CN106201949B - 眼图抖动的分析方法 - Google Patents

Abstract

本发明提供眼图抖动的分析方法，包括：采集一串中间无采集空白区的连续信号，生成连续信号对应的眼图；确定眼图的基准点；将眼图中的计算范围内的数据生成直方图；对直方图的数据进行归一化处理；从归一化后的直方图的左右两端分别遍历，分别确定归一化后的直方图的左尾部和右尾部；得到左尾部和右尾部对应的高斯分布的初始方差和初始均值；分别获取归一化后的直方图的左尾部和右尾部与连续信号的实际左尾部和实际右尾部之间的拟合度，并将拟合度的最小值所对应的均值、方差分别作为归一化后的直方图的左尾部和右尾部的最优均值和最优方差；生成左尾部和右尾部的实际均值、左尾部和右尾部的实际方差；确定随机性抖动；或者确定性抖动的峰峰值。

Description

眼图抖动的分析方法

技术领域

本发明涉及信号处理技术领域，尤其涉及一种眼图抖动的分析方法。

背景技术

随着高速串行总线技术的不断发展，抖动已经成为了制约高速数字系统设计的关键因素。由于抖动的存在，在高速串行信号的传输过程中，整个系统的性能往往会受到很大影响。因此，抖动已经成为制约高速数字系统设计的关键因素。从当前各种高速串行总线规范中可以看出，高速串行信号传输系统内对其存在的抖动分量控制很严格。为保证高速数字系统的稳定性，需要准确判断其存在的抖动成分，并对不同的抖动成分进行分离，判断系统性能是否满足误码率和稳定性的设计要求，尽可能减少系统由于抖动而产生的误差。

在实际应用中，抖动这一概念很难在数学上给出合理解释。因此，为观察抖动在系统中的表现形式，需要用示波器等测量仪器观察输入信号叠加而成的波形，这就是眼图分析方法。眼图是指在测试仪器上将串行信号分成若干小段，并将这些小段重叠显示，形成的像张开的人眼的一种图形。从眼图上可以直观地观察出不同的抖动成分对信号的影响，从而判断信号质量的优劣。另外也可以根据眼图分析造成抖动的关键成因，以削弱码间串扰，同时提高系统的性能。

目前针对眼图的分析大多采用定性的方法，即直接观察眼图形状以判断信号优劣性，无法定量衡量其包含的抖动成分。其困难之一就是针对眼图做直方图分析时，在眼图中选择不同的区域得到的直方图各不相同。如在区域选取时出现偏差，那么在抖动分析时，结果的准确性也会受到很大影响。另一个挑战就是抖动成分的复杂性。因为抖动包含了多种抖动分量，每种抖动分量的特征和其分布形式也不尽相同。

发明内容

本发明的实施例提供了一种眼图抖动的分析方法，实现抖动主要成分的分离。

所述方法包括：

步骤1)采集一串中间无采集空白区的连续信号，生成所述连续信号对应的眼图；

步骤2)确定所述眼图的基准点；

步骤3)根据所述基准点确定计算范围，将所述眼图中的所述计算范围内的数据生成直方图；

步骤4)对所述直方图的数据进行归一化处理；

步骤5)从所述归一化后的直方图的左右两端分别遍历，分别确定归一化后的所述直方图的左尾部和右尾部；

步骤6)根据高斯分布初始值算法，分别针对归一化后的所述直方图的左尾部和右尾部进行计算，得到左尾部和右尾部对应的高斯分布的初始方差和初始均值；

步骤7)在所述初始方差和初始均值所确定的范围内进行遍历，当高斯分布的变量以确定步长值不断从最小值增长到最大值时，分别获取归一化后的所述直方图的左尾部和右尾部与所述连续信号的实际左尾部和实际右尾部之间的拟合度χ²，并将拟合度χ²的最小值所对应的均值μ、方差σ分别作为归一化后的所述直方图的左尾部和右尾部的最优均值和最优方差；

步骤8)根据所述左尾部和右尾部的最优均值和最优方差、所述初始均值和初始方差，分别生成所述左尾部和右尾部的实际均值、所述左尾部和右尾部的实际方差；

9)根据所述左尾部和右尾部的实际方差来确定随机性抖动；或者根据所述左尾部和右尾部的实际均值确定性抖动的峰峰值。

所述步骤1中的生成所述连续信号对应的眼图的步骤包括：

根据所述连续信号生成恢复的时钟信号；

根据恢复的时钟信号，将采集到的所述连续信号的波形按比特位分割成长度固定的小数据段；

将所述小数据段依次对齐并叠加在一起，生成眼图。

所述步骤2包括：

在所述眼图的纵坐标上取眼高上限和眼高下限之间的预订范围的位置，划定所述眼图的交叉点所在区域；

在所述眼图的交叉点所在区域中，对所述眼图的幅度中心位置的预订范围内的一个窄带做水平直方图，将所述水平直方图的均值作为基准点的时间坐标。

在所述眼图的交叉点所在区域中，对于所述眼图的时间轴做垂直直方图，将所述垂直直方图的均值作为基准点的幅度坐标。

所述步骤3包括：

取以所述眼图的基准点为中心的上下预订数量像素的范围；

将所述范围内出现点数向水平方向做累加，得到原始数据；

去除所述原始数据中的预订范围之外的数据点，来去除异常值；

将所述原始数据中的去除所述异常值之后的数据点进行划分，形成直方图。

所述步骤8具体为根据以下公式计算：

σ_actual＝σ₁×σ₀

μ_actual＝μ₁×σ₀+μ₀

其中，σ_actual、μ_actual分别为实际方差和实际均值，σ₁、μ₁分别为最优方差和最优均值，σ₀、μ₀为初始方差和初始均值。

所述步骤9包括：

根据左右尾部实际方差的均值计算随机性抖动；或者

根据左右尾部的实际均值之间的差计算确定性抖动的峰峰值。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例中，此时可基于双狄拉克模型确定总抖动所包含的随机性抖动，同时可以通过左右尾部的拟合结果求出确定性抖动的峰峰值。以得到的直方图为样本，基于双狄拉克模型对该直方图进行抖动分析，根据不同抖动分量的表现特征对直方图进行分析最终拟合出确定性和随机性抖动的值，实现抖动主要成分的分离。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

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为本发明实施例提供的一种眼图抖动的分析方法的处理流程图；

图2为本发明实施例中双狄拉克模型原理图；

图3为本发明实施例中眼图直方图抖动分析方法的流程图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

如图1所示，本发明所述的眼图抖动的分析方法包括：

步骤11)采集一串中间无采集空白区的连续信号，生成所述连续信号对应的眼图。

其中，所述步骤11中的生成所述连续信号对应的眼图的步骤包括：

步骤111,根据所述连续信号生成恢复的时钟信号；

步骤112,根据恢复的时钟信号，将采集到的所述连续信号的波形按比特位分割成长度固定的小数据段；

步骤113,将所述小数据段依次对齐并叠加在一起，生成眼图。

步骤12)确定所述眼图的基准点；

其中，所述步骤12包括：

步骤121,在所述眼图的纵坐标上取眼高上限和眼高下限之间的预订范围的位置，划定所述眼图的交叉点所在区域；

步骤122,在所述眼图的交叉点所在区域中，对所述眼图的幅度中心位置的预订范围内的一个窄带做水平直方图，将所述水平直方图的均值作为基准点的时间坐标；

步骤123,在所述眼图的交叉点所在区域中，对于所述眼图的时间轴做垂直直方图，将所述垂直直方图的均值作为基准点的幅度坐标。

步骤13)根据所述基准点确定计算范围，将所述眼图中的所述计算范围内的数据生成直方图；

所述步骤13包括：

步骤131,取以所述眼图的基准点为中心的上下预订数量像素的范围；

步骤132,将所述范围内出现点数向水平方向做累加，得到原始数据；

步骤133,去除所述原始数据中的预订范围之外的数据点，来去除异常值；

步骤134,将所述原始数据中的去除所述异常值之后的数据点进行划分，形成直方图。

步骤14)对所述直方图的数据进行归一化处理；

步骤15)从所述归一化后的直方图的左右两端分别遍历，分别确定归一化后的所述直方图的左尾部和右尾部；

步骤16)根据高斯分布初始值算法，分别针对归一化后的所述直方图的左尾部和右尾部进行计算，得到左尾部和右尾部对应的高斯分布的初始方差和初始均值；

步骤17)在所述初始方差和初始均值所确定的范围内进行遍历，当高斯分布的变量以确定步长值不断从最小值增长到最大值时，分别获取归一化后的所述直方图的左尾部和右尾部与所述连续信号的实际左尾部和实际右尾部之间的拟合度χ²，并将拟合度χ²的最小值所对应的均值μ、方差σ分别作为归一化后的所述直方图的左尾部和右尾部的最优均值和最优方差；

步骤18)根据所述左尾部和右尾部的最优均值和最优方差、所述初始均值和初始方差，分别生成所述左尾部和右尾部的实际均值、所述左尾部和右尾部的实际方差。

所述步骤18具体为根据以下公式计算：

σ_actual＝σ₁×σ₀

μ_actual＝μ₁×σ₀+μ₀

其中，σ_actual、μ_actual分别为实际方差和实际均值，σ₁、μ₁分别为最优方差和最优均值，σ₀、μ₀为初始方差和初始均值。

步骤19)根据所述左尾部和右尾部的实际方差来确定随机性抖动；或者根据所述左尾部和右尾部的实际均值确定性抖动的峰峰值。

所述步骤19包括：

根据左右尾部实际方差的均值计算随机性抖动；或者

根据左右尾部的实际均值之间的差计算确定性抖动的峰峰值。

以下描述基于双狄拉克Dual-Dirac模型的眼图抖动分析方法的实施例。本发明提出了一种新的确定眼图基准点的方式，同时基于双狄拉克模型，提出了一种眼图直方图抖动分析方法。该方法可在眼图上确定基准点，并在眼图基准点所在区域确定合理范围做直方图，通过对此直方图的分析，最终成功分离确定性及随机性抖动。最后，通过实验验证了该方法的可行性。

以下首先介绍眼图和抖动

1.1眼图的基本概念和构建原理如下：

眼图是一种最直观的用来分析信号优劣性的方法。眼图是高速数字信号不同位置的数据比特按照时钟的间隔累计叠加在一起显示的结果，因为信号叠加后显示的形状同眼睛很像，故名眼图。

当数字信号叠加形成眼图以后，为了方便地区分信号在不同位置出现的频率大小，会用彩色余辉的模式进行信号的观察。余辉模式就是把信号在屏幕上不同位置出现的概率大小用相应的色彩表示出来，这样可以直观地观察出信号的抖动分布情况。

以下描述抖动的主要成分。

抖动可定义为在某一特定时刻，数字信号与其理想位置相比较而产生的时间偏离，抖动包括多种抖动分量，每种抖动分量的特征也不尽相同。按其分布形态是否符合随机特性进行区分，可将抖动大体分为随机性和确定性抖动。

1.2.1随机性抖动

随机性抖动是由传输系统中的设备噪声引起，其合成效应接近高斯分布。这种建模的原因主要有以下两点：

(1)热噪声是造成随机噪声的主要原因，它的模型一般体现为高斯分布的形式；

(2)由中心极限定理可知，多种噪声合成的结果通常是呈现为高斯分布形式的。

高斯分布也被称作正态分布，以下为它的概率密度函数表达式：

其中，高斯分布的标准差记为σ；x是抖动变量的值。

一般来说，由于随机抖动是无界的，因无法用峰峰值的形式来表示，需采用标准差σ来量化它的值。

以下描述确定性抖动。

确定性抖动的产生原因是特定的而非随机性的。这部分抖动一般是有界的并且在理论上是可以被预测的，因此一般表现为峰峰值的形式。确定性抖动的峰峰值具有上限和下限，在观察的数据数量比较少时，可以采用高置信度的方法去估测其峰峰值，从而量化确定性抖动。

目前，针对信号生成的眼图，往往采用直接观察的方法来判断信号质量的。

2.基于Dual-Dirac模型的眼图直方图抖动分析方法

当测试信号同时存在确定性抖动和随机性抖动时，在眼图中取纵坐标上θ(根据实际情况确定)像素范围向时间轴做直方图，得到的直方图表现为双峰的形式。针对眼图直方图的抖动分析，是一种更方便快捷的眼图定量分析方法，能够快速判断信号中存在的抖动成分。以下将主要阐述双狄拉克模型的基本原理以及基于双狄拉克模型的眼图直方图抖动分析方法。

2.1双狄拉克模型

图2为本发明实施例中双狄拉克模型原理图。双狄拉克模型是一种针对抖动概率密度函数PDF直方图进行分析的一种抖动分解方法。

总抖动(Total Jitter，简称TJ)可以分解为确定性抖动(Deterministic Jitter,简称DJ)和随机性抖动(Random Jitter,简称RJ)，由于彼此产生机理不同，因此假定这两个成分是相互独立的，两个独立变量各自的PDF卷积构成了两个独立变量的总PDF。

通过这一定理，可在已知两个分量时求得总抖动的PDF：

f_TJ＝f_DJ*f_RJ (2)

式中，f_TJ、f_DJ、f_RJ分别为TJ、DJ和RJ的概率密度函数(PDF)。

在上文中提到，在量化抖动时，由于DJ是有界的，因此采用峰峰值的形式来描述DJ；而RJ是无界且随机的，因此采用高斯模型来的形式描述RJ。当直方图表现出一个双峰的特性，而不是单一的高斯曲线时，就表明信号同时存在随机性抖动和确定性抖动，不再满足高斯分布的形式。

如图2所示，由于DJ的PDF分布形式在左右两端是有界的，所以经过卷积后得到的TJ分布在其左右两端的尾部区域都保留了RJ的高斯分布特征。因此，本发明是在已知TJ的PDF分布的情况下，确定TJ所含有的RJ标准差。同时，可以通过TJ的PDF分布函数中左右尾部拟合的均值之差确定TJ中DJ的峰峰值。

该算法估计公式如下：

RJ＝(σ₁+σ₂)/2 (3)

DJ＝μ₂-μ₁ (4)

本发明的本发明的眼图直方图的抖动分析方法的实现步骤具体为：

1)采集一串中间无采集空白区的连续信号，至少包含几千个周期的比特流。然后根据恢复的时钟信号，将采集到的波形按比特位分割成长度固定的小数据段，将这些小数据段依次对齐并叠加在一起，生成眼图；

2)确定眼图的基准点；

3)取以眼图基准点为中心的上下一定像素范围(可取以基准点为中心的9—12个像素点为宜,也可以根据实际情况设定)，将该范围内出现点数向水平方向做累加，得到原始数据，同时去除μ+3σ范围之外的数据点来去除异常值。将去除异常值之后的点进行划分形成直方图；

4)对该直方图的数据进行归一化处理；

5)从左右两端分别遍历确定直方图的尾部，为数据拟合做准备；

6)根据高斯分布初始值算法针对尾部进行计算，得到高斯分布的初始值；

7)通过在初始所确定的一定范围内进行遍历，当高斯分布的变量以确定步长值不断从最小值增长到最大值时，比较直方图的尾部和新的高斯分布。在每一种情况下，获取其与真正尾部的拟合度，用χ²表示，并将最小χ²值所对应的μ、σ作为拟合的最优均值和方差；

8)对得到的数据进行逆标准化处理；

9)根据公式，确定出随机性抖动和确定性抖动的值。随机性抖动为左右尾部方差的均值，确定性抖动的峰峰值为左右尾部均值的差。

步骤1)和步骤2)是准备步骤，这部分只在建立直方图之前进行，在后续的抖动分析中无需再执行。

以下具体描述。

图3为本发明实施例中眼图直方图抖动分析方法的流程图。本发明的眼图直方图的抖动分析方法，其主要步骤可以概括为三个方面：

数据预处理、参数估计和抖动分析。

数据预处理包括：对眼图直方图的数据进行前期处理，为后续的参数估计工作做准备；参数估计的主要目的是：估算出高斯分布的初始值，对直方图进行拟合求出初步的结果；抖动分析则是根据估算的结果，求出确定性抖动和随机性抖动的值。

其具体算法步骤图所示：

数据预处理具体步骤包括:

首先采集一串中间无采集空白区的连续信号，至少包含几千个周期的比特流。然后，根据恢复的时钟信号，将采集到的波形按比特位分割成长度固定的小数据段，将这些小数据段依次对齐并叠加在一起，生成眼图。也就是说，眼图的构建采用同步切割、叠加显示的方法。具体为：捕获一组连续比特位信号后，利用恢复的时钟对捕获的信号按比特位切割，切割一次，叠加一次，最终将捕获到的一组数据的每个比特位相叠加形成眼图。

建立直方图以前，需要判断眼图的基准点。基准点定义为：眼图中两个沿的交叉位置出现数据频率最高的一个点。在过去的方法中，找基准点的方式为直接在屏幕中找出出现频率最高的点，但对于部分特殊情况，眼睛顶部或底部由于噪声的存在，也可能会出现频率很高的点，从而影响结果。因此在本发明中，基准点的寻找方式为：首先，在眼图纵坐标上取眼高上限和下限中间30％到70％(也可以实际情况设定)的位置，划定交叉点所在区域；其次，对眼图幅度中心位置附近的一个窄带做水平直方图，其均值就是基准点的时间坐标。最后，对于这个时间轴做垂直直方图，其均值就是基准点的幅度坐标。

取以眼图基准点为中心的上下θ像素范围(可以实际情况设定)，将该范围内出现点数向水平方向做累加，得到原始数据。由于仪器接口接触等问题，可能会造成异常值的出现。对高斯分布来说，在μ+3σ范围内分布了99.7％的数据点。在拟合过程中，通常不考虑尾部的极端区域，因此可去除μ+3σ范围之外的数据点来去除异常值。将去除异常值的数据进行统计分组获得直方图，将此直方图划分为400柱。此时，从左右尾部同时开始判断，如果某个柱的纵坐标大于等于1，而前后有连续6个值的纵坐标为0，则将此点判定为异常值点，并将其坐标置为0。

对去除异常值后的直方图进行平滑滤波处理。本发明中选取10点平滑滤波的方式，即每个柱用其本身与周围10个柱的纵坐标的平均值表示，两端的值用0表示。

在测量过程中，由于数据的数量级都比较小，会导致在尾部拟合过程中的精确度较低，因此需要对该直方图的数据进行归一化处理。公式如下：

其中，

式中，x_i为每个柱所对应数据，σ为所有数据的均值与方差，X_std为进行归一化之处理后的横坐标值，N为采集的所有数据的点数。

为了提高高斯分布初始值的准确性，需从直方图的两端分别遍历直方图的柱数进行初始值估算。在初始值估算前，先要确定直方图的尾部，目的是为数据拟合做准备。

以左半部分为例，i设定为柱数的个数，左半部分直方图的柱数为从第1个柱开始遍历到第200个柱。在寻找过程中，依次判断每个索引值对应的直方图的值是否均大于其后20个柱。当此条件成立时，定义该点为左边尾部的峰值，从起点到该点以后20个点的长度为左边尾部。右边尾部的确定方法与左边的确定方法相同，方法为从第400个柱依次向左遍历到第201个柱。

以下描述参数估计。

首先，确定随机抖动的数学模型如下：

定义直方图尾部的意义就在于需要获得高斯拟合的参数值，包括均值(μ)、幅度(Amp)和均方差(σ)。将确定的尾部中最大的20个点做平均，则纵坐标的平均值为该模型中的幅值Amp，横坐标的平均值为均值μ，均值的初始值为所有尾部点的均方差σ。

以左尾部为例，具体算法流程如下：

算法1：高斯分布初始值算法

输入：定义的左尾部；输出：左尾部高斯拟合的参数初始值。

1、遍历左部分，找出左尾部中纵坐标最大的20个数据，将横坐标的坐标值存在数组a[i]中，纵坐标的值存在数组b[i]中。

2、用得到的20个数据样本估算高斯分布的初始值。求均值的公式如下：

幅值平均值的公式如下：

方差的初始值计算方法为：对从均值开始到尾部低端的所有柱i做方差运算。

通过在初始μ、σ所确定的一定范围(具体范围可以根据实际情况设定)内进行遍历，当高斯分布的变量以确定步长值不断从最小值增长到最大值时，比较直方图的尾部和新的高斯分布。在每一种情况下，获取其与真正尾部的拟合度，这里用χ²表示，并将最小χ²值所对应的μ、σ作为拟合的最优均值和方差。其计算公式如下：

其中，x_i表示的是第i个索引所对应的直方图的值，E_i表示的是当x＝i时在高斯分布下所对应的值。当χ²值越小时，吻合度越高，则说明此时为最佳拟合状态；k为柱数的总数量。

此时得到的值是经过归一化处理得到的，需要对其进行逆标准化的过程才能得到实际的数据。计算公式如下：

σ_actual＝σ₁×σ₀ (12)

μ_actual＝μ₁×σ₀+μ₀ (13)

其中，σ_actual、μ_actual为实际的方差和实际的均值，σ₁、μ₁为拟合结果的方差和均值(也就是最优方差和最优均值)，σ₀、μ₀为初始的方差和初始均值。

以下描述抖动分析。

根据公式，确定出随机性抖动和确定性抖动的值。

随机性抖动为左右尾部方差的均值，确定性抖动的峰峰值为左右尾部均值的差。

RJ＝(σ_L+σ_R)/2 (14)

DJ＝μ_R-μ_L (15)

其中，μ_L、μ_R分别为左尾部和右尾部的实际均值，σ_L、σ_R分别为左尾部和右尾部的实际方差。

以下描述仿真实验。

使用PRBS7码为信号源，利用误码仪向信号添加已知的确定性抖动及随机性抖动，以此信号作为被测信号进行抖动分析实验。实验4.1通过对眼图上选取不同范围得到的直方图进行抖动分析，从而确定了眼图直方图的取值范围；实验4.2通过实验结果与已知参数的对比，验证了算法的可行性。

3.1确定参数值

向PRBS7码中添加大小为100ns的确定性抖动和10ns大小的随机性抖动作为被测信号。首先确定眼图的基准点。以基准点所在纵坐标的位置为中心点，取3个像素的高度设为中心幅度范围λ。取此范围内纵坐标的值向时间轴做直方图，直方图的值为在某一水平横坐标对应所取范围内所有纵坐标内点数的和。

通过观察可以发现，当取λ范围较小时，观察到的眼图直方图点数较少，个别噪声对直方图的干扰较大；当λ范围逐渐增大时，直方图分布更均匀，更适合抖动分析运算。

使用双狄拉克模型对生成的直方图进行计算和拟合，结果如下表所示：

表1为实际结果与理想结果的比较

由表1可看出，当在眼图中取λ、2λ范围做直方图时，采集数据较少，计算结果误差较大，确定性抖动和随机性抖动计算结果误差均在5％以上，偏离理想结果。随着取值范围的增大，采集数据较多，直方图趋于平稳，计算结果接近理想值，当取值范围保持在3λ到4λ时，确定性抖动和随机性抖动的误差均在5％以内。在不同取值范围内确定性抖动和随机性抖动计算值分布情况如下图所示：

以下描述性能验证

向PRBS7码中添加大小为110ns的确定性抖动和12ns大小的随机性抖动作为被测信号。生成眼图后，分别取以眼图基准点为中心的3λ和4λ范围做直方图，使用双狄拉克模型对生成的直方图进行计算和拟合，结果如下表所示：

表2实际结果与理想结果的比较

由表2可看出，当在眼图中取3λ和4λ时，确定性抖动和随机性抖动的计算结果误差均在5％以内，验证了该分析方法的可行性。

通过以上两组实验可以得到以下结论：

1)以眼图的基准点为中心，当取值范围在3λ到4λ之间时，得到的直方图更适合分离出确定性和随机性抖动。

2)针对眼图的3λ到4λ范围之间的区域做直方图时，利用Dual-Dirac模型的眼图抖动分析方法分解出的抖动成分接近理想值，验证了该方法的可行性。

因此，基于Dual-Dirac模型的眼图抖动分析方法，可以在得到串行信号的眼图后，直接对眼图进行定量分析，分离出不同的抖动成分。是一种快捷的抖动分析方法，能够迅速判断信号中存在的抖动类型。在此基础上确定抖动的来源，进而可以有地采取相应的措施来降低抖动。

本发明具有以下有益效果：

(1)本发明针对眼图的抖动分析问题，针对基于眼图的抖动分析问题，围绕直方图的建立和抖动分析方法两个方面展开研究。一方面提出了一种新的确定眼图及其基准点的方式，在眼图基准点所在区域确定合理范围做直方图，为后续的抖动分析做前期准备；另一方面基于双狄拉克模型，对眼图直方图进行分析，最终分离出确定性及随机性抖动。

(2)本发明基于双狄拉克模型的抖动分析思路，强调了生成眼图直方图时基准点判定的重要性，注重建立直方图时需选取的范围对抖动分析结果的影响，旨在成功分离出信号中存在的确定性和随机性抖动成分。

(3)提出了一种新的确定眼图基准点的方法，旨在能够更精确地判断基准点所在区域，在选定区域范围内找出眼图基准点；在绝大部分眼图基准点寻找方法中，为简单起见，都是直接在屏幕中找出出现频率最高的点，但对于部分特殊情况，眼睛顶部或底部由于噪声的存在，也可能会出现频率很高的点。这个问题对最终确定的直方图有很大影响。针对此问题本发明的解决思路是通过多重限定条件判定基准点所在区域，提出了一种新的眼图基准点判定算法，该问题的解决为直方图的准确建立提供了重要保障。也就是说，本发明提出了一种新的确定眼图基准点的方法，通过多重限定条件判定基准点所在区域，能够更精确地判断基准点所在区域范围，在选定区域范围内找出眼图基准点；

(4)提出了以基准点为中心选取确定范围建立直方图的方案，通过选取以基准点为中心所划定的范围建立直方图，使其得到的直方图样本更适宜进行抖动分析，提高了抖动分析结果的准确率。在基于眼图直方图的抖动分析中，只有在眼图中选取合理范围建立的直方图才能保证抖动分析的效果。因为如果当选取范围较小时，样本数量不足，会在抖动分析时造成错误判断，影响分离结果。当选取范围较大时，样本数量过大，样本中包含的抖动成分过多，也会在抖动分离时造成错误判断，影响分离结果。因此，直方图的建立范围选择问题是成功分离抖动的前提并且也是一个极具挑战性的问题。针对该问题，本发明的解决思路是选取适合抖动分析的特定范围建立直方图，以基准点为中心选取确定范围建立直方图的方案，得到更适宜抖动分析的样本值。

(5)提出基于双狄拉克模型的眼图直方图的尾部拟合抖动分析方法。本算法能够对根据眼图形成的直方图进行尾部拟合，实现抖动主要成分的分离。能否根据生成的直方图成功分离出确定性和随机性抖动是验证最终结果的决定性因素。鉴于抖动包括多种分量，每种抖动分量的特征也不尽相同，因此应采用合理的方法才能准确分离出确定性和随机性抖动。针对这个问题，本发明基于双狄拉克模型原理对眼图直方图进行分析。当直方图表现出一个双峰的特性，而不是单一的高斯曲线时，就表明信号同时存在随机性抖动和确定性抖动，不再满足高斯分布的形式。此时可基于双狄拉克模型确定总抖动所包含的随机性抖动，同时可以通过左右尾部的拟合结果求出确定性抖动的峰峰值。以得到的直方图为样本，基于双狄拉克模型对该直方图进行抖动分析，根据不同抖动分量的表现特征对直方图进行分析最终拟合出确定性和随机性抖动的值，实现抖动主要成分的分离。

(6)本发明增加了基准点判定步骤，因为在基于眼图直方图的抖动分析中，只有在眼图中选取合理范围生成的直方图才能保证抖动分析的效果。同时，本发明针对生成的初始样本数据采用了去除异常值处理，消除了无关数据对抖动分析结果的影响。另外，本发明增加了数据拟合步骤，通过在初始所确定的一定范围内以确定步长值不断增长进行遍历，通过比较直方图的尾部和新的高斯分布的拟合度来判断拟合的结果，提高了拟合的准确性。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种眼图抖动的分析方法，其特征在于，包括：

步骤1)采集一串中间无采集空白区的连续信号，生成所述连续信号对应的眼图；

步骤2)确定所述眼图的基准点；包括：在所述眼图的纵坐标上取眼高上限和眼高下限之间的预订范围的位置，划定所述眼图的交叉点所在区域；

在所述眼图的交叉点所在区域中，对所述眼图的幅度中心位置的预订范围内的一个窄带做水平直方图，将所述水平直方图的均值作为基准点的时间坐标；

在所述眼图的交叉点所在区域中，对于所述眼图的时间轴做垂直直方图，将所述垂直直方图的均值作为基准点的幅度坐标；

步骤3)根据所述基准点确定计算范围，将所述眼图中的所述计算范围内的数据生成直方图；包括，

取以所述眼图的基准点为中心的上下预订数量像素的范围；将所述范围内出现点数向水平方向做累加，得到原始数据；去除所述原始数据中的预订范围之外的数据点，来去除异常值；将所述原始数据中的去除所述异常值之后的数据点进行划分，形成直方图；

步骤4)对所述直方图的数据进行归一化处理；

步骤5)从所述归一化后的直方图的左右两端分别遍历，分别确定归一化后的所述直方图的左尾部和右尾部；

步骤6)根据高斯分布初始值算法，分别针对归一化后的所述直方图的左尾部和右尾部进行计算，得到左尾部和右尾部对应的高斯分布的初始方差和初始均值；

步骤7)在所述初始方差和初始均值所确定的范围内进行遍历，当高斯分布的变量以确定步长值不断从最小值增长到最大值时，分别获取归一化后的所述直方图的左尾部和右尾部与所述连续信号的实际左尾部和实际右尾部之间的拟合度χ²，并将拟合度χ²的最小值所对应的均值μ、方差σ分别作为归一化后的所述直方图的左尾部和右尾部的最优均值和最优方差；

步骤8)根据所述左尾部和右尾部的最优均值和最优方差、所述初始均值和初始方差，分别生成所述左尾部和右尾部的实际均值、所述左尾部和右尾部的实际方差；

步骤9)根据所述左尾部和右尾部的实际方差来确定随机性抖动；或者根据所述左尾部和右尾部的实际均值来计算确定性抖动的峰峰值。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中的生成所述连续信号对应的眼图的步骤包括：

根据所述连续信号生成恢复的时钟信号；

根据恢复的时钟信号，将采集到的所述连续信号的波形按比特位分割成长度固定的小数据段；

将所述小数据段依次对齐并叠加在一起，生成眼图。

3.根据权利要求1所述的方法，其特征在于，所述步骤8具体为根据以下公式计算：

σ_actual＝σ₁×σ₀

μ_actual＝μ₁×σ₀+μ₀

其中，σ_actual、μ_actual分别为实际方差和实际均值，σ₁、μ₁分别为最优方差和最优均值，σ₀、μ₀为初始方差和初始均值。

4.根据权利要求1所述的方法，其特征在于，所述步骤9包括：

根据左右尾部实际方差的均值计算随机性抖动；或者

根据左右尾部的实际均值之间的差计算确定性抖动的峰峰值。