CN107505839A - 一种虚拟仪器的波形同步方法及系统 - Google Patents
一种虚拟仪器的波形同步方法及系统 Download PDFInfo
- Publication number
- CN107505839A CN107505839A CN201710598550.1A CN201710598550A CN107505839A CN 107505839 A CN107505839 A CN 107505839A CN 201710598550 A CN201710598550 A CN 201710598550A CN 107505839 A CN107505839 A CN 107505839A
- Authority
- CN
- China
- Prior art keywords
- signal
- frame signal
- frame
- module
- population
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种虚拟仪器的波形同步方法及系统,该波形同步方法及系统先向输入信号中添加随机噪声序列,对添加随机噪声序列后的输入信号进行采样,对添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合,判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则通过遗传算法求取匹配平移参数得到匹配后的波形,再将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据。通过采用本发明虚拟仪器的波形同步方法及系统,虚拟仪器中ADC芯片对周期信号采集数据时,信号发生左右平移抖动小。
Description
技术领域
本发明涉及虚拟仪器领域,更具体地说,涉及一种虚拟仪器的波形同步方法及系统。
背景技术
仪器技术以及现代测试技术的进步,促进了新概念仪器-虚拟仪器(VirtualInstrument,简称VI)的发展。虚拟仪器利用计算机开发仪器,硬件部分完成数据采集功能,软件部分完成数据分析处理功能。虚拟仪器中至关重要的一个环节就是AD(模数)采集,而高速AD采集又是制约虚拟仪器发展的一个难点。我们在对虚拟仪器的研究过程中发现,当采用高速ADC芯片(如大于500Mbps采样率)对高频周期信号采集数据并在虚拟示波器上显示时,PC端的虚拟示波器上显示的波形图像发生严重的左右平移抖动,且输入的高频信号频率越高抖动越厉害,与我们预期的虚拟示波器的稳定成像效果相差甚远。徐卫生及延洪震的《基于LabVIEW的八线同步隔离虚拟示波器的设计》中通过定点重绘的方式使波形同步显示,但初相位点难以找到并且对应。韦孟辉的《高精密相位控制的多通道任意波形发生器研究》中通过DFT变换找到相位差然后平移使波形同步,但是由于采集点数少,DFT获得的相位测量误差大,导致最后还原的波形误差较大。李进的《基于USB数据同步采集设计方案》中与Zuo Xi Tian、Feng Yu及Zeng Wu Liu.的《Designs for Synchronous DataAcquisition of a Distributed System中》中通过硬件存储和计时器计时进行数据同步,可以提高同步精度,但费用较高。易先军的《基于DSP的多路同步数据采集系统的开发与应用》中采用频率误差闭环系统进行数据同步,但这方法只适应于低频信号测量,高频信号测量精度低。
根据奈奎斯特采样定律,AD采样频率大于二倍被测信号的频率,被测信号可以完全被恢复出来。但是,在虚拟仪器显示时,如果每个周期采样点数太少,一方面信号显示不平滑,另一方面由于初相位误差,波形显示出现抖动现象。假设数据采样率为500Mbps,理论上可以检测250MHz被测信号。参考图1以及图2,如用500M采样率的ADC芯片采集95M的高频周期正弦信号,上升沿采样有效,则一个周期最多能有6个采样点。由于ADC(模数转换器)采样时钟与被测信号相互独立且ADC采样时钟频率不是输入信号频率的整数倍,那么在相同硬件同步CLK下,每帧图像的数据采样的起始点会有零到一个AD采集时钟周期内的时间差,(如图1的实际第一帧与第二帧波形起始采集点位置不同导致图1中Δt),也就是会导致每帧采样的波形的初相位不一致(如图1中C,B两点初始相位的不同),最终导致采样的数据在显示时导致波形的平移抖动(如图2高速刷新显示下波形呈带状),且抖动的相位θ范围有以下关系:
式中Fs为采样率,Fw为输入信号频率。当采样频率为500MHz,被测信号为95MHz时,相位误差为:0<θ<0.384π。
发明内容
本发明要解决的技术问题在于,针对上述的现有虚拟仪器中ADC芯片对周期信号采集数据时,信号发生严重的左右平移抖动的技术缺陷,提供了一种虚拟仪器的波形同步方法及系统。
根据本发明的其中一方面,本发明为解决其技术问题,提供了一种虚拟仪器的波形同步方法,包含:
S1、向输入信号中添加随机噪声序列;
S2、对添加随机噪声序列后的输入信号进行采样,采样后的信号中具有相邻的第一帧信号与第二帧信号;
S3、对分别添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合;
S4、判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则进行步骤S5;
S5、求解出平移距离,并将曲线拟合后的第二帧信号平移所述平移距离至曲线拟合后第一帧信号处;
S6、将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据。
进一步的,在本发明的虚拟仪器的波形同步方法中,还包括将当前重构后的信号依次与对输入信号进行采样后的信号中的后续帧信号进行波形同步的步骤,波形同步时将第k次重构的信号进行采样后作为新的第一帧信号,将对输入信号进行采样后的信号中的第k+2帧信号作为新的第二帧信号,再次进行步骤S3-S6,其中k=1,2,3…。
进一步的,在本发明的虚拟仪器的波形同步方法中,步骤S4中,曲线拟合后的第一帧信号与第二帧信号是否匹配是通过判断第一帧信号与第二帧信号的匹配吻合度误差来实现,其中匹配吻合度误差大于预设值时二者不匹配,否则二者匹配,其中匹配吻合度误差通过下述公式计算所得:
式中,第一帧波形数据的横坐标集合X1={x11,x12,x13,…,x1n},纵坐标集合Y1={y11,y12,y13,…,y1n},第二帧波形数据的横坐标集合X2={x21,x22,x23,…,x2n},纵坐标集合Y1={y21,y22,y23,…,y2n},为待求解的平移距离,L为第一帧信号与第二帧信号实际需要平移距离,int()表示向下取整。
更进一步的,在本发明的虚拟仪器的波形同步方法中,步骤S5具体包含:
(1)获取适应度函数
(2)将自变量编码成二进制数据形式,并初始化种群,种群中个体表示的初始值;
(3)根据适应度函数计算各个个体适应度值;
(4)对种群中个体进行选择、交叉、变异操作,得到子代种群,其中交叉操作包含:先根据预设规则种群中提取出适应度最大的多个个体作为最优种群,然后将最优种群中的每一个个体分别与最优种群中的其他个体进行交叉,变异操作时最优种群个体数量越大则变异率越小;
(5)确认是否满足中止条件,未满足则跳到第(3)步;
(6)中止条件触发,根据得到的最优解作为的最终值;
(7)将第二帧信号平移所述最终值作为匹配后的信号。
进一步的,在本发明的虚拟仪器的波形同步方法中,虚拟仪器为虚拟的示波器,所述步骤S6之后还包括步骤:将重构之后的波形进行在电脑进行显示。
根据本发明的另一方面,本发明为解决其技术问题,还提供了一种虚拟仪器的波形同步系统,包含:
噪声添加模块,用于向输入信号中添加随机噪声序列;
信号采样模块,对添加随机噪声序列后的输入信号进行采样,采样后的信号中具有相邻的第一帧信号与第二帧信号;
曲线拟合模块,用于对分别添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合;
匹配判断模块,用于判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则调用信号匹配模块;
信号匹配模块,用于求解出平移距离,并将曲线拟合后的第二帧信号平移所述平移距离至曲线拟合后第一帧信号处;
信号重构模块,用于将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据。
进一步的,在本发明的虚拟仪器的波形同步系统中,还包括将当前重构后的信号依次与对输入信号进行采样后的信号中的后续帧信号进行波形同步的模块,波形同步时将第k次重构的信号进行采样后作为新的第一帧信号,将对输入信号进行采样后的信号中的第k+2帧信号作为新的第二帧信号,再次依次调用曲线拟合模块、匹配判断模块、信号匹配模块以及信号重构模块,其中k=1,2,3…。
进一步的,在本发明的虚拟仪器的波形同步系统中,匹配判断模块中,曲线拟合后的第一帧信号与第二帧信号是否匹配是通过判断第一帧信号与第二帧信号的匹配吻合度误差来实现,其中匹配吻合度误差大于预设值时二者不匹配,否则二者匹配,其中匹配吻合度误差通过下述公式计算所得:
式中,第一帧波形数据的横坐标集合X1={x11,x12,x13,…,x1n},纵坐标集合Y1={y11,y12,y13,…,y1n},第二帧波形数据的横坐标集合X2={x21,x22,x23,…,x2n},纵坐标集合Y1={y21,y22,y23,…,y2n},为待求解的平移距离,L为第一帧信号与第二帧信号实际需要平移距离,int()表示向下取整。
进一步的,在本发明的虚拟仪器的波形同步系统中,信号匹配模块中具体包含:
适应度函数获取模块,用于获取适应度函数
种群初始化模块,用于将自变量编码成二进制数据形式,并初始化种群,种群中个体表示的初始值;
适应度值计算模块,用于根据适应度函数计算各个个体适应度值;
种群进化模块,用于对种群中个体进行选择、交叉、变异操作,得到子代种群,其中交叉操作包含:先根据预设规则种群中提取出适应度最大的多个个体作为最优种群,然后将最优种群中的每一个个体分别与最优种群中的其他个体进行交叉,变异操作时最优种群个体数量越大则变异率越小;
条件判断模块,用于确认是否满足中止条件,未满足重复依次调用适应度值计算模块以及种群进化模块直至满足中止条件;
最终值确定模块,用于在中止条件触发时,根据得到的最优解作为的最终值;
信号平移模块,用于将第二帧信号平移所述最终值作为匹配后的信号。
进一步的,在本发明的虚拟仪器的波形同步系统中,虚拟仪器为虚拟的示波器,还包括显示模块,用于将重构之后的波形进行在电脑进行显示。
实施本发明的一种虚拟仪器的波形同步方法及系统,具有以下有益效果:先向输入信号中添加随机噪声序列,对添加随机噪声序列后的输入信号进行采样,对添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合,判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则通过遗传算法求取匹配平移参数得到匹配后的波形,再将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据。采用本发明的方法及系统的虚拟仪器中ADC芯片对周期信号采集数据时,信号左右平移抖动小。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是现有技术中采样的初始相位不同步示意图;
图2是现有技术中高速采集下波形显示的抖动现象模拟图
图3是本发明的虚拟仪器的波形同步方法的一实施例的流程图;
图4是本发明的加入随机噪声序列后的正弦波信号的波形图;
图5是本发明的第一帧信号及第二帧信号的波形图;
图6是对图5中第一帧信号及第二帧信号进行带约束的最小二乘学习法进行曲线拟合后的波形图;
图7是本发明的改进遗传算法波形匹配下解的变化轨迹图;
图8是本发明的平移操作得到第二帧波形与第一帧波形的匹配效果;
图9是本发明的第一帧信号及第二帧信号以及重构后的信号波形图;
图10是本发明的波形同步方法连续五十帧实时同步显示测试效果图;
图11是本发明的虚拟仪器的波形同步系统的一实施例的原理框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
如图3所示,其为本发明的虚拟仪器的波形同步方法的一实施例的流程图。在本实施例的虚拟以及的同步方法中,主要包含以下步骤:
S1、向输入信号中添加随机噪声序列。输入信号为虚拟仪器的硬件部分采集得到。参考图4,其为加入随机噪声序列后的正弦波信号的波形图,频率为95M。
S2、对添加随机噪声序列后的输入信号进行采样,采样后的信号中具有相邻的第一帧信号与第二帧信号。实际过程中,会对添加随机噪声序列后的输入信号持续进行采集,因此会依次存在采样形成第一帧信号、第二帧信号、第三帧信号…,每帧信号的采样频率相等。参考图5,其为第一帧信号及第二帧信号的波形图,其为对图4中波形进行采样所得,采样速率为500M,每一个周期对应六个采样点,采样数据对应的初相位差误差在0°到68.4°之间。
S3、对添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合。由于高速下一周期内采集点数少,不利于后面的同步操作,因此需要进行数据的插值或拟合,本发明采用基于正交投影矩阵的带约束最小二乘法进行曲线拟合。
最小二乘法是对模型的输出fθ(xi)和训练集输出{yi}的平方误差:
使(2)式为最小时的参数θ进行学习。
最小二乘法在学习维数较高时会出现过拟合现象。为了解决过拟合得到较好的曲线拟合效果,这里使用带约束的最小二乘法,即在最小二乘基础上增加一个约束矩阵P,满足使得只对参数空间的部分空间进行求取,可以简化拟合过程并防止过拟合。
在带约束最小二乘法中,参数解为:
其中y为训练集输出。为基函数,在这里取正交投影矩阵如下:
K为约束矩阵,约束空间根据实际问题人为设定,这里约束空间选取的是11维,形式如下:
根据公式3求得参数集θ:
θ=[0.0942,-0.0787,0,0,-1.0047,-0.068,0,0,-0.0428,0.028,0,(0,…,0)20]T(6)
最后通过求得的参数集θ得到拟合值:
参考图6,其为对图5中分别信号进行对图5中第一帧信号及第二帧信号进行带约束的最小二乘学习法进行曲线拟合后的波形图。从图6中可以看出,拟合后波形光滑,更接近与输入信号,并且可以看出明显的初相位差别。
S4、判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则进行步骤S5,否则进行步骤S7。
为了判断上文中拟合的前后两帧波形曲线是否需要同步和相位关系的界定,因此需要对波形进行匹配操作,如果两帧波形匹配则说明第二帧波形是第一帧的同频率波形,需要进行同步显示操作,否则认为第二帧波形与第一帧不同频率,不需要进行同步显示。
设第一帧波形数据的横坐标集合X1={x11,x12,x13,…,x1n},纵坐标集合Y1={y11,y12,y13,…,y1n},第二帧波形数据的横坐标集合X2={x21,x22,x23,…,x2n},纵坐标集合Y1={y21,y22,y23,…,y2n}
可以通过均方根公式来描述第二帧波形与第一帧波形的匹配吻合度误差:
对于平移后波形,上式变为关于平移距离的函数:
式中,为待求解的平移距离,L为第一帧信号与第二帧信号实际需要平移距离,int()表示向下取整。对于能否平移匹配和平移距离的求解,实际就是对上式函数(公式9)的求最优解(最小值)问题。其中,当公式9中匹配吻合度误差大于预设值时二者不匹配,否则二者匹配。
S5、求解出平移距离,并将曲线拟合后的第二帧信号平移所述平移距离至曲线拟合后第一帧信号处。
对于上面的求解最优解问题,本实施例采用改进的遗传算法求解。遗传算法是通过仿生学与进化论(物种的遗传与繁衍)的模拟求最优近似解的优化算法。经典遗传算法收敛速度较慢且容易局部收敛。因此本发明对经典遗传算法进行了改进,改进体现在两个方面,分别是变变异率和百分比最优复制。
变变异率即动态确定变异概率。传统的遗传算法使用固定变异概率,这样会使优良基因因为变异而遭到破坏。动态确定变异概率既可以防止优良基因被破坏还可以有效的为种群引入新的基因而防止陷入局部最优。这里根据最优种群在所有种群中所占百分比大小动态确定变异概率,即最优种群个体数量越大则变异率越小,这里大小的跨度根据种群数量人为设定。具体变变异率操作如下:
计算最优种群个体数量并确定变异率大小;
确定变异个体并进行变异操作。
百分比最优复制即将父代中最优种群的一部分个体进行多次交叉,将交叉后的最优种群一到两个个体基因完全遗传给下代。传统遗传算法的交叉、选择操作仅仅是按照适应度大小进行排序,对最优种群没有判断能力,使得遗传速度降低。本实施例引入最优种群交叉后择优遗传的方法将父代优良基因完全复制给子代,有利于优良基因的保留和遗传速度的加快。具体变变异率操作如下:
获取人为设定的最优种群百分比;
种群个体按适应度大小排序,将适应度值较大的百分比*种群大小个体视为最优种群;
最优种群进行多次交叉(单点交叉、多点交叉和均匀交叉中的一种或者多种),交叉后的个体按适应度排序,选择适应度最高的一到两个个体完全复制给子代,多次交叉是指将最优种群中的每一个个体分别与最优种群中的其他个体进行交叉。
其基于改进遗传算法的波形匹配步骤如下:
(1)获取适应度函数
(2)将自变量编码成二进制数据形式,并初始化种群,种群中个体表示的初始值;
(3)根据适应度函数计算各个个体适应度值;
(4)对种群中个体进行选择、交叉、变异操作,得到子代种群,其中交叉操作包含:先根据预设规则种群中提取出适应度最大的多个个体作为最优种群,然后将最优种群中的每一个个体分别与最优种群中的其他个体进行交叉,变异操作时最优种群个体数量越大则变异率越小;
(5)确认是否满足中止条件,未满足则跳到第(3)步;
(6)中止条件触发,根据得到的最优解作为的最终值;
(7)将第二帧信号平移所述最终值作为匹配后的信号。
其中,步骤(6)中止条件触发,得到最优解其中平移距离匹配误差率Error=E。
通过改进遗传算法的波形匹配求解,得到上述优化问题的解的变化轨迹如图7,最终最优近似解收敛于0.651,即平移距离L=0.651,并得到匹配误差率Error=0.1734。通过平移操作得到第二帧波形与第一帧波形的匹配效果如图8。
S6、将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据。
从图8中c曲线看出,匹配的波形与基准图首尾差异较大,在这里可以将尾部多余数据移到数据头部,可以设匹配后波形数据的横坐标集合X1={x1+L,x2+L,x3+L,…,xn+L}(L为上文求的平移距离),纵坐标集合Y1={y1,y2,y3,…,yn}。通过横坐标X1可以看出,{x1,x2,x3,…,xL}为头部缺失数据,{xn+1,xn+2,xn+3,…,xn+L}为尾部多余数据,将尾部多余数据移到头部缺失数据部位,得到最终的匹配数据:
{(xn+1,y1),(xn+2,y2),…,(xn+L,yL),(x1,yL+1),…,(xn,yn-L)} (10)
对公式(10)匹配的波形数据模拟采样,也就是用图5的b曲线的采样时间点对匹配的图取点,并将取点的图绘制在图5上,得到图9。从图上可以直观看到b曲线通过拟合-匹配得到的c曲线与a曲线几乎重合,达到了同步显示的目的。此外,本文对连续50帧波形图像进行了测试,如图10,对比图2的波形抖动呈带状现象有了明显的改善,即同步显示问题有了明显的改善。
经过步骤S1-S6后及完成了第一帧信号与第二帧信号的同步,然后第一次重构(本次)的信号进行采样(采样频率与步骤S2中采样频率一样)后作为新的第一帧信号,将对输入信号进行采样后的信号中的第3帧信号作为新的第二帧信号重复步骤S3-S6;然后第二次重构的信号进行采样(采样频率与步骤S2中采样频率一样)后作为新的第一帧信号,将对输入信号进行采样后的信号中的第4帧信号作为新的第二帧信号重复步骤S3-S6,以此类推。
S7、当匹配误差率Error大于预设误差值时,我们认为波形无法匹配,以第二帧信号作为新的第一帧信号,以第三帧信号作为新的第二帧信号,即丢弃第一帧,从第二帧开始重新处理,重复上述S3-S6步骤,直至连续的两帧匹配。
应当理解的是,上述虚拟仪器可以为通过电脑虚拟的示波器,将重构之后的波形进行在电脑进行显示即可完成示波器的虚拟。
参考图11,其为本发明的虚拟仪器的波形同步系统的一实施例的原理框图。本实施例的虚拟仪器的波形同步系统,包含噪声添加模块11、信号采样模块12、曲线拟合模块13、匹配判断模块14、信号匹配模块15、信号重构模块16以及不匹配处理模块17。噪声添加模块11向输入信号中添加随机噪声序列,信号采样模块12对添加随机噪声序列后的输入信号进行采样,采样后的信号中具有相邻的第一帧信号与第二帧信号,曲线拟合模块13对添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合,匹配判断模块14判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则调用信号匹配模块15否则调用不匹配处理模块17,信号匹配模块15将曲线拟合后的第一帧信号与第二帧信号进行匹配,信号重构模块16将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据,不匹配处理模块17在当匹配误差率Error大于预设误差值时,以第二帧信号作为新的第一帧信号,以第三帧信号作为新的第二帧信号,即丢弃第一帧,从第二帧开始重新处理,重复调用依次曲线拟合模块13、匹配判断模块14、信号匹配模块15以及信号重构模块16,直至连续的两帧匹配。
在本实施例的波形同步系统中,还包括将当前重构后的信号依次与对输入信号进行采样后的信号中的后续帧信号进行波形同步的模块,波形同步时将第k次重构的信号进行采样后作为新的第一帧信号,将对输入信号进行采样后的信号中的第k+2帧信号作为新的第二帧信号,再次依次调用曲线拟合模块13、匹配判断模块14、信号匹配模块15以及信号重构模块16,其中k=1,2,3…。
在本实施例的波形同步系统中,匹配判断模块14中,曲线拟合后的第一帧信号与第二帧信号是否匹配是通过判断第一帧信号与第二帧信号的匹配吻合度误差来实现,其中匹配吻合度误差大于预设值时二者不匹配,否则二者匹配,其中匹配吻合度误差通过下述公式计算所得:
式中,第一帧波形数据的横坐标集合X1={x11,x12,x13,…,x1n},纵坐标集合Y1={y11,y12,y13,…,y1n},第二帧波形数据的横坐标集合X2={x21,x22,x23,…,x2n},纵坐标集合Y1={y21,y22,y23,…,y2n},为待求解的平移距离,L为第一帧信号与第二帧信号实际需要平移距离,int()表示向下取整。
信号匹配模块中15,将曲线拟合后的第一帧信号与第二帧信号进行匹配采用改进遗传算法匹配得到,具体包含:
适应度函数获取模块,用于获取适应度函数
种群初始化模块,用于将自变量编码成二进制数据形式,并初始化种群,种群中个体表示的初始值;
适应度值计算模块,用于根据适应度函数计算各个个体适应度值;
种群进化模块,用于对种群中个体进行选择、交叉、变异操作,得到子代种群,其中交叉操作包含:先根据预设规则种群中提取出适应度最大的多个个体作为最优种群,然后将最优种群中的每一个个体分别与最优种群中的其他个体进行交叉,变异操作时最优种群个体数量越大则变异率越小;
条件判断模块,用于确认是否满足中止条件,未满足重复依次调用适应度值计算模块以及种群进化模块直至满足中止条件;
最终值确定模块,用于在中止条件触发时,根据得到的最优解作为的最终值;
信号平移模块,用于将第二帧信号平移所述最终值作为匹配后的信号。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种虚拟仪器的波形同步方法,其特征在于,包含:
S1、向输入信号中添加随机噪声序列;
S2、对添加随机噪声序列后的输入信号进行采样,采样后的信号中具有相邻的第一帧信号与第二帧信号;
S3、对添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合;
S4、判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则进行步骤S5;
S5、求解出平移距离,并将曲线拟合后的第二帧信号平移所述平移距离至曲线拟合后第一帧信号处;
S6、将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据。
2.根据权利要求1所述的波形同步方法,其特征在于,还包括将当前重构后的信号依次与对输入信号进行采样后的信号中的后续帧信号进行波形同步的步骤,波形同步时将第k次重构的信号进行采样后作为新的第一帧信号,将对输入信号进行采样后的信号中的第k+2帧信号作为新的第二帧信号,再次进行步骤S3-S6,其中k=1,2,3…。
3.根据权利要求1所述的波形同步方法,其特征在于,步骤S4中,曲线拟合后的第一帧信号与第二帧信号是否匹配是通过判断第一帧信号与第二帧信号的匹配吻合度误差来实现,其中匹配吻合度误差大于预设值时二者不匹配,否则二者匹配,其中匹配吻合度误差通过下述公式计算所得:
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>int</mi>
<mrow>
<mo>(</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mrow>
<mn>1</mn>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mn>2</mn>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mn>2</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
</mrow>
式中,第一帧波形数据的横坐标集合X1={x11,x12,x13,…,x1n},纵坐标集合Y1={y11,y12,y13,…,y1n},第二帧波形数据的横坐标集合X2={x21,x22,x23,…,x2n},纵坐标集合Y1={y21,y22,y23,…,y2n},为待求解的平移距离,L为第一帧信号与第二帧信号实际需要平移距离,int()表示向下取整。
4.根据权利要求3所述的波形同步方法,其特征在于,步骤S5中具体包含:
(1)获取适应度函数
(2)将自变量编码成二进制数据形式,并初始化种群,种群中个体表示的初始值;
(3)根据适应度函数计算各个个体适应度值;
(4)对种群中个体进行选择、交叉、变异操作,得到子代种群,其中交叉操作包含:先根据预设规则种群中提取出适应度最大的多个个体作为最优种群,然后将最优种群中的每一个个体分别与最优种群中的其他个体进行交叉,变异操作时最优种群个体数量越大则变异率越小;
(5)确认是否满足中止条件,未满足则跳到第(3)步;
(6)中止条件触发,根据得到的最优解作为的最终值;
(7)将第二帧信号平移所述最终值作为匹配后的信号。
5.根据权利要求1所述的波形同步方法,其特征在于,所述虚拟仪器为虚拟的示波器,所述步骤S6之后还包括步骤:将重构之后的波形进行在电脑进行显示。
6.一种虚拟仪器的波形同步系统,其特征在于,包含:
噪声添加模块,用于向输入信号中添加随机噪声序列;
信号采样模块,对添加随机噪声序列后的输入信号进行采样,采样后的信号中具有相邻的第一帧信号与第二帧信号;
曲线拟合模块,用于对添加随机噪声序列后的第一帧信号与第二帧信号分别利用带约束的最小二乘学习法进行曲线拟合;
匹配判断模块,用于判断曲线拟合后的第一帧信号与第二帧信号是否匹配,若是,则调用信号匹配模块;
信号匹配模块,用于求解出平移距离,并将曲线拟合后的第二帧信号平移所述平移距离至曲线拟合后第一帧信号处;
信号重构模块,用于将匹配后的信号进行重构,重构时将匹配后的信号中的相对于第一帧信号多余的尾部数据移动到匹配后的信号的相对于第一帧信号缺失的头部数据。
7.根据权利要求6所述的波形同步系统,其特征在于,还包括将当前重构后的信号依次与对输入信号进行采样后的信号中的后续帧信号进行波形同步的模块,波形同步时将第k次重构的信号进行采样后作为新的第一帧信号,将对输入信号进行采样后的信号中的第k+2帧信号作为新的第二帧信号,再次依次调用曲线拟合模块、匹配判断模块、信号匹配模块以及信号重构模块,其中k=1,2,3…。
8.根据权利要求1所述的波形同步系统,其特征在于,匹配判断模块中,曲线拟合后的第一帧信号与第二帧信号是否匹配是通过判断第一帧信号与第二帧信号的匹配吻合度误差来实现,其中匹配吻合度误差大于预设值时二者不匹配,否则二者匹配,其中匹配吻合度误差通过下述公式计算所得:
<mrow>
<mi>E</mi>
<mrow>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>int</mi>
<mrow>
<mo>(</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mrow>
<mn>1</mn>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mrow>
<mn>2</mn>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mn>2</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
</mrow>
式中,第一帧波形数据的横坐标集合X1={x11,x12,x13,…,x1n},纵坐标集合Y1={y11,y12,y13,…,y1n},第二帧波形数据的横坐标集合X2={x21,x22,x23,…,x2n},纵坐标集合Y1={y21,y22,y23,…,y2n},为待求解的平移距离,L为第一帧信号与第二帧信号实际需要平移距离,int()表示向下取整。
9.根据权利要求8所述的波形同步系统,其特征在于,信号匹配模块中具体包含:
适应度函数获取模块,用于获取适应度函数
种群初始化模块,用于将自变量编码成二进制数据形式,并初始化种群,种群中个体表示的初始值;
适应度值计算模块,用于根据适应度函数计算各个个体适应度值;
种群进化模块,用于对种群中个体进行选择、交叉、变异操作,得到子代种群,其中交叉操作包含:先根据预设规则种群中提取出适应度最大的多个个体作为最优种群,然后将最优种群中的每一个个体分别与最优种群中的其他个体进行交叉,变异操作时最优种群个体数量越大则变异率越小;
条件判断模块,用于确认是否满足中止条件,未满足重复依次调用适应度值计算模块以及种群进化模块直至满足中止条件;
最终值确定模块,用于在中止条件触发时,根据得到的最优解作为的最终值;
信号平移模块,用于将第二帧信号平移所述最终值作为匹配后的信号。
10.根据权利要求6所述的波形同步系统,其特征在于,所述虚拟仪器为虚拟的示波器,还包括显示模块,用于将重构之后的波形进行在电脑进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710598550.1A CN107505839B (zh) | 2017-07-21 | 2017-07-21 | 一种虚拟仪器的波形同步方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710598550.1A CN107505839B (zh) | 2017-07-21 | 2017-07-21 | 一种虚拟仪器的波形同步方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107505839A true CN107505839A (zh) | 2017-12-22 |
CN107505839B CN107505839B (zh) | 2019-06-28 |
Family
ID=60678895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710598550.1A Expired - Fee Related CN107505839B (zh) | 2017-07-21 | 2017-07-21 | 一种虚拟仪器的波形同步方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107505839B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109374960A (zh) * | 2018-10-12 | 2019-02-22 | 积成电子股份有限公司 | 基于快速图形拟合算法的sv波形比对测试方法 |
CN109633228A (zh) * | 2018-12-28 | 2019-04-16 | 深圳市鼎阳科技有限公司 | 一种示波器中采样方法、装置及示波器 |
CN113217109A (zh) * | 2021-06-18 | 2021-08-06 | 中国矿业大学 | 一种冲击地压矿井微震监测系统波形补全方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1759324A (zh) * | 2003-03-11 | 2006-04-12 | 摩托罗拉公司(在特拉华州注册的公司) | 通信系统中用于源设备同步的方法与装置 |
CN1792071A (zh) * | 2003-04-30 | 2006-06-21 | 摩托罗拉公司 | 使用前同步发起通信的方法和无线设备 |
CN101026411A (zh) * | 2005-07-27 | 2007-08-29 | 因特隆公司 | 在包括具有变化传输特性的介质的网络中进行通信 |
CN102025894A (zh) * | 2010-12-25 | 2011-04-20 | 广东威创视讯科技股份有限公司 | 一种同步信号畸变的视频信号纠正电路 |
US8472564B1 (en) * | 2007-04-23 | 2013-06-25 | The United States Of America As Represented By The Secretary Of The Army | Method of automated demodulation and classification of phase-shift-keying signals using hysteretic differential zero-crossing time samples |
CN106324623A (zh) * | 2011-08-02 | 2017-01-11 | 内克斯特纳夫有限公司 | 用于减小交叉干扰的方法、处理器可读存储器和系统 |
-
2017
- 2017-07-21 CN CN201710598550.1A patent/CN107505839B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1759324A (zh) * | 2003-03-11 | 2006-04-12 | 摩托罗拉公司(在特拉华州注册的公司) | 通信系统中用于源设备同步的方法与装置 |
CN1792071A (zh) * | 2003-04-30 | 2006-06-21 | 摩托罗拉公司 | 使用前同步发起通信的方法和无线设备 |
CN101026411A (zh) * | 2005-07-27 | 2007-08-29 | 因特隆公司 | 在包括具有变化传输特性的介质的网络中进行通信 |
US8472564B1 (en) * | 2007-04-23 | 2013-06-25 | The United States Of America As Represented By The Secretary Of The Army | Method of automated demodulation and classification of phase-shift-keying signals using hysteretic differential zero-crossing time samples |
CN102025894A (zh) * | 2010-12-25 | 2011-04-20 | 广东威创视讯科技股份有限公司 | 一种同步信号畸变的视频信号纠正电路 |
CN106324623A (zh) * | 2011-08-02 | 2017-01-11 | 内克斯特纳夫有限公司 | 用于减小交叉干扰的方法、处理器可读存储器和系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109374960A (zh) * | 2018-10-12 | 2019-02-22 | 积成电子股份有限公司 | 基于快速图形拟合算法的sv波形比对测试方法 |
CN109374960B (zh) * | 2018-10-12 | 2021-10-22 | 积成电子股份有限公司 | 基于快速图形拟合算法的sv波形比对测试方法 |
CN109633228A (zh) * | 2018-12-28 | 2019-04-16 | 深圳市鼎阳科技有限公司 | 一种示波器中采样方法、装置及示波器 |
CN109633228B (zh) * | 2018-12-28 | 2021-06-15 | 深圳市鼎阳科技股份有限公司 | 一种示波器中采样方法、装置及示波器 |
CN113217109A (zh) * | 2021-06-18 | 2021-08-06 | 中国矿业大学 | 一种冲击地压矿井微震监测系统波形补全方法 |
CN113217109B (zh) * | 2021-06-18 | 2022-06-10 | 中国矿业大学 | 一种冲击地压矿井微震监测系统波形补全方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107505839B (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948647B (zh) | 一种基于深度残差网络的心电图分类方法及系统 | |
Wen et al. | Transform learning for magnetic resonance image reconstruction: From model-based learning to building neural networks | |
CN107505839A (zh) | 一种虚拟仪器的波形同步方法及系统 | |
WO2020134826A1 (zh) | 磁共振并行成像方法及相关设备 | |
CN110673222B (zh) | 一种基于原子训练的大地电磁信号噪声压制方法及系统 | |
CN103218795B (zh) | 基于自适应双字典学习的部分k空间序列图像重构方法 | |
CN111273353B (zh) | 基于U-Net网络的智能化地震数据去混叠方法及系统 | |
JP2022502762A (ja) | ニューラルネットワーク捜索方法、装置、プロセッサ、電子機器、記憶媒体及びコンピュータプログラム | |
CN105212922A (zh) | 面向fpga实现心电信号r波自动检测的方法及系统 | |
CN104103042B (zh) | 一种基于局部相似性和局部选择的非凸压缩感知图像重构方法 | |
Liu et al. | A theoretically guaranteed deep optimization framework for robust compressive sensing mri | |
CN115470827A (zh) | 基于自监督学习和孪生网络的对抗性心电信号降噪方法 | |
CN111046737A (zh) | 一种用于微地震信号检测的高效智能感知采集方法 | |
CN109581849B (zh) | 一种同轴全息重建方法及系统 | |
CN110942496A (zh) | 基于螺旋桨采样和神经网络的磁共振图像重建方法及系统 | |
CN110060315A (zh) | 一种基于人工智能的图像运动伪影消除方法及系统 | |
CN117556891A (zh) | 基于子图范围采样的图神经网络训练方法及系统 | |
CN110161565B (zh) | 一种地震数据重建方法 | |
CN106707243A (zh) | 一种重构雷达信号的广义正则化正交匹配追踪方法 | |
CN104901704B (zh) | 具备时空相关特征的躯体传感网信号重构方法 | |
CN116863024A (zh) | 一种磁共振图像重建方法、系统、电子设备及存储介质 | |
CN114236610B (zh) | 基于深度卷积网络先验的迭代地震资料解混方法及系统 | |
CN109728822A (zh) | 一种信号处理的方法、装置、设备及计算机可读存储介质 | |
CN116070401A (zh) | 一种基于变换域张量低秩先验深度展开网络的高维磁共振图像重建方法 | |
CN108765509B (zh) | 一种用于线性成像系统的快速图像重建方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190628 Termination date: 20210721 |