低到高依次为1/f_max、A/f_max、……、A^(M-1)/f_max，其中，特征数组数M计算如下：

其中，A、M、N、K满足下式：

A^(M-1)×K＝N；

S14：对M个特征数组中的每个特征数组进行一次遍历，获取所述特征数组的最大值MAX_i和最小值MIN_i，i＝1，2，…，M，两者做差求得所述特征数组的峰峰值Vpp_i＝MAX_i-MIN_i，两者加和平均求得所述特征数组的中值

再将所有特征数组的峰峰值比较，得到最大峰峰值Vpp_max；

S15：判断最大峰峰值Vpp_max是否大于S_v×ε，ε为阈值常数，若大于则进入步骤S2，否则将幅度挡位的量程S_v调整为大于Vpp_max的最小量程，并返回步骤S12重新采样；

S2：根据峰峰值准则和最小整周期准则，找到能够代表信号幅度和频率特征的判断数组，具体过程如下：

S21：初始化i＝1；

S22：判断特征数组Array_i的峰峰值Vpp_i是否小于α×Vpp_max，α为常数，若小于，则令i＝i+1，返回步骤S22继续判断，否则进入步骤S23；

S23：令j＝i；

S24：根据最小整周期算法，计算特征数组Array_j的最小整周期数Num并判断所述最小整周期数Num是否为零，若所述最小整周期数Num为零，则令i＝j+1，若i＞M，则将特征数组Array_j作为判断数组，进入步骤S3，否则返回步骤S22继续判断；若所述最小整周期数Num不为零，则将特征数组Array_j作为判断数组，继续步骤S3；

S3：根据判断数组Array_j的最大值MAX_j和最小值MIN_j，确定幅度挡位，再计算出信号的频率并根据频率确定时基挡位，具体过程如下：

S31：根据步骤S14的算法计算得到判断数组Array_j的峰峰值Vpp_j和中值

其中，根据峰峰值Vpp_j确定幅度挡位的量程为S_v，使其满足0.4×S_v≤Vpp_j≤0.8×S_v，并把中值

作为相应通道的直流偏置；

S32：计算出信号的频率f，进而确定时基挡位。

2.根据权利要求1所述的方法，其特征在于，步骤S24中，所述最小整周期算法具体如下：

首先进行比较阈值的判断，如下：

其中，β为阈值常数；Δ_j为比较窗口的宽度；

为特征数组Array_j的高比较阈值；

为特征数组Array_j的低比较阈值，

然后对特征数组Array_j进行一次遍历，找出数组中大于高比较阈值

的部分数量Num_h和小于低比较阈值

的部分数量Num_L，最后得到的是最小整周期数Num为Num_h和Num_L中较小的值减1。

3.根据权利要求2所述的方法，其特征在于，步骤S24中，在对特征数组进行最小整周期数Num计算时，同时判断首先出现的是信号的顶部还是信号的底部，当是顶部的话就将首次到达底部的数组下标记为C_s，将最后到达底部的数组下标记为C_e；反之，则将首次到达顶部的数组下标记为C_s，将最后到达顶部的数组下标记为C_e，所述信号的顶部是指大于高比较阈值

的部分，所述信号的底部是指小于低比较阈值

的部分，

步骤S32中，根据判断数组Array_j的C_s、C_e、对应的时间间隔DT_j以及最小整周期数Num，计算出信号的频率f：

4.根据权利要求1所述的方法，其特征在于，步骤S32具体过程如下：

基于判断数组Array_j的最小整周期数Num、对应的时间间隔DT_j和数组大小K，计算信号的频率范围：

5.根据权利要求3或4所述的方法，其特征在于，当最小整周期数Num＝0时，信号频率f的范围如下：

f_min≤f＜2f_min。

Images