CN102998500A - 一种数字三维示波器的波形数据处理方法 - Google Patents

Abstract

本发明公开了一种数字三维示波器的波形数据处理方法，将一次刷新周期内采集到的多幅波形数据映射到三维波形数据库，将该三维数据库的内容作为数据处理对象进行统计直方图分析，采用K均值聚类算法将直方图分为高低两个部分，即H_upper和H_lower两个部分。根据H_upper和H_lower估计脉冲参数的高、低状态电平，即顶端值v_top和底端值v_base。根据顶端值v_top和底端值v_base可计算其它的波形参数，如幅度、上升/下降时间、周期等。采用本发明可以避免异常值和偶发信号对波形参数测量的影响，在高噪声的情况下能有效的提高幅度类参数测量结果的精确度。

Description

一种数字三维示波器的波形数据处理方法

技术领域

本发明属于数字三维示波器技术领域，更为具体地讲，涉及一种数字三维示波器的波形数据处理方法。

背景技术

随着电子信号的带宽和非平稳特性的快速增长，对时域测试仪器的测试精度和速度提出了更高的要求。为满足此类信号的测试要求，数字示波器需要具有高实时采样率、高波形捕获率和高精度的参数测量功能以保证信号的采集、捕捉和测量是可靠的。波形参数的测量功能是现代示波器必不可少的功能之一，其测量的精度和可靠性除了与系统的实时采样率、存储深度和噪声水平等因素有关外，还与测试算法有关。

数字三维示波器(Digital Three-dimensional Oscilloscope,简称DTO)是指不仅能捕获和显示信号的时间-幅度(事件)信息，而且能够以不同的辉度或颜色等级显示不同事件出现概率的数字存储示波器(Digital Storage Oscilloscope,简称DSO)(摘自《GB/T15289-2009数字存储示波器规范》中的定义)。数字三维示波器采用基于并行结构的波形映射技术，使波形捕获率大大提升，能够在短时间内收集更多的波形，产生细节相当丰富的三维波形数据库，包含时间、幅度以及幅度随时间变化关系(即波形概率信息)。

传统的基于串行结构的数字存储示波器，一次刷新周期内只能采集一幅波形数据，系统的中央处理单元直接从采集存储模块中获得波形数据用于进行波形参数分析和存储。电压参数测量是将采集到的波形数据进行逐个比较，从中选择出最大值和最小值分别作为波形幅度的最大值和最小值；另外，统计波形数据中每个幅度值命中的次数，在统计之后会发现有两个幅度值出现的频率最高，一个是介于中间值和最大值之间，称为顶端值，一个是介于中间值和最小值之间，称为底端值。

数字三维示波器在进行波形参数测量时，通常是以波形数据作为处理对象。和一般的数字存储示波器一样，三维数字示波器系统的中央处理单元从采集存储模块中以显示刷新的速度周期性的读入波形数据，以单幅波形的直方图为依据，对多幅波形进行统计分析，并用均值或众数作为脉冲参数的高、低状态电平的估计。

在上述数据处理过程中，相对于三维波形数据库中的内容，中央处理单元处理的波形数据量很少，需要很长的时间才能对波形参数进行统计运算。同时，由于三维波形数据库中的内容是多幅波形的叠加，其中包含的波形信息远远多于中央处理单元所分析的信息，甚至可能是中央处理单元没有的，比如偶发的异常信号。因此以单幅波形的直方图为依据，容易丢失异常信号的信息，使参数测量的精度受到影响。此外，均值容易受到最大值、最小值的极大影响，不是集中趋势的最佳统计量，而众数虽然具有最常发生的频次，但也不能反映数据集中趋势的分布情况。

发明内容

本发明的目的在于克服现有技术的不足，提供一种数字三维示波器的波形数据处理方法，改变用于波形参数测量的数据对象，使用更优化的算法，从而提高参数测量的精确度和减少数据处理时间。

为实现上述发明目的，本发明数字三维示波器的波形数据处理方法，其特征在于，包括以下步骤：

(1)、ADC采集信号的垂直分辨率为dbit，一次采集的采样点数为k，每个采样点有m＝2^d个幅度样本值s_m-i＝2^d-i,1≤i≤m，将N幅波形的采样点映射到三维波形数据库，该三维波形数据库可以表示为m×k二维矩阵A：

$A=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)$

其中，a_ij是N幅波形采集中第j个采样点幅度样本值为s_m-i的命中次数， $\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}=N,$ 1≤j≤k；

构造矩阵A代表的波形幅度密度的直方图H如下：

$H=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)\left(\begin{array}{c}1\\ 1\\ \·\\ \·\\ \·\\ 1\end{array}\right)=\left(\begin{array}{c}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{1j}\\ \underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{2j}\\ \·\\ \·\\ \·\\ \underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{mj}}\end{array}\right)=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{h}_1\\ h_2\\ \·\\ \·\\ \·\\ h_m\end{array}\right)$

其中，h_i,1≤i≤m是幅度样本值s_m-i在N幅波形采集中的命中总次数；

(2)、用K均值聚类算法将直方图H划分为H_upper和H_lower两个部分；

(3)、根据H_upper和H_lower计算波形顶端值v_top和底端值v_base；

(4)、根据顶端值v_top和底端值v_base，计算其他波形参数。

其中，步骤(2)中K均值聚类算法包括以下步骤：

1)、直方图H中第一个命中次数不为0的幅度样本值为s_x，最后一个命中次数不为0的幅度样本值s_y，其中0≤s_x≤s_y≤s_m-1。假设s′＝(s_x+s_y)/2，则将s_x与s′之间的幅度样本值划分为集合1，将s′与s_y之间的幅度样本值划分为集合2。根据公式：

$\stackrel{\‾}{s}=\frac{1}{\mathrm{\Σ}{h}_i}*\mathrm{\Σ}(h_i*s_{m-i}),$ 1≤i≤m

分别计算出集合1中所有幅度样本值的加权平均

作为H_lower的初始聚类中心对象，集合2中所有幅度样本值的加权平均

作为H_upper的初始聚类中心对象，其中 $0\≤\stackrel{\‾}{s_b}\≤\stackrel{\‾}{s_t}\≤s_{m-1}.$

2)、分别计算m个幅度样本值s₀,s₁,…,s_m-1与初始聚类中心对象

和之间的距离，把与

距离最小的s_m-i划分在一起作为聚类1，把与

距离最小的s_m-i划分在一起作为聚类2；

3)、分别对聚类1和聚类2中的所有幅度样本值求加权平均，并将该均值作为新的聚类中心对象

4)、重复②、③步直到聚类中心对象不再改变，则聚类1中的幅度样本值对应的所有h_i构成H_upper，聚类2中的幅度样本值对应的所有h_i构成H_lower。

其中，步骤(3)中波形顶端值v_top和底端值v_base可采用最小中位数平方法计算，分别在直方图H_upper和H_lower中找到一个包含50%的波形命中次数的最小幅度间隔，以此幅度间隔的中位数作为对顶端值v_top和底端值v_base的估计。

本发明的发明目的是这样实现的：本发明三维示波器波形数据处理方法将一次刷新周期内采集到的多幅波形数据映射到三维波形数据库，数据处理单元直接将该三维数据库的内容作为数据处理对象进行直方图分析，采用K均值聚类算法将直方图分为高低两个部分，即H_upper和H_lower两个部分。然后，根据最小中位数平方法来估计脉冲参数的高、低状态电平，即顶端值v_top和底端值v_base。当获得顶端值v_top和底端值v_base后，其它的波形参数如幅度、上升/下降时间、周期等都可以被计算出来。

采用本发明的数字三维示波器的波形数据处理单元直接分析三维波形数据库中的多幅波形数据，避免多次访问矩阵，节约大量的数据处理时间，提高三维示波器的波形捕获率；同时，采用K均值聚类算法、最小中位数平方法等优化算法，不仅节约统计运算的时间，还可以避免噪声信号和异常信号对参数测量的影响，提高参数测量结果的精确度，在一定意义上可以提高数字三维示波器的波形捕获率。

附图说明

图1是本发明数字三维示波器的波形数据处理方法中波形幅度密度的直方图示意图；

图2是本发明数字三维示波器的波形数据处理方法中一个具体波形幅度密度的直方图；

图3是本发明数字三维示波器的波形数据处理方法中H_lower的直方图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

本发明数字三维示波器的波形数据处理方法包括以下步骤：

步骤1：ADC采集信号的垂直分辨率为dbit，一次采集的采样点数为k，每个采样点有m＝2^d个幅度样本值s₀,s₁,…,s_m-1，s_m-i＝2^d-i,1≤i≤m，将N幅波形的采样点映射到三维波形数据库，作为波形数据处理的对象，该三维波形数据库可以看作是m×k二维矩阵A：

$A=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)$

其中a_ij是N幅波形采集中第j个采样点幅度样本值为s_m-i的命中次数， $\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}=N,$ 1≤j≤k

构造矩阵A代表的波形幅度密度的直方图H如下：

$H=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)\left(\begin{array}{c}1\\ 1\\ \·\\ \·\\ \·\\ 1\end{array}\right)=\left(\begin{array}{c}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{1j}\\ \underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{2j}\\ \·\\ \·\\ \·\\ \underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{mj}}\end{array}\right)=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{h}_1\\ h_2\\ \·\\ \·\\ \·\\ h_m\end{array}\right)$

其中，h_i,1≤i≤m是幅度样本值s_m-i在N幅波形采集中的命中总次数。

本实施例中，以垂直分辨率为8bit的ADC采集信号，一次采集的样本点数k＝500，采集N＝10幅波形。采用8bit的ADC采集信号，则每个采样点有m＝2⁸个幅度样本值(0,1,…,255)。将采集到的10幅波形映射到三维数据库，并看作是一个256×500二维矩阵A：

$A=\begin{array}{c}255\\ 254\\ \·\\ \·\\ \·\\ 0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)$

构造矩阵A代表的波形幅度密度的直方图H如下：

$H=\begin{array}{c}255\\ 254\\ \·\\ \·\\ \·\\ 0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)\left(\begin{array}{c}1\\ 1\\ \·\\ \·\\ \·\\ 1\end{array}\right)=\left(\begin{array}{c}\underset{j=1}{\overset{500}{\mathrm{\Σ}}}{a}_{1j}\\ \underset{j=1}{\overset{500}{\mathrm{\Σ}}}{a}_{2j}\\ \·\\ \·\\ \·\\ \underset{j=1}{\overset{500}{\mathrm{\Σ}}}{a}_{256j}\end{array}\right)=\begin{array}{c}255\\ 254\\ \·\\ \·\\ \·\\ 0\end{array}\left(\begin{array}{c}{h}_1\\ h_2\\ \·\\ \·\\ \·\\ h_{256}\end{array}\right)$

步骤2：用K均值聚类(所谓聚类就是按某种规则将具有相同性质的对象划分在一起)算法将直方图H划分为H_upper和H_lower两个部分。

图1是本发明数字三维示波器的波形数据处理方法中波形幅度密度的直方图示意图。对如图1所示的直方图H的K均值聚类算法具体步骤如下：

①直方图H中第一个命中次数不为0的幅度样本值为s_x，最后一个命中次数不为0的幅度样本值s_y，其中0≤s_x≤s_y≤s_m-1。假设s′＝(s_x+s_y)/2，则将s_x与s′之间的幅度样本值划分为集合1，将s′与s_y之间的幅度样本值划分为集合2。根据公式：

$\stackrel{\‾}{s}=\frac{1}{\mathrm{\Σ}{h}_i}*\mathrm{\Σ}(h_i*s_{m-i}),$ 1≤i≤m

分别计算出集合1中所有幅度样本值的加权平均

作为H_lower的初始聚类中心对象，集合2中所有幅度样本值的加权平均

作为H_upper的初始聚类中心对象，其中

②分别计算m个幅度样本值s₀,s₁,…,s_m-1与初始聚类中心对象

和

之间的距离，把与

距离最小的s_m-i划分在一起作为聚类1，把与

距离最小的s_m-i划分在一起作为聚类2；

③分别对聚类1和聚类2中的所有幅度样本值求加权平均，并将该均值作为新的聚类中心对象

④重复②、③步直到聚类中心对象不再改变，则聚类1中的幅度样本值对应的所有h_i构成H_upper，聚类2中的幅度样本值对应的所有h_i构成H_lower。

图2是图1是本发明数字三维示波器的波形数据处理方法中一个具体波形幅度密度的直方图，即本实施例中采集得到的10幅方波数据的二维矩阵A作波形幅度密度的统计直方图H。如图2所示，统计直方图H的纵轴表示幅度样本值0,1,…,255，横轴表示幅度样本值在10幅波形数据中的命中次数，即h₁,h₂,…,h_m的大小。如果所采集的信号信噪比高，构造的直方图很容易分成两个部分H_upper和H_lower，但是如果采集信号的信噪比低，受到噪声信号的影响较大，很难直接把直方图H精确的分为两个部分，因此参数测量的精度也就不高。本发明利用K均值聚类算法将直方图H划分为H_upper和H_lower两个部分，可以克服噪声对参数测量精度的影响。

直方图中第一个命中次数不为0的幅度样本值为0，最后一个命中次数不为0的幅度样本值为255。则可以将幅度样本值0,1,…,127划分为集合1，将幅度样本值128,129,…,255划分为集合2。根据s_m-i＝2^d-i,1≤i≤m，集合1中幅度样本值为s₁₂₈,s₁₃₀,…,s₂₅₅，集合2中幅度样本值为s₀,s₁,…,s₁₂₇。

计算集合1的初始聚类中心，计算公式为：

${\stackrel{\‾}{s}}_b=\frac{1}{\mathrm{\Σ}{h}_i}*\mathrm{\Σ}(h_i*s_{m-i})=\frac{1}{\underset{i=128}{\overset{255}{\mathrm{\Σ}}}{h}_i}*\underset{i=128}{\overset{255}{\mathrm{\Σ}}}(h_i*s_{m-i})$

其中s_m-i(128≤i≤255)是幅度样本值，h_i是幅度样本值s_m-i在N幅波形采集中的命中总次数，在该公式中作为幅度样本值s_m-i的权重值。计算集合1中幅度样本值s₁₂₈,s₁₃₀,…,s₂₅₅的加权平均

作为聚类H_lower的初始聚类中心。

计算集合1的初始聚类中心，计算公式为：

${\stackrel{\‾}{s}}_t=\frac{1}{\mathrm{\Σ}{h}_i}*\mathrm{\Σ}(h_i*s_{m-i})=\frac{1}{\underset{i=0}{\overset{128}{\mathrm{\Σ}}}{h}_i}*\underset{i=0}{\overset{128}{\mathrm{\Σ}}}(h_i*s_{m-i})$

其中s_m-i(0≤i≤127)是幅度样本值，h_i是幅度样本值s_m-i在N幅波形采集中的命中总次数，在该公式中作为幅度样本值s_i的权重值。计算集合2中幅度样本值s₀,s₁，…,s₁₂₇的加权平均

作为聚类H_upper的初始聚类中心。

分别计算256个幅度样本值s₀,s₁，…,s₂₅₅与初始聚类中心对象和

之间的距离，把与

距离最小的s_i划分在一起作为聚类1，把与

距离最小的s_i划分在一起作为聚类2。将聚类1和聚类2中的所有幅度样本值求加权平均，并将该均值作为新的聚类中心对象。重复以上步骤，直到聚类中心对象和

不再改变。此时，聚类1中的幅度样本值对应的所有h_i构成H_upper，聚类2中的幅度样本值对应的所有h_i构成H_lower。

步骤3、根据H_upper和H_lower计算波形顶端值v_top和底端值v_base。

本实施例中采用最小中位数平方法计算顶端值v_top和底端值v_base。最小中位数平方法是在直方图中找到一个包含50%的波形命中次数的最小幅度间隔，以此幅度间隔的中位数作为对顶端值v_top和底端值v_base的估计。现以H_lower为例，具体步骤如下：

①计算直方图H_lower中包含命中次数的总和N_totals，并计算N_half＝N_totals/2；

②从H_lower的最左侧第一个位置开始顺序累加命中次数N₁，直到命中次数大于或等于N_half或扫描完毕。

③当N₁≥N_half时，将此时对应的幅度样本值

与起始位置的幅度样本值

之差即为包含50%命中次数的幅度宽度，记为(N₁,

)；

④根据②、③步骤依次从左侧第2个，第3个等起始位置开始扫描直方图H_lower，可得到(N₂,

)、(N₃,)等，并求出对应的包含50%命中次数的幅度宽度；

⑤最后求出所有幅度宽度中的最小值；如果有多个相同大小的最小值，选择命中次数累加和N最大的一个对应的宽度为最小幅度间隔；当所有的(N,s_start,s_stop)都相同时，用中值估计法；

⑥若存在最小宽度，其表示为(N_s,s_starts,s_stops)，则幅度底端值v_base＝(s_starts+s_stops)/2。

图3是本发明数字三维示波器的波形数据处理方法中H_lower的直方图。如图3所示，N_totals＝115，则N_half＝58。从左侧第1个开始扫描直方图，当N₁＝3+7+11+18+17+21＝77时，N₁大于N_half，记为(77，1，6)；再从第2个开始扫描，当N₂＝74时，记(74，2，6)；同理可得：(67，3，6)，(71，4，7)，(69，5，8)，(59，6，9)；则最小间隔为3的有：(67，3，6)，(71，4，7)，(69，5，8)，(59，6，9)，而其中具有最大的命中次数N为(71，4，7)，则所求的底端值v_base＝(4+7)/2＝5.5。

步骤4：根据得到的顶端值v_top和底端值v_base，计算其他波形参数，如幅度、上升/下降时间、周期等，将这些参数传送到LCD并显示。

表1是现有波形参数测量算法和本发明对同一输入信号的对比试验结果。输入信号为一含有白噪声的正弦信号，噪声大小占输入信号幅度的30%，正常正弦信号的频率为1MHz，幅度为600mV，占空比20%。

参数	三维波形数据参数测量算法	传统的波形参数测量算法
			顶置(mV)	300.00(2)	308.00(6)
幅度(mV)	608.00(4)	608.00(10)
			周期(ns)	1000.00(0.01)	999.9(0.01)
正占空比(%)	20.07(0.02)	20.06(0.02)

本实施例中实验进行了32次，并计算均值和标准差(括号内显示的是标准差)。从表1可以看出在高噪声的情况下，本发明对幅度类参数测量结果的标准差有明显改善。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种数字三维示波器的波形数据处理方法，其特征在于，包括以下步骤：

(1)、ADC采集信号的垂直分辨率为dbit，一次采集的采样点数为k，每个采样点有m＝2^d个幅度样本值s_m-i＝2^d-i,1≤i≤m，将N幅波形的采样点映射到三维波形数据库，该三维波形数据库可以表示为m×k二维矩阵A：

$A=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)$

其中，a_ij是N幅波形采集中第j个采样点幅度样本值为s_m-i的命中次数， $\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}=N;$

构造矩阵A代表的波形幅度密度的直方图H如下：

$H=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{a}_{11},a_{12},\·\·\·,a_{1k}\\ a_{21},a_{22},\·\·\·,a_{2k}\\ \·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\·\\ a_{m1},a_{m2},\·\·\·,a_{\mathrm{mk}}\end{array}\right)\left(\begin{array}{c}1\\ 1\\ \·\\ \·\\ \·\\ 1\end{array}\right)=\left(\begin{array}{c}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{1j}\\ \underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{2j}\\ \·\\ \·\\ \·\\ \underset{j=1}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{mj}}\end{array}\right)=\begin{array}{c}{s}_{m-1}\\ s_{m-2}\\ \·\\ \·\\ \·\\ s_0\end{array}\left(\begin{array}{c}{h}_1\\ h_2\\ \·\\ \·\\ \·\\ h_m\end{array}\right)$

其中，h_i,1≤i≤m是幅度样本值s_m-i在N幅波形采集中的命中总次数；

(2)、用K均值聚类算法将直方图H划分为H_upper和H_lower两个部分；

(3)、根据H_upper和H_lower计算波形顶端值v_top和底端值v_base；

(4)、根据顶端值v_top和底端值v_base，计算其他波形参数。

2.根据权利要求1所述的波形数据处理方法，其特征在于，所述步骤(2)中K均值聚类算法包括以下步骤：

1)、直方图H中第一个命中次数不为0的幅度样本值为s_x，最后一个命中次数不为0的幅度样本值s_y，其中0㈠sx㈠sy㈠s_m-1。假设s′＝(s_x+s_y)/2，则将s_x与s′之间的幅度样本值划分为集合1，将s′与s_y之间的幅度样本值划分为集合2。根据公式：

$\stackrel{\‾}{s}=\frac{1}{\mathrm{\Σ}{h}_i}*\mathrm{\Σ}(h_i*s_{m-i})$

分别计算出集合1中所有幅度样本值的加权平均

作为H_lower的初始聚类中心对象，集合2中所有幅度样本值的加权平均

作为H_upper的初始聚类中心对象，其中 $0\≤\stackrel{\‾}{s_b}\≤\stackrel{\‾}{s_t}\≤s_{m-1}.$

②分别计算m个幅度样本值s₀,s₁,…,s_m-1与初始聚类中心对象

和之间的距离，把与距离最小的s_m-i划分在一起作为聚类1，把与

距离最小的s_m-i划分在一起作为聚类2；

③分别对聚类1和聚类2中的所有幅度样本值求加权平均，并将该均值作为新的聚类中心对象

④重复②、③步直到聚类中心对象不再改变，则聚类1中的幅度样本值构成H_upper，聚类2中的幅度样本值构成H_lower。

3.根据权利要求1所述的波形数据处理方法，其特征在于，所述步骤(3)中波形顶端值v_top和底端值v_base采用最小中位数平方法计算，分别在直方图H_upper和H_lower中找到一个包含50%的波形命中次数的最小幅度间隔，以此幅度间隔的中位数作为对顶端值v_top和底端值v_base的估计。

Images