JP2010101894A - 確定成分識別装置、確定成分識別方法、プログラム、記憶媒体、試験システム、および、電子デバイス - Google Patents

Abstract

【課題】確率密度関数に含まれる確定成分の種類を精度よく判定する。
【解決手段】与えられる確率密度関数に含まれる確定成分の分布形状を識別する確定成分識別装置であって、確率密度関数の標準偏差を算出する標準偏差算出部と、確率密度関数のスペクトルを算出するスペクトル算出部と、スペクトルのヌル周波数を検出するヌル周波数検出部と、確率密度関数の標準偏差、および、スペクトルのヌル周波数に基づいて、確定成分の分布における上辺および底辺の比を算出する比算出部とを備える確定成分識別装置を提供する。
【選択図】図１２

Description

本発明は、確定成分識別装置、判定方法、プログラム、記憶媒体、試験システム、および、電子デバイスに関する。

従来、電気信号等の特性値を測定することで、電子回路、通信システム等の評価を行う場合がある。例えば、シリアル通信の評価において、送信信号または受信信号に含まれるジッタを測定することで、通信システムを評価する場合が考えられる。

なお、ジッタ等の特性値には、信号パターン、伝送路の特性等により確定的に生じる確定成分と、ランダムに生じるランダム成分が含まれる。より詳細な評価においては、これらの確定成分およびランダム成分を分離して評価することが好ましい。

確定成分およびランダム成分を測定するには、特性値を複数回測定して、確率密度関数を取得することが考えられる。確率密度関数は、確定成分およびランダム成分のコンボリューションと考えられるので、確率密度関数から確定成分をデコンボリューションすることで、確定成分およびランダム成分を分離することができる（例えば、特許文献１参照）。例えば、特許文献１の発明では、確率密度関数のスペクトルにおける第１ヌル周波数に基づいて確定成分を算出する。

国際公開第２００７／１０８４９２号パンフレット

このとき、確率密度関数に含まれる確定成分のモデルは既知としている。しかし確定成分には、複数種類のモデルが存在するので、確率密度関数に含まれている確定成分のモデルを精度よく判定しなければ、確定成分を精度よく算出することが困難である。また、確定成分が台形分布の場合、台形比によって分布の形状が異なるので、台形比を精度よく算出することが好ましい。

そこで本発明の１つの側面においては、上記の課題を解決することのできる確定成分識別装置、判定方法、プログラム、記憶媒体、試験システム、および、電子デバイスを提供することを目的とする。この目的は特許請求の範囲における独立項に記載の特徴の組み合わせにより達成される。また従属項は本発明の更なる有利な具体例を規定する。

上記課題を解決するために、本発明の第１の態様においては、与えられる確率密度関数に含まれる確定成分の分布形状を識別する確定成分識別装置であって、確率密度関数の標準偏差を算出する標準偏差算出部と、確率密度関数のスペクトルを算出するスペクトル算出部と、スペクトルのヌル周波数を検出するヌル周波数検出部と、確率密度関数の標準偏差、および、スペクトルのヌル周波数に基づいて、確定成分の分布における上辺および底辺の比を算出する比算出部とを備える確定成分識別装置および当該確定成分識別装置に係る確定成分識別方法、ならびに、コンピュータを当該確定成分識別装置として機能させるプログラムおよび当該プログラムを格納した記憶媒体を提供する。

本発明の第２の態様においては、被試験デバイスを試験する試験システムであって、被試験デバイスの所定の特性を複数回測定する測定部と、測定部が測定した特性値の確率密度関数に含まれる確定成分の分布形状を識別し、確定成分を算出する確定成分識別装置と、確定成分識別装置が算出した確定成分に基づいて、被試験デバイスの良否を判定する良否判定部とを備え、確定成分識別装置は、確率密度関数の標準偏差を算出する標準偏差算出部と、確率密度関数のスペクトルを算出するスペクトル算出部と、スペクトルのヌル周波数を検出するヌル周波数検出部と、確率密度関数の標準偏差、および、スペクトルのヌル周波数に基づいて、確定成分の分布における上辺および底辺の比を算出する比算出部とを有する試験システムを提供する。

本発明の第３の態様においては、所定の信号を生成する電子デバイスであって、所定の信号を生成して出力する動作回路と、所定の信号における所定の特性を複数回測定する測定部と、測定部が測定した特性値の確率密度関数に含まれる確定成分の分布形状を識別し、確定成分を算出する確定成分識別装置と、を備え、確定成分識別装置は、確率密度関数の標準偏差を算出する標準偏差算出部と、確率密度関数のスペクトルを算出するスペクトル算出部と、スペクトルのヌル周波数を検出するヌル周波数検出部と、確率密度関数の標準偏差、および、スペクトルのヌル周波数に基づいて、確定成分の分布における上辺および底辺の比を算出する比算出部とを有する電子デバイスを提供する。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

一つの実施形態に係る確定成分識別装置１００の機能構成例を示す図である。 確定成分識別装置１００に与えられる確率密度関数の一例を示す図である。 一様分布の確定成分の確率密度関数を示す図である。 台形分布の確定成分の確率密度関数を示す図である。 デュアルディラック分布の確定成分の確率密度関数を示す図である。 シングルディラック分布の確定成分の確率密度関数を示す図である。 サイン波分布の確定成分のモデルについて、確定成分の確率密度関数と、そのスペクトルとを示す図である。 一様分布の確定成分のモデルについて、確定成分の確率密度関数と、そのスペクトルとを示す図である。 スペクトル算出部１２０が算出するスペクトルの一例を示す図である。 確定成分の種類毎の、時間ドメインでのモデル式、周波数ドメインでのモデル式、第１ヌル周波数ｆ_ｚｅｒｏとピークツゥピーク値ＤＪ_Ｐ−Ｐとの関係、および、ピークツゥピーク値ＤＪ_Ｐ-Ｐと二乗平均値ＤＪ_ＲＭＳとの関係を示す表である。 理論値算出部１４０が算出した、各種類の確定成分のスペクトルＹ（ｘ）の理論値と、測定値算出部１５０が算出した、確定成分のスペクトルＹ（ｘ）の測定値との一例を示す図である。 ヌル周波数検出部１３０の動作例を示す図である。 確定成分識別装置１００の他の構成例を示す図である。 確定成分識別装置１００の動作の概要を示すフローチャートである。 確定成分識別装置１００の他の構成例を示す図である。 図１２に関連して説明した確定成分識別装置１００の動作例を説明するフローチャートである。 確定成分識別装置１００の他の構成例を示す図である。 図１４に示した確定成分識別装置１００の動作例を説明するフローチャートである。 一つの実施形態に係る試験システム３００の構成例を示す図である。 一つの実施形態に係る電子デバイス４００の構成例を示す図である。 一つの実施形態に係るコンピュータ１９００のハードウェア構成の一例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、一つの実施形態に係る確定成分識別装置１００の機能構成例を示す図である。確定成分識別装置１００は、与えられる確率密度関数に含まれる確定成分の分布形状を判定する。本例の確定成分識別装置１００は、特に確定成分の種類（またはモデル）を判定する。確定成分識別装置１００は、標準偏差算出部１１０、スペクトル算出部１２０、ヌル周波数検出部１３０、理論値算出部１４０、測定値算出部１５０、および、モデル判定部１６０を備える。

まず、確率密度関数、確定成分、および、ランダム成分について説明する。確率密度関数に含まれる確定成分およびランダム成分が互いに独立とすると、確定成分およびランダム成分の時間軸におけるコンボリューションにより、時間軸の確率密度関数が与えられる。このため、確率密度関数のスペクトルＨ（ｆ）は、下式のように、確定成分のスペクトルＤ（ｆ）およびランダム成分のスペクトルＲ（ｆ）の乗算で与えられる。

また、ランダム成分は、一般にガウス分布で与えられるので、そのスペクトルＲ（ｆ）は、下式で与えられる。

ただし、σ_{ＲＪ，ＲＭＳ}は、ランダム成分の標準偏差を示す。このように、ランダム成分の標準偏差が測定できれば、ランダム成分を決定できる。そして、与えられる確率密度関数からランダム成分を減算することで、確定成分も決定することができる。

しかし、与えられる確率密度関数は、確定成分およびランダム成分が合成されているので、確率密度関数からランダム成分のみの標準偏差を測定することは困難である。ここで、確定成分およびランダム成分が互いに独立とすると、確率密度関数の標準偏差σ_{ＴＪ，ＲＭＳ}は、ランダム成分の標準偏差σ_{ＲＪ，ＲＭＳ}および確定成分の標準偏差ＤＪ_ＲＭＳにより、以下のように与えられる。

よって確率密度関数のスペクトルは、下式で与えられる。

また、確定成分の標準偏差ＤＪ_ＲＭＳは、確定成分のピークツゥピーク値ＤＪ_Ｐ−Ｐから求めることができる。つまり、確率密度関数の標準偏差σ_{ＴＪ，ＲＭＳ}、および、確定成分のピークツゥピーク値ＤＪ_Ｐ−Ｐが測定できれば、式（１）に基づいて、確率密度関数Ｈ（ｆ）から確定成分Ｄ（ｆ）を分離することができる。

標準偏差算出部１１０は、与えられる確率密度関数の標準偏差σ_{ＴＪ，ＲＭＳ}を算出する。標準偏差算出部１１０は、式（２）に基づいて、標準偏差算出部１１０は、時間軸の確率密度関数の標準偏差σ_{ＴＪ，ＲＭＳ}を算出してよい。

ただし、与えられる確率密度関数のｉ番目のビンの中央値をｘ_ｉ、ｉ番目のビンのイベント数をｙ_ｉ、総ビン数をＮとする。また、ｐ_ｉおよびμは以下で与えられる。

スペクトル算出部１２０は、与えられる確率密度関数のスペクトルを算出する。標準偏差算出部１１０およびスペクトル算出部１２０は、時間軸の確率密度関数が並列に与えられてよい。

ヌル周波数検出部１３０は、スペクトル算出部１２０が算出したスペクトルにおいて、スペクトルのパワーが略零となるヌル周波数（または、スペクトルが極小値を示すヌル周波数）を検出する。後述するように、確率密度関数のスペクトルにおけるヌル周波数から、確定成分のピークツゥピーク値ＤＪ_Ｐ−Ｐを算出することができる。

図２は、確定成分識別装置１００に与えられる確率密度関数の一例を示す図である。確率密度関数は、例えば電気回路等の所定の特性を複数回測定することで得られる、測定値の分布を示す関数であってよい。所定の特性とは、例えば電気回路、光回路等が出力する信号のジッタ量、振幅値、直流値等であってよい。

例えば、ジッタ量とは、信号の位相雑音を示してよい。より具体的には、ジッタ量とは、信号のエッジタイミングと、理想的なエッジタイミングとの差を指してよい。この場合、確率密度関数は、信号のエッジ毎のジッタ量を測定したときの、測定値の分布（出現確率）を示してよい。また、振幅値とは、信号の電圧、電流、光強度等の振幅を指してよい。また、直流値とは、信号の電圧、電流、光強度等の直流レベルを指してよい。

一般に、これらの特性の確率密度関数は、確定成分およびランダム成分が含まれる。例えば、ジッタ量の確率密度関数には、信号パターン、伝送路の特性等により確定的に生じる確定ジッタの成分と、ランダムに生じるランダムジッタの成分とが含まれる。

なお、確率密度関数に含まれるランダム成分は、図２に示すようにガウス分布で与えられる。これに対し確定成分は、その発生原因等により、複数種類のモデルで与えられる。例えば図２では、サイン波分布の確定成分のモデルを示したが、他にも、一様分布の確定成分、台形分布の確定成分、デュアルディラック分布の確定成分、シングルディラック分布の確定成分等が考えられる。

図３Ａ、図３Ｂ、図４Ａ、図４Ｂは、確定成分の各モデルの確率密度関数を示す図である。図３Ａは、一様分布の確定成分を示す。図３Ｂは、台形分布の確定成分を示す。図４Ａは、デュアルディラック分布の確定成分を示す。図４Ｂは、シングルディラック分布の確定成分を示す。

図２から図４Ｂに示すように、それぞれのモデルにおいて、ピークツゥピーク値ＤＪ_Ｐ−Ｐが定まれば、確定成分の分布を一義に定めることができる。ただし、台形分布の確定成分は、上辺および下辺の比が更に与えられることが好ましい。また、シングルディラック分布の確定成分は、ピークツゥピーク値が略０の確定成分として与えられる。

本例の確定成分識別装置１００は、確率密度関数のスペクトルにおけるヌル周波数に基づいて、確定成分のピークツゥピーク値ＤＪ_Ｐ−Ｐを算出する。以下では、ヌル周波数のうち、最小の周波数である第１ヌル周波数を用いる例を説明する。

図５Ａ、図５Ｂは、所定の確定成分のモデルについて、確定成分の確率密度関数と、そのスペクトルとを示す図である。図５Ａは、サイン波分布の確定成分のモデルについて示す。また図５Ｂは、一様分布の確定成分のモデルについて示す。図５Ａおよび図５Ｂにおいて、左の波形は時間領域の確率密度関数を示し、右の波形は確率密度関数のスペクトルを示す。また、時間領域の確定成分のピークツゥピーク値をＤＪ_Ｐ−Ｐとする。

図５Ａに示すように、サイン波分布の確定成分の確率密度関数をフーリエ変換したスペクトルの第１ヌル周波数は、０．７６５／ＤＪ_Ｐ−Ｐで与えられる。即ち、当該第１ヌル周波数の逆数に、係数０．７６５を乗算することにより、確定成分のピークツゥピーク値ＤＪ_Ｐ−Ｐを算出することができる。ただし、当該係数は近似値であり、より高精度または低精度に求めた係数を用いてもよい。例えば、より有効桁数の大きい、または、小さい係数を用いてよい。

また、図５Ｂに示すように、一様分布の確定成分の確率密度関数をフーリエ変換したスペクトルの第１ヌル周波数は、１／ＤＪ_Ｐ−Ｐで与えられる。即ち、当該第１ヌル周波数の逆数を求めることにより、確定成分のピークツゥピーク値ＤＪ_Ｐ−Ｐを算出することができる。

同様に、台形分布、デュアルディラック分布等の他の確定成分の種類についても、第１ヌル周波数から、ピークツゥピーク値を算出することができる。ただし、図５Ａ、図５Ｂに示すように、確定成分のモデルにより、第１ヌル周波数とピークツゥピーク値ＤＪ_Ｐ−Ｐとの関係が異なるので、確定成分を精度よく求めるには、確定成分のモデルを判定する必要がある。

図６は、スペクトル算出部１２０が算出するスペクトルの一例を示す図である。スペクトル算出部１２０は、与えられる確率密度関数のスペクトルを算出する。スペクトル算出部１２０は、与えられる確率密度関数をフーリエ変換することで、確率密度関数のスペクトルを算出してよい。スペクトル算出部１２０が算出するスペクトルは、図６に示すように、確定成分のスペクトルと、ランダム成分のスペクトルとを合成したスペクトルとなる。

ヌル周波数検出部１３０は、スペクトル算出部１２０が算出したスペクトルのヌル周波数を検出する。本例のヌル周波数検出部１３０は、スペクトルのヌル周波数のうち、最小の周波数となる第１ヌル周波数を検出する。

上述したように、確定成分のスペクトルにおける第１ヌル周波数は、確定成分の時間軸におけるピークツゥピーク値に対応する。そして、図６に示すように、確定成分およびランダム成分を合成したスペクトルの第１ヌル周波数は、確定成分のスペクトルにおける第１ヌル周波数とほぼ一致する。

このため、与えられる確率密度関数のスペクトルにおける第１ヌル周波数を検出することで、確定成分のスペクトルにおける第１ヌル周波数を検出することができる。また、上述したように、確定成分のスペクトルにおける第１ヌル周波数から、確定成分のピークツゥピーク値ＤＪ_Ｐ−Ｐを算出することができる。ただし、算出されるピークツゥピーク値ＤＪ_Ｐ−Ｐは、確定成分の種類により異なる。

図７は、確定成分の種類毎の、時間ドメインでのモデル式、周波数ドメインでのモデル式、第１ヌル周波数ｆ_ｚｅｒｏとピークツゥピーク値ＤＪ_Ｐ−Ｐとの関係、および、ピークツゥピーク値ＤＪ_Ｐ-Ｐと二乗平均値ＤＪ_ＲＭＳとの関係を示す表である。なお、図７におけるＩ_０は、第１種０次のベッセル関数を示す。

また、図７におけるαは、台形分布における下辺に対する上辺の比を示す。すなわち、台形分布においてα＝１の場合が一様分布に相当し、α＝０の場合が三角分布に相当する。なお、確定成分識別装置１００が取り扱う確定成分の種類は、上述した種類に限定されない。確定成分識別装置１００は、スペクトルの第１ヌル周波数から、ピークツゥピーク値を算出できる全ての確定成分のモデルを判定してよい。

ここで、それぞれの確定成分のスペクトルのモデル式を、与えられる確率密度関数から測定できる標準偏差σ_{ＴＪ、ＲＭＳ}と、第１ヌル周波数ｆ_ｚｅｒｏとで表現する。サイン波分布の確定成分のスペクトルのモデル式は、式（１）および図７から、下式で与えられる。

また、台形分布の確定成分のスペクトルのモデル式は下式で与えられる。

また、デュアルディラック分布の確定成分のスペクトルのモデル式は下式で与えられる。

また、シングルディラック分布の確定成分のスペクトルのモデル式は下式で与えられる。

理論値算出部１４０は、標準偏差算出部１１０が算出した標準偏差σ_{ＴＪ、ＲＭＳ}と、ヌル周波数検出部１３０が検出した第１ヌル周波数ｆ_ｚｅｒｏとに基づいて、予め定められた複数種類の確定成分のそれぞれに対して、スペクトルの理論値を算出する。例えば理論値算出部１４０は、式（３）から式（６）に基づいて、確定成分の種類毎の理論値を算出してよい。理論値算出部１４０には、式（３）から式（６）が予め与えられてよい。

また、理論値算出部１４０は、標準偏差算出部１１０が算出した標準偏差σ_{ＴＪ、ＲＭＳ}を有するガウス分布のスペクトルで正規化された、スペクトルの理論値を算出してもよい。例えば理論値算出部１４０は、式（３）から式（６）において、

として、Ｙ（ｘ）を算出してよい。

また、理論値算出部１４０は、第１ヌル周波数ｆ_ｚｅｒｏで周波数ｆを正規化したスペクトルの理論値を算出してもよい。例えば理論値算出部１４０は、式（３）から式（６）において、ｆ／ｆ_ｚｅｒｏ＝ｘとして理論値を算出してよい。

これらの正規化を行う場合、式（３）から式（６）は、以下のように変形される。

理論値算出部１４０には、式（３'）から式（６'）が予め与えられてもよい。この場合、理論値算出部１４０は、ヌル周波数検出部１３０が検出した第１ヌル周波数を、式（３'）から式（６'）に適用することで、確定成分の各種類のスペクトルの理論値を算出してよい。

測定値算出部１５０は、標準偏差算出部１１０が算出した標準偏差σ_{ＴＪ、ＲＭＳ}、および、スペクトル算出部１２０が算出したスペクトルに基づいて、確率密度関数ＰＤＦに含まれる確定成分のスペクトルの測定値を算出する。測定値算出部１５０は、スペクトル算出部１２０が算出したスペクトルＨ（ｆ）の周波数を、第１ヌル周波数ｆ_ｚｅｒｏで正規化したスペクトルＨ（ｘ）を用いてよい。

測定値算出部１５０は、当該スペクトルＨ（ｘ）を、標準偏差σ_{ＴＪ、ＲＭＳ}を有するガウス分布のスペクトルで除算することで、確定成分のスペクトルの測定値を算出してよい。このとき、確定成分のスペクトルＹ（ｘ）の測定値は、式（７）から、下式で与えられる。

図８は、理論値算出部１４０が算出した、各種類の確定成分のスペクトルＹ（ｘ）の理論値と、測定値算出部１５０が算出した、確定成分のスペクトルＹ（ｘ）の測定値との一例を示す図である。図８に示すように、０＜ｘ＜１の範囲において、下記の関係が成り立つ。

また、台形分布における上辺／下辺の台形比αが大きいほどＹ_Ｔｒａ（ｘ，α）も大きくなる。つまり、

となる。

モデル判定部１６０は、理論値算出部１４０が確定成分の種類毎に算出した理論値のうち、測定値算出部１５０が算出した測定値に最も近い理論値に対応する確定成分の種類を、確率密度関数に含まれる確定成分の種類と判定する。なお、理論値算出部１４０および測定値算出部１５０は、予め定められた同一の周波数（図８の例では、ｆ／ｆ_ｚｅｒｏ＝ｘａ）におけるスペクトルの値を、理論値および測定値として算出してよい。

つまり、理論値算出部１４０および測定値算出部１５０は、すべての帯域に渡ってスペクトルの理論値および測定値を算出しなくともよい。ただし、理論値算出部１４０および測定値算出部１５０は、０より大きく、且つ、第１ヌル周波数より小さい周波数の範囲において、スペクトルの値を算出することが好ましい。つまり、理論値算出部１４０および測定値算出部１５０は、０＜ｘａ＜１の範囲で、スペクトルの値を算出することが好ましい。

なお、図８の例では、測定値は、台形分布（α＝０．２）の理論値に最も近いので、モデル判定部１６０は、確率密度関数に含まれる確定成分の種類を、台形分布（α＝０．２）と判定してよい。また、モデル判定部１６０は、測定値算出部１５０が算出した測定値が、一様分布の理論値と、三角分布の理論値との間にあると判定した場合、理論値が測定値により近くなるような台形比αを算出してよい。モデル判定部１６０は、算出された台形比αを有する台形分布を、確定成分のモデルとして判定してよい。

このような処理により、確率密度関数に含まれる確定成分のモデルを精度よく判定することができる。このため、確率密度関数に含まれるランダム成分および確定成分を精度よく算出することができる。

図９は、ヌル周波数検出部１３０の動作例を示す図である。本例におけるヌル周波数検出部１３０は、スペクトル算出部１２０が算出したスペクトルを、周波数で２階微分した波形のピークに基づいて、スペクトルの第１ヌル周波数を検出する。

本例において、スペクトルの第１ヌル周波数をｆ１とする。与えられる確率密度関数にノイズが少ない場合、スペクトルの第１ヌル周波数は精確に検出することができる。これに対し、与えられる確率密度関数にノイズが含まれる場合、図９のスペクトルｇ（ｆ）に示すように、検出されるべき周波数ｆ１において、第１ヌル周波数を検出することができないことがある。

この場合、図９に示すように、当該スペクトルを周波数で微分することにより、第１ヌル周波数を精度よく検出することができる。図９に示すように、当該スペクトルの２階微分波形ｇ''（ｆ）のピークが、スペクトルｇ（ｆ）のヌルに対応する。このため、ヌル周波数検出部１３０は、確率密度関数のスペクトルを２階微分し、微分波形のピーク周波数に基づいて、第１ヌル周波数を検出してよい。

図１０は、確定成分識別装置１００の他の構成例を示す図である。本例における確定成分識別装置１００は、図１に関連して説明した確定成分識別装置１００の構成に加え、確定成分算出部１７０およびランダム成分算出部１８０を更に備える。他の構成要素は、図１に関連して説明した構成要素と同一であってよい。

確定成分算出部１７０は、モデル判定部１６０が判定した確定成分の種類と、ヌル周波数検出部１３０が検出した第１ヌル周波数とに基づいて、確率密度関数に含まれる確定成分を算出する。図７に示したように、時間ドメインまたは周波数ドメインにおける確定成分の確率密度関数は、確定成分の種類と、ピークツゥピーク値ＤＪ_Ｐ−Ｐとから決定することができる。

確定成分算出部１７０は、第１ヌル周波数からピークツゥピーク値ＤＪ_Ｐ−Ｐを算出することで、確定成分の確率密度関数を算出してよい。確定成分算出部１７０には、図７に示したような、確定成分の種類毎の、時間ドメインでのモデル式、周波数ドメインでのモデル式、第１ヌル周波数ｆ_ｚｅｒｏとピークツゥピーク値ＤＪ_Ｐ−Ｐとの関係、および、ピークツゥピーク値ＤＪ_Ｐ-Ｐと二乗平均値ＤＪ_ＲＭＳとの関係を示すテーブルが与えられてよい。

ランダム成分算出部１８０は、確定成分算出部１７０が算出した確定成分を、確定成分識別装置１００に与えられる確率密度関数ＰＤＦから除去することで、確率密度関数ＰＤＦに含まれるランダム成分を算出する。例えばランダム成分算出部１８０は、時間ドメインの確率密度関数ＰＤＦから、時間ドメインの確定成分をデコンボリューションすることで、時間ドメインのランダム成分を算出してよい。また、ランダム成分算出部１８０は、周波数ドメインの確率密度関数ＰＤＦから、周波数ドメインの確定成分を除算することで、周波数ドメインのランダム成分を算出してよい。また、ランダム成分算出部１８０は、算出したランダム成分の標準偏差を更に算出してもよい。

このような構成により、確率密度関数に含まれる確定成分およびランダム成分を、精度よく分離することができる。このため、例えばジッタを測定したときに、確定ジッタおよびランダムジッタを精度よく分離することができるので、評価対象を精度よく評価することができる。

図１１は、確定成分識別装置１００により、確定成分のモデルを判定する処理の概要を示すフローチャートである。まず、標準偏差算出部１１０が、確率密度関数の標準偏差を算出する（Ｓ２００）。また、スペクトル算出部１２０が、確率密度関数のスペクトルを算出する（Ｓ２０２）。また、ヌル周波数検出部１３０は、スペクトル算出部１２０が算出したスペクトルの第１ヌル周波数を検出する（Ｓ２０４）。Ｓ２０２およびＳ２０４の処理は、Ｓ２００の処理と並行して行ってよい。

理論値算出部１４０は、ヌル周波数検出部１３０が検出した第１ヌル周波数に基づいて、確定成分の各種類の理論値を算出する（Ｓ２０６）。また、測定値算出部１５０は、標準偏差算出部１１０が算出した標準偏差およびスペクトル算出部１２０が算出したスペクトルに基づいて、確定成分の測定値を算出する（Ｓ２０８）。Ｓ２０８の処理は、Ｓ２０６の処理と並行して行ってよい。

そして、モデル判定部１６０は、理論値算出部１４０が算出した各理論値と、測定値算出部１５０が算出した測定値とを比較して、確率密度関数に含まれる確定成分の種類を判定する（Ｓ２１０）。このような処理により、確定成分の種類を精度よく判定することができる。

図１２は、確定成分識別装置１００の他の構成例を示す図である。本例の確定成分識別装置１００は、台形分布の確定成分の台形比αを算出する。本例の確定成分識別装置１００は、図１に関連して説明した確定成分識別装置１００の構成に対して、モデル判定部１６０に代えて比算出部１９０を備える。標準偏差算出部１１０、スペクトル算出部１２０、ヌル周波数検出部１３０、理論値算出部１４０、および、測定値算出部１５０は、図１から図１１において同一の符号を付して説明した構成要素と同一の機能および構成を有してよい。

比算出部１９０は、標準偏差算出部１１０が算出した確率密度関数の標準偏差、スペクトル算出部１２０が算出した確率密度関数のスペクトル、および、ヌル周波数検出部１３０が検出したヌル周波数に基づいて、台形比αを算出する。式（４）または式（４'）に示したように、確率密度関数に含まれる確定成分が台形分布のとき、確率密度関数のスペクトルは、第１ヌル周波数ｆ_ｚｅｒｏ、確率密度関数の標準偏差σ_{ＴＪ、ＲＭＳ}、および、台形比αにより決定される。このため、確率密度関数のスペクトル、第１ヌル周波数ｆ_ｚｅｒｏ、および、確率密度関数の標準偏差σ_{ＴＪ、ＲＭＳ}から、台形比αを算出することができる。

測定値算出部１５０は、標準偏差算出部１１０が算出した標準偏差σ_{ＴＪ、ＲＭＳ}、および、スペクトル算出部１２０が算出したスペクトルＨ（ｘ）に基づいて、確率密度関数に含まれる確定成分に対して、スペクトルの測定値を算出する。例えば測定値算出部１５０は、式（８）に基づいて、スペクトルの測定値を算出してよい。また、測定値算出部１５０は、予め定められた周波数ｘ１（ｘ１＝ｆ１／ｆ_ｚｅｒｏ）における、スペクトルの測定値Ｙ（ｘ１）を算出してよい。

比算出部１９０は、台形比αおよび第１ヌル周波数ｆ_ｚｅｒｏにより定まる確定成分のスペクトルの理論値が、スペクトルの測定値で近似されるように、台形比αを算出する。例えば比算出部１９０は、予め定められた複数種類の台形比αに対する確定成分のスペクトルの理論値が与えられ、測定値算出部１５０が算出した測定値に最も近い理論値を与える台形比αを選択してよい。

理論値算出部１４０は、上述した複数種類の台形比αに対する、確定成分のスペクトルの理論値をそれぞれ算出してよい。このとき、理論値算出部１４０は、予め定められた周波数ｘ１における理論値を算出してよい。理論値算出部１４０は、式（４'）に基づいて、それぞれの台形比αに対する理論値を算出してよい。

理論値算出部１４０は、それぞれの台形比αに対する理論値を、比算出部１９０に通知する。上述したように、比算出部１９０は、これらの理論値と、測定値算出部１５０が算出した測定値とを比較して、測定値に最も近い理論値を与える台形比αを選択してよい。また、比算出部１９０は、理論値算出部１４０が用いたそれぞれの台形比αの間における理論値を、補間法により算出することで、測定値と略同一の理論値を与える台形比αを算出してもよい。このとき、比算出部１９０は、線形補間、スプライン補間等の公知の補間法を用いてよい。

また、台形比αを決定する他の方法として、比算出部１９０は、理論値算出部１４０から与えられる複数の台形比αに対する理論値に基づいて、所定の周波数ｘ１における確定成分のスペクトルの測定値Ｈ（ｘ１）を変数として台形比αを求める式を生成してもよい。例えば、比算出部１９０は、Ｎ組の台形比αおよび理論値Ｈ_{ｉｄｅａｌ}（ｘ１）の組み合わせを、理論値算出部１４０から受け取ってよい。

そして、比算出部１９０は、理論値Ｈ_ｉｄｅａ（ｘ１）のＮ−１次の多項式で、αを近似する式を生成してよい。ここで、理論値Ｈ_{ｉｄｅａｌ}（ｘ１）＝ｍとすると、Ｎ−１次の近似式は、下式で与えられる。ただし、ｋ_ｉは、ｉ次項の係数を示す。

比算出部１９０は、式（９）のｘに、測定値算出部１５０が算出した確定成分のスペクトルの測定値Ｈ（ｘ）を代入することで、台形比αを算出してよい。このような方法によっても、台形比αを決定することができる。

また、台形比αを決定する他の方法として、比算出部１９０は、式（４）に所定の台形比αを代入して得られる理論値と、測定値算出部１５０が算出した測定値との誤差が、所定の許容範囲内となる台形比αを、２分法等の探索法で検出してもよい。このような方法によっても、台形比αを決定することができる。

図１３は、図１２に関連して説明した確定成分識別装置１００の動作例を説明するフローチャートである。本例において、Ｓ２００からＳ２０８までの処理は、図１１に関連して説明したＳ２００からＳ２０８までの処理と同一であってよい。Ｓ２０８の処理の後、比算出部１９０は、確定成分の分布における上辺および底辺の比である台形比αを算出する（Ｓ２１２）。以上のような処理により、確率密度関数に含まれる台形分布の確定成分の台形比を算出することができる。

図１４は、確定成分識別装置１００の他の構成例を示す図である。本例における確定成分識別装置１００は、図１に関連して説明した確定成分識別装置１００の構成に加え、比算出部１９０を更に備える。比算出部１９０は、図１２に関連して説明した比算出部１９０と同一であってよい。

本例の確定成分識別装置１００は、まずモデル判定部１６０において、確率密度関数に含まれる確定成分が台形分布か否かを判定する。モデル判定部１６０は、確率密度関数に含まれる確定成分のモデルが、サイン波分布、一様分布、デュアルディラック分布、台形分布等のいずれであるかを判定してよい。そして、モデル判定部１６０において、確率密度関数に含まれる確定成分が台形分布と判定された場合に、比算出部１９０において確定成分の台形比αを算出する。

なお、図８に関連して説明した例では、測定値が、台形比α＝０．２の台形分布の理論値に近い場合に、確定分布のモデルが台形分布と判定している。しかし、台形分布における台形比αは、０から１の間の値を取りうる。このため、モデル判定部１６０は、測定値算出部１５０が算出した測定値が、三角分布（つまり、台形比α＝０）の理論値と、一様分布（つまり、台形比α＝１）の理論値との間となる場合に、確定成分のモデルを台形分布と判定してよい。

また他の例では、モデル判定部１６０は、測定値が、所定の台形比αを有する台形分布（例えば、α＝０．５）の理論値に近い場合に、確定成分のモデルを台形分布と判定してもよい。以上のような処理により、確率密度関数に含まれる確定成分のモデルを判定することができ、更に、確定成分のモデルが台形分布のときに、その台形比αを算出することができる。このため、確定成分の分布形状を精度よく識別することができる。

なお、本例の確定成分識別装置１００においても、図１０に関連して説明した確定成分算出部１７０およびランダム成分算出部１８０を更に備えてよい。この場合、確定成分算出部１７０は、比算出部１９０が算出した台形比αを更に受け取ってよい。確定成分算出部１７０は、確定成分の種類、第１ヌル周波数ｆ_ｚｅｒｏ、および、台形比αから、図７に示した式を用いて、確定成分を算出してよい。

図１５は、図１４に示した確定成分識別装置１００の動作例を説明するフローチャートである。本例において、Ｓ２００からＳ２１０までの処理は、図１１において説明したＳ２００からＳ２１０までの処理と同一であってよい。Ｓ２１０の処理の後、モデル判定部１６０は、確定成分のモデルが、台形分布であるか否かを判断する（Ｓ２１１）。確定成分のモデルが台形分布のとき、モデル判定部１６０は、その旨を比算出部１９０に通知する。また、確定成分のモデルが台形分布でない場合、確定成分識別装置１００は、処理を終了してよい。

比算出部１９０は、モデル判定部１６０から、当該通知を受け取った場合に、台形比αを算出する（Ｓ２１２）。このとき、理論値算出部１４０は、図１２に関連して説明した各理論値を算出して、比算出部１９０に通知してよい。比算出部１９０は、測定値算出部１５０が算出した測定値と、理論値算出部１４０が算出した理論値とを比較して、台形比αを算出する。このような処理により、確率密度関数に含まれる確定成分のモデルを判定することができ、更に、確定成分のモデルが台形分布のときに、その台形比αを算出することができる。

図１６は、一つの実施形態に係る試験システム３００の構成例を示す図である。試験システム３００は、半導体回路、通信機器等の被試験デバイスを試験するシステムであって、測定部３２０、確定成分識別装置１００、および、良否判定部３３０を備える。

測定部３２０は、被試験デバイス３１０の所定の特性を複数回測定して、当該特性の測定値の確率密度関数を生成する。例えば測定部３２０は、被試験デバイス３１０が出力する信号のジッタ、電圧、電流等を測定してよい。

確定成分識別装置１００は、測定部３２０が測定した特性値の確率密度関数に含まれる確定成分の種類を判定する。また、確定成分識別装置１００は、確率密度関数に含まれる確定成分およびランダム成分の少なくとも一方を算出する。確定成分識別装置１００は、図１０に関連して説明した確定成分識別装置１００と同一であってよい。

良否判定部３３０は、確定成分識別装置１００が算出した確定成分またはランダム成分に基づいて、被試験デバイス３１０の良否を判定する。例えば良否判定部３３０は、確定成分識別装置１００が算出した確定成分またはランダム成分が所定の仕様を満たすか否かを判定してよい。このような構成により、被試験デバイス３１０の良否を精度よく判定することができる。

図１７は、一つの実施形態に係る電子デバイス４００の構成例を示す図である。本例の電子デバイス４００は、入力ピン４０２から与えられる信号に応じて動作して、生成した所定の信号を出力ピン４０４から出力する。電子デバイス４００は、動作回路４１０、測定部３２０、確定成分識別装置１００、および、良否判定部３３０を備える。

動作回路４１０は、与えられる信号に応じて動作する。動作回路４１０は、動作結果に応じて所定の信号を生成してよい。測定部３２０、確定成分識別装置１００、および、良否判定部３３０は、動作回路４１０が正常に動作するか否かを試験するＢＩＳＴ回路として機能する。

測定部３２０は、動作回路４１０が生成した所定の信号における所定の特性を複数回測定して、確率密度関数を生成する。確定成分識別装置１００は、測定部３２０が生成した確率密度関数に含まれる確定成分およびランダム成分を算出する。良否判定部３３０は、確定成分識別装置１００が算出した確定成分およびランダム成分に基づいて、動作回路４１０の良否を判定する。測定部３２０、確定成分識別装置１００、および、良否判定部３３０は、図１６に関連して説明した測定部３２０、確定成分識別装置１００、および、良否判定部３３０と同一であってよい。

また、良否判定部３３０は、良否判定結果を、試験ピン４０６を介して外部に出力してよい。以上の構成により、動作回路４１０の自己診断を精度よく行える電子デバイス４００を提供できる。

図１８は、一つの実施形態に係るコンピュータ１９００のハードウェア構成の一例を示す。コンピュータ１９００は、与えられるプログラムに基づいて、図１から図１５において説明した確定成分識別装置１００として機能する。プログラムは、コンピュータ１９００を、図１から図１５に関連して説明した確定成分識別装置１００の各構成要素として機能させてよい。

本実施形態に係るコンピュータ１９００は、ＣＰＵ周辺部、入出力部、及びレガシー入出力部を備える。ＣＰＵ周辺部は、ホスト・コントローラ２０８２により相互に接続されるＣＰＵ２０００、ＲＡＭ２０２０、グラフィック・コントローラ２０７５、及び表示装置２０８０を有する。入出力部は、入出力コントローラ２０８４によりホスト・コントローラ２０８２に接続される通信インターフェース２０３０、ハードディスクドライブ２０４０、及びＣＤ−ＲＯＭドライブ２０６０を有する。レガシー入出力部は、入出力コントローラ２０８４に接続されるＲＯＭ２０１０、フレキシブルディスク・ドライブ２０５０、及び入出力チップ２０７０を有する。

ホスト・コントローラ２０８２は、ＲＡＭ２０２０と、高い転送レートでＲＡＭ２０２０をアクセスするＣＰＵ２０００及びグラフィック・コントローラ２０７５とを接続する。ＣＰＵ２０００は、ＲＯＭ２０１０及びＲＡＭ２０２０に格納されたプログラムに基づいて動作し、各部の制御を行う。グラフィック・コントローラ２０７５は、ＣＰＵ２０００等がＲＡＭ２０２０内に設けたフレーム・バッファ上に生成する画像データを取得し、表示装置２０８０上に表示させる。これに代えて、グラフィック・コントローラ２０７５は、ＣＰＵ２０００等が生成する画像データを格納するフレーム・バッファを、内部に含んでもよい。

入出力コントローラ２０８４は、ホスト・コントローラ２０８２と、比較的高速な入出力装置である通信インターフェース２０３０、ハードディスクドライブ２０４０、ＣＤ−ＲＯＭドライブ２０６０を接続する。通信インターフェース２０３０は、ネットワークを介して他の装置と通信する。ハードディスクドライブ２０４０は、コンピュータ１９００内のＣＰＵ２０００が使用するプログラム及びデータを格納する。ＣＤ−ＲＯＭドライブ２０６０は、ＣＤ−ＲＯＭ２０９５からプログラム又はデータを読み取り、ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。

また、入出力コントローラ２０８４には、ＲＯＭ２０１０と、フレキシブルディスク・ドライブ２０５０、及び入出力チップ２０７０の比較的低速な入出力装置とが接続される。ＲＯＭ２０１０は、コンピュータ１９００が起動時に実行するブート・プログラム、コンピュータ１９００のハードウェアに依存するプログラム等を格納する。フレキシブルディスク・ドライブ２０５０は、フレキシブルディスク２０９０からプログラム又はデータを読み取り、ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。入出力チップ２０７０は、フレキシブルディスク・ドライブ２０５０、例えばパラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を接続する。

ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供されるプログラムは、フレキシブルディスク２０９０、ＣＤ−ＲＯＭ２０９５、又はＩＣカード等の記録媒体に格納されて利用者によって提供される。プログラムは、記録媒体から読み出され、ＲＡＭ２０２０を介してコンピュータ１９００内のハードディスクドライブ２０４０にインストールされ、ＣＰＵ２０００において実行される。当該プログラムは、コンピュータ１９００にインストールされる。当該プログラムは、ＣＰＵ２０００等に働きかけて、コンピュータ１９００を、確定成分識別装置１００として機能させる。

以上に示したプログラムは、外部の記録媒体に格納されてもよい。記録媒体としては、フレキシブルディスク２０９０、ＣＤ−ＲＯＭ２０９５の他に、ＤＶＤ、ＣＤ等の光学記録媒体、ＭＯ等の光磁気記録媒体、テープ媒体、ＩＣカード等の半導体メモリ等を用いることができる。また、専用通信ネットワークまたはインターネットに接続されたサーバシステムに設けたハードディスク又はＲＡＭ等の記憶装置を記録媒体として使用し、ネットワークを介してプログラムをコンピュータ１９００に提供してもよい。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

上記説明から明らかなように、本発明の（一）実施形態によれば、確率密度関数に含まれる確定成分の種類を精度よく判定できる確定成分識別装置を実現することができる。

１００・・・確定成分識別装置、１１０・・・標準偏差算出部、１２０・・・スペクトル算出部、１３０・・・ヌル周波数検出部、１４０・・・理論値算出部、１５０・・・測定値算出部、１６０・・・モデル判定部、１７０・・・確定成分算出部、１８０・・・ランダム成分算出部、１９０・・・比算出部、３００・・・試験システム、３１０・・・被試験デバイス、３２０・・・測定部、３３０・・・良否判定部、４００・・・電子デバイス、４０２・・・入力ピン、４０４・・・出力ピン、４０６・・・試験ピン、４１０・・・動作回路、１９００・・・コンピュータ、２０００・・・ＣＰＵ、２０１０・・・ＲＯＭ、２０２０・・・ＲＡＭ、２０３０・・・通信インターフェース、２０４０・・・ハードディスクドライブ、２０５０・・・フレキシブルディスク・ドライブ、２０６０・・・ＣＤ−ＲＯＭドライブ、２０７０・・・入出力チップ、２０７５・・・グラフィック・コントローラ、２０８０・・・表示装置、２０８２・・・ホスト・コントローラ、２０８４・・・入出力コントローラ、２０９０・・・フレキシブルディスク、２０９５・・・ＣＤ−ＲＯＭ

Claims (15)

1. 与えられる確率密度関数に含まれる確定成分の分布形状を識別する確定成分識別装置であって、
   前記確率密度関数の標準偏差を算出する標準偏差算出部と、
   前記確率密度関数のスペクトルを算出するスペクトル算出部と、
   前記スペクトルのヌル周波数を検出するヌル周波数検出部と、
   前記確率密度関数の標準偏差、および、前記スペクトルのヌル周波数に基づいて、前記確定成分の分布における上辺および底辺の比を算出する比算出部と
   を備える確定成分識別装置。
2. 前記標準偏差算出部が算出した前記標準偏差、および、前記スペクトル算出部が算出した前記スペクトルに基づいて、前記確率密度関数に含まれる確定成分に対して、スペクトルの測定値を算出する測定値算出部を更に備え、
   前記比算出部は、前記確定成分の分布における前記上辺および底辺の比、および、前記ヌル周波数検出部が検出した前記ヌル周波数により定まる前記確定成分のスペクトルの理論値が、前記スペクトルの測定値で近似されるように、前記上辺および底辺の比を算出する
   を有する請求項１に記載の確定成分識別装置。
3. 前記測定値算出部は、前記確定成分のスペクトルの測定値として、予め定められた周波数における前記確定成分のスペクトルの値を算出し、
   前記比算出部は、前記予め定められた周波数における、前記確定成分のスペクトルの理論値が、前記確定成分のスペクトルの測定値で近似されるように、前記上辺および底辺の比を算出する
   請求項２に記載の確定成分識別装置。
4. 予め定められた複数種類の前記上辺および底辺の比に対して、前記確定成分のスペクトルの理論値をそれぞれ算出する理論値算出部を更に備え、
   前記比算出部は、前記確定成分のスペクトルのそれぞれの前記理論値と、前記測定値とを比較することで、前記上辺および底辺の比を算出する
   請求項３に記載の確定成分識別装置。
5. 予め定められた複数種類の前記上辺および底辺の比に対して、予め定められた周波数における前記確定成分のスペクトルの理論値をそれぞれ算出する理論値算出部を更に備え、
   前記比算出部は、それぞれの前記上辺および底辺の比および前記理論値に基づいて、前記予め定められた周波数における前記確定成分のスペクトルの測定値を変数として前記上辺および底辺の比を求める式を生成し、当該式に前記測定値算出部が算出した前記確定成分のスペクトルの測定値を代入することで、前記上辺および底辺の比を算出する
   請求項３に記載の確定成分識別装置。
6. 前記ヌル周波数検出部は、前記スペクトルの第１ヌル周波数を検出する
   請求項１に記載の確定成分識別装置。
7. 前記確率密度関数に含まれる前記確定成分が台形分布か否かを判定するモデル判定部を更に備え、
   前記比算出部は、前記モデル判定部において、前記確率密度関数に含まれる前記確定成分が前記台形分布と判定された場合に、前記上辺および底辺の比を算出する
   請求項２に記載の確定成分識別装置。
8. 前記モデル判定部は、前記標準偏差算出部が算出した前記標準偏差、前記スペクトル算出部が算出した前記スペクトル、および、前記ヌル周波数検出部が検出する前記ヌル周波数に基づいて、前記確率密度関数に含まれる前記確定成分が台形分布か否かを判定する
   請求項７に記載の確定成分識別装置。
9. 前記ヌル周波数検出部が検出した前記ヌル周波数に基づいて、前記台形分布を含む予め定められた複数種類の分布の前記確定成分のそれぞれに対して、スペクトルの理論値を算出する理論値算出部を更に備え、
   前記モデル判定部は、前記理論値算出部が前記確定成分の種類毎に算出した前記理論値のうち、前記測定値算出部が算出した前記測定値に最も近い前記理論値に対応する前記確定成分の種類を、前記確率密度関数に含まれる確定成分の種類と判定する
   請求項８に記載の確定成分識別装置。
10. 前記理論値算出部は、三角分布および一様分布を含む複数種類の分布の前記確定成分のそれぞれに対して、スペクトルの理論値を算出し、
    前記モデル判定部は、前記測定値算出部が算出した前記測定値が、前記三角分布の前記確定成分の理論値と、前記一様分布の前記確定成分の理論値との間となる場合に、前記確率密度関数に前記台形分布の前記確定成分が含まれると判定する
    請求項９に記載の確定成分識別装置。
11. 与えられる確率密度関数に含まれる確定成分の分布形状を識別する確定成分識別方法であって、
    前記確率密度関数の標準偏差を算出し、
    前記確率密度関数のスペクトルを算出し、
    前記スペクトルのヌル周波数を検出し、
    前記確率密度関数の標準偏差、および、前記スペクトルのヌル周波数に基づいて、前記確定成分の分布における上辺および底辺の比を算出する確定成分識別方法。
12. コンピュータを、与えられる確率密度関数に含まれる確定成分の分布形状を識別する確定成分識別装置として機能させるプログラムであって、
    前記コンピュータを、
    前記確率密度関数の標準偏差を算出する標準偏差算出部と、
    前記確率密度関数のスペクトルを算出するスペクトル算出部と、
    前記スペクトルのヌル周波数を検出するヌル周波数検出部と、
    前記確率密度関数の標準偏差、および、前記スペクトルのヌル周波数に基づいて、前記確定成分の分布における上辺および底辺の比を算出する比算出部と
    して機能させるプログラム。
13. 請求項１２に記載のプログラムを記憶した記憶媒体。
14. 被試験デバイスを試験する試験システムであって、
    前記被試験デバイスの所定の特性を複数回測定する測定部と、
    前記測定部が測定した特性値の確率密度関数に含まれる確定成分の分布形状を識別し、前記確定成分を算出する確定成分識別装置と、
    前記確定成分識別装置が算出した前記確定成分に基づいて、前記被試験デバイスの良否を判定する良否判定部と
    を備え、
    前記確定成分識別装置は、
    前記確率密度関数の標準偏差を算出する標準偏差算出部と、
    前記確率密度関数のスペクトルを算出するスペクトル算出部と、
    前記スペクトルのヌル周波数を検出するヌル周波数検出部と、
    前記確率密度関数の標準偏差、および、前記スペクトルのヌル周波数に基づいて、前記確定成分の分布における上辺および底辺の比を算出する比算出部と
    を有する試験システム。
15. 所定の信号を生成する電子デバイスであって、
    前記所定の信号を生成して出力する動作回路と、
    前記所定の信号における所定の特性を複数回測定する測定部と、
    前記測定部が測定した特性値の確率密度関数に含まれる確定成分の分布形状を識別し、前記確定成分を算出する確定成分識別装置と、
    を備え、
    前記確定成分識別装置は、
    前記確率密度関数の標準偏差を算出する標準偏差算出部と、
    前記確率密度関数のスペクトルを算出するスペクトル算出部と、
    前記スペクトルのヌル周波数を検出するヌル周波数検出部と、
    前記確率密度関数の標準偏差、および、前記スペクトルのヌル周波数に基づいて、前記確定成分の分布における上辺および底辺の比を算出する比算出部と
    を有する電子デバイス。

Images