CN110161320A - 一种波形宽度不确定度确定方法及系统 - Google Patents

一种波形宽度不确定度确定方法及系统 Download PDF

Info

Publication number
CN110161320A
CN110161320A CN201910470530.5A CN201910470530A CN110161320A CN 110161320 A CN110161320 A CN 110161320A CN 201910470530 A CN201910470530 A CN 201910470530A CN 110161320 A CN110161320 A CN 110161320A
Authority
CN
China
Prior art keywords
uncertainty
waveform
vector
moment
sampled point
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
Application number
CN201910470530.5A
Other languages
English (en)
Other versions
CN110161320B (zh
Inventor
刘爽
龚鹏伟
谌贝
谢文
姜河
马红梅
杨春涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Radio Metrology and Measurement
Original Assignee
Beijing Institute of Radio Metrology and Measurement
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Radio Metrology and Measurement filed Critical Beijing Institute of Radio Metrology and Measurement
Priority to CN201910470530.5A priority Critical patent/CN110161320B/zh
Publication of CN110161320A publication Critical patent/CN110161320A/zh
Application granted granted Critical
Publication of CN110161320B publication Critical patent/CN110161320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
    • G01R29/023—Measuring pulse width

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开一种波形宽度不确定度确定方法及系统，包括：分别通过k均值法对两个时刻波形的多个采样点进行聚类得到第一状态电平和第二状态电平，并根据所述第一状态电平和所述第二状态电平得到状态矢量；根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵；确定参考电平矢量，构造代价函数以得到加权最小二乘估计；根据所述加权最小二乘估计和对应的多项式方程、协方差矩阵传递理论和雅可比矩阵得到该时刻波形不确定度；根据两个时刻的波形不确定度得到波形宽度不确定度。本发明可在即使在存在相关误差的情况下，根据给定的平均波形及其协方差，也可以准确地计算脉冲宽度的不确定度。

Description

一种波形宽度不确定度确定方法及系统
技术领域
本发明涉及波形宽度不确定度确定技术领域。更具体地，涉及一种波形宽度不确定度确定方法及系统。
背景技术
脉冲波形的测量是电子仪器测量技术领域中一项基本的、重要的测量需求，对现代生活中普遍存在的数字通信设备及电子计算机的生产者和消费者都具有非常重大的经济意义。脉冲参数描述了脉冲的波形和时域特性，是非常重要的电参数，对脉冲参数的估计是时域测量的主要内容。随着电子技术的发展，对脉冲参数的估计精度要求越来越高。因此，确定脉冲参数并对其进行不确定度分析是一项十分重要的工作，脉冲参数主要包括脉冲宽度、脉冲宽度、上升时间和过冲等。
脉冲宽度是脉冲信号测量中最基本的参数指标之一，用途极为广泛，在信号源以及测量仪器和系统的指标测量评价中十分重要。不确定度在被测量真值未知的情况下科学地表示了测量结果，目前，基于统计理论的不确定度分析方法被广泛应用。传统的不确定度评定方法是在假设脉冲参数误差都是非相关的基础上实现的，这一假设通常是正确的，然而，非相关的物理现象有时也会在波形内产生相关性。例如，倘若忽略状态电平中乘性误差产生的相关性，脉冲参数的不确定度可能被严重高估。
发明内容
本发明的一个目的在于提供一种波形宽度不确定度确定方法，即使在存在相关误差的情况下，根据给定的平均波形及其协方差，也可以准确地计算脉冲宽度的不确定度。本发明的另一个目的在于提供一种波形宽度不确定度确定系统。
为达到上述目的，本发明采用下述技术方案：
本发明公开了一种波形宽度不确定度确定方法，包括：
分别通过k均值法对两个时刻波形的多个采样点进行聚类得到第一状态电平和第二状态电平，并根据所述第一状态电平和所述第二状态电平得到状态矢量；
根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵；
确定参考电平矢量，构造代价函数以得到加权最小二乘估计；
根据所述加权最小二乘估计和对应的多项式方程、协方差矩阵传递理论和雅可比矩阵得到该时刻波形不确定度；
根据两个时刻的波形不确定度得到波形宽度不确定度。
优选地，通过k均值法对波形的多个采样点进行聚类得到第一状态电平具体包括：
在波形上选取第一数量的采样点；
根据采样点的宽度值对所述第一数量的采样点进行排序；
根据第一数量确定将排序后的采样点划分为两个第一区域的参考采样点；
将两个第一区域的采样点的宽度值按照在各个区域中的排序顺序一一对应相减得到第一差值集合；
确定所述第一差值集合中最小的差值对应的两个采样点的区间为第一最短区间；
根据所述第一最短区间的采样点的宽度值的均值得到所述第一状态电平。
优选地，通过k均值法对波形的多个采样点进行聚类得到第二状态电平具体包括：
在波形上选取第二数量的采样点；
根据采样点的宽度值对所述第二数量的采样点进行排序；
根据第二数量确定将排序后的采样点划分为两个第二区域的参考采样点；
将两个第二区域的采样点的宽度值按照在各个区域中的排序顺序一一对应相减得到第二差值集合；
确定所述第二差值集合中最小的差值对应的两个采样点的区间为第二最短区间；
根据所述第二最短区间的采样点的宽度值的均值得到所述第二状态电平。
优选地，所述根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵具体包括：
将状态矢量表示为采样点矢量Y的线性变换L＝HLY；
确定HL，其中HL的第1行的第i个元素可以表示为：
HL的第2行的第i个元素可以表示为：
根据HL得到采样点矢量Y。
优选地，所述根据协方差矩阵传递理论和雅可比矩阵得到波形宽度不确定度具体包括：
基于采样点矢量的协方差矩阵∑Y计算状态矢量L的协方差矩阵∑L；
根据状态矢量L的协方差矩阵∑L和雅可比矩阵得到波形宽度不确定度。
优选地，所述基于采样点矢量的协方差矩阵∑Y计算状态矢量L的协方差矩阵∑L具体包括：
根据HL和采样点矢量的协方差矩阵∑Y得到状态矢量L的协方差矩阵∑L。
优选地，所述根据状态矢量L的协方差矩阵∑L和雅可比矩阵得到波形宽度不确定度具体包括：
确定参考电平值；
在波形上参考电平值附近选取多个采样点；
将所述多个采样点按照采样时刻递增的顺序排列，通过变换矩阵得到参考电平矢量；
根据多个采样点的采样时刻和所述参考电平矢量构造代价函数，得到所述代价函数的加权最小二乘评估。
优选地，所述具体可包括：
根据所述加权最小二乘评估和参考电平值得到和该时刻波形不确定度与加权最小二乘评估的对应关系；
根据所述时刻波形不确定度与加权最小二乘评估的对应关系、协方差矩阵传递原理和雅可比矩阵得到该时刻波形不确定度。
优选地，所述具体可包括：
确定所述两个时刻的变换时间差；
确定所述两个时刻分别对应的波形不确定度的差的相关雅可比矩阵；
确定两个时刻的加权最小二乘评估对应的多项式之间的协方差得到两个时刻的相关协方差矩阵；
根据协方差矩阵传递原理、所述相关协方差矩阵和所述相关雅可比矩阵得到所述波形宽度不确定度。
本发明还公开了一种波形宽度不确定度确定系统，包括：
状态矢量确定单元，用于分别通过k均值法对两个时刻波形的多个采样点进行聚类得到第一状态电平和第二状态电平，并根据所述第一状态电平和所述第二状态电平得到状态矢量；
采样点矢量确定单元，用于根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵；
加权最小二乘估计确定单元，用于确定参考电平矢量，构造代价函数以得到加权最小二乘估计；
时刻波形不确定度确定单元，用于根据所述加权最小二乘估计和对应的多项式方程、协方差矩阵传递理论和雅可比矩阵得到该时刻波形不确定度；
波形宽度不确定度确定单元，用于根据两个时刻的波形不确定度得到波形宽度不确定度。
本发明利用脉冲波形协方差矩阵传递的方法对脉冲宽度的不确定度进行评定，该方法考虑了波形内相关误差的影响，得到的脉冲宽度不确定度估计值因误差的增大而逐渐成为有偏估计，与脉冲参数的实际标准偏差非常吻合，具有普适性，可以准确地计算脉冲宽度的不确定度。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明一种波形宽度不确定度确定方法一个具体实施例的流程图之一；
图2示出本发明一种波形宽度不确定度确定方法一个具体实施例的流程图之二；
图3示出本发明一种波形宽度不确定度确定方法一个具体实施例的流程图之三；
图4示出本发明一种波形宽度不确定度确定方法一个具体实施例的流程图之四；
图5示出本发明一种波形宽度不确定度确定方法一个具体实施例的流程图之五；
图6示出本发明一种波形宽度不确定度确定方法一个具体实施例的流程图之六；
图7示出本发明一种波形宽度不确定度确定方法一个具体实施例的流程图之七；
图8示出本发明一种波形宽度不确定度确定系统一个具体实施例的结构图；
图9示出适于用来实现本发明实施例的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
根据本发明的一个方面，本实施例公开了一种波形宽度不确定度确定方法。如图1所示，本实施例中，波形宽度不确定度确定方法包括：
S100：分别通过k均值法对两个时刻波形的多个采样点进行聚类得到第一状态电平和第二状态电平，并根据所述第一状态电平和所述第二状态电平得到状态矢量。
S200：根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵。
S300：确定参考电平矢量，构造代价函数以得到加权最小二乘估计。
S400：根据所述加权最小二乘估计和对应的多项式方程、协方差矩阵传递理论和雅可比矩阵得到该时刻波形不确定度。
S500：根据两个时刻的波形不确定度得到波形宽度不确定度。
本发明利用脉冲波形协方差矩阵传递的方法对脉冲宽度的不确定度进行评定，该方法考虑了波形内相关误差的影响，得到的脉冲宽度不确定度估计值因误差的增大而逐渐成为有偏估计，与脉冲参数的实际标准偏差非常吻合，具有普适性，可以准确地计算脉冲宽度的不确定度。
在优选的实施方式中，所述波形为脉冲波形。当波形为脉冲波形时，所述第二状态电平为所述脉冲波形的峰值电平。例如，脉冲波形S(ti)，ti＝5i/2048， i＝1,...,128，可求解其脉冲半幅宽度的不确定度。
在优选的实施方式中，如图2所示，S100通过k均值法对波形的多个采样点进行聚类得到第一状态电平具体可包括：
S110：在波形上选取第一数量的采样点。
S111：根据采样点的宽度值对所述第一数量的采样点进行排序。
S112：根据第一数量确定将排序后的采样点划分为两个第一区域的参考采样点。
S113：将两个第一区域的采样点的宽度值按照在各个区域中的排序顺序一一对应相减得到第一差值集合。
S114：确定所述第一差值集合中最小的差值对应的两个采样点的区间为第一最短区间。
S115：根据所述第一最短区间的采样点的宽度值的均值得到所述第一状态电平。
具体的，在一个具体例子中，对于第一状态电平L1，可选取第一数量I1(I1为正整数)个采样点，I1个采样点表示为
对I1个采样点进行从小到大排序，表示为
确定参考采样点的标号其中表示小于等于I1/2的最大整数，以确定参考采样点，参考采样点之前的采样点为一个区域，包括参考采样点及参考采样点之后的采样点为另一个区域。
用从小到大排序后的I1个采样点中排序大于等于h的采样点的值分别减去小于h的对应排序的采样点的值，得到差值的集合，表示为
确定所述差值集合中最小的差值对应的采样点的区间为第一最短区间，表示为
确定第一状态电平
在优选的实施方式中，如图3所示，S100通过k均值法对波形的多个采样点进行聚类得到第二状态电平具体可包括：
S120：在波形上选取第二数量的采样点；
S121：根据采样点的宽度值对所述第二数量的采样点进行排序；
S122：根据第二数量确定将排序后的采样点划分为两个第二区域的参考采样点；
S123：将两个第二区域的采样点的宽度值按照在各个区域中的排序顺序一一对应相减得到第二差值集合；
S124：确定所述第二差值集合中最小的差值对应的两个采样点的区间为第二最短区间；
S125：根据所述第二最短区间的采样点的宽度值的均值得到所述第二状态电平。
具体的，在一个具体例子中，使用k均值法选取脉冲波形上第二数量I2(I2为正整数)个采样点，I2个采样点表示为
与确定第一状态电平L1的原理相同，对I2个采样点进行从小到大排序。
选取参考采样点的标号其中表示小于等于I2/2的最大整数，以确定参考采样点，参考采样点之前的采样点为一个区域，包括参考采样点及参考采样点之后的采样点为另一个区域。
用从小到大排序后的I2个采样点中排序大于等于k的采样点的值分别减去小于k的对应排序的采样点的值，得到差值的集合。
确定所述差值集合中最小的差值对应的采样点的区间为第二最短区间，表示为
确定第二状态电平
在优选的实施方式中，如图4所示，所述S200具体可包括；
S210：将状态矢量表示为采样点矢量Y的线性变换L＝HLY。通过状态矢量L＝(L1,L2)T来表示第一状态电平和第二状态电平，则L可以表示为采样点矢量Y的线性变换，即L＝HLY，其中HL为2×I的矩阵。
S220：确定HL，其中HL的第1行的第i个元素可以表示为：
HL的第2行的第i个元素可以表示为：
在一个具体例子中，对于如图1所示的脉冲形式，其高电平L2为脉冲峰值，HL的第2行的第i个元素可以表示为：其中ymax为波形采样点Y 的最大值。
S230：根据HL得到采样点矢量Y。根据矩阵理论可得到采样点矢量 Y。
在优选的实施方式中，如图5所示，所述S300具体可包括：
S310：确定参考电平值。具体的，根据国际标准定义，(100×f)％的参考电平值可以表示为yr＝L1+f(L2-L1)，其中，0≤f≤1。
S320：在波形上参考电平值附近选取多个采样点。具体的，可选取N个采样点，参考电平值对应的采样点不一定恰好存在，一般是通过插值来解决。本发明采用一种基于参考电平值附近N个采样点的P阶多项式拟合的插值方法，P＜N，其中，P一般取1、2或者3。
S330：将所述多个采样点按照采样时刻递增的顺序排列，通过变换矩阵得到参考电平矢量。
具体的，在一个具体例子中，假设第i个采样点的采样时刻是ti，采样点是以采样时刻递增的顺序排列的。从Y中选择N个元素，通过变换矩阵Hr，得到 Yr。具体地，Yr＝(yq+1,...,yq+N)T对应的采样时刻为(tq+1,...,tq+N)，则Yr＝HrY，其中 Hr是一个N×I的矩阵，I＝I1+I2，Hr的第n行的第i个元素为
S340：根据多个采样点的采样时刻和所述参考电平矢量构造代价函数，得到所述代价函数的加权最小二乘评估。
其中，构造代价函数可表示为：其中寻找代价函数的加权最小二乘解 是拟合得到的P阶多项式的系数。
P阶多项式系数的加权最小二乘估计表示为：其中
在优选的实施方式中，如图6所示，所述S400具体可包括：
S410：根据所述加权最小二乘评估和参考电平值得到和该时刻波形不确定度与加权最小二乘评估的对应关系。
参考电平值对应的采样时刻的估计值是方程的近似解。例如选取P＝2，则有
S420：根据所述时刻波形不确定度与加权最小二乘评估的对应关系、协方差矩阵传递原理和雅可比矩阵得到该时刻波形不确定度。
可求得根据可以判断的符号。关于的雅可比矩阵JR可表示： 其中
根据协方差矩阵传递原理，的方差，即为的不确定度的平方，可以表示为
为了方便表示和假设则有：从而的协方差矩阵可以表示为：
表示多项式系数与状态电平值之间存在互相关性，它们之间的协方差矩阵可以表示为一个(P+1)×2的矩阵，即：
在优选的实施方式中，如图7所示，所述S500具体可包括：
S510：确定所述两个时刻的变换时间差；
S520：确定所述两个时刻分别对应的波形不确定度的差的相关雅可比矩阵。
S530：确定两个时刻的加权最小二乘评估对应的多项式之间的协方差得到两个时刻的相关协方差矩阵。
S540：根据协方差矩阵传递原理、所述相关协方差矩阵和所述相关雅可比矩阵得到所述波形宽度不确定度。
从第一时刻的参考电平A到第二时刻的参考电平B之间的变换时间为ΔtBA，根据上述步骤可以得到和有 进而可得ΔtBA的方差，即为ΔtBA的不确定度的平方：其中，JR是关于的雅可比矩阵，∑L、和可以用上述步骤的方法计算得到。而表示两个多项式拟合之间的协方差，
本发明使用k均值法对波形采样点Y进行聚类可得低电平L1，脉冲峰值为高电平L2，用矢量L＝(L1,L2)T表示状态电平，则L可以表示为采样点矢量Y的线性变换。根据国际标准定义，(100×f)％的参考电平值可以表示为 yr＝L1+f(L2-L1)，其中，0≤f≤1。参考电平值对应的采样点不一定恰好存在，本发明采用一种基于参考电平值附近N个采样点的P阶多项式拟合的插值方法，P＜N，P一般取1、2或者3。找到拟合之后参考电平值对应的采样时刻的估计值。例如参考电平值yr对应的采样时刻的估计值则的方差，即为的不确定度的平方。为了准确的将采样点的协方差矩阵传递至变换时间的不确定度，两个采样时刻之间的互相关性，以及两个参考电平值之间的互相关性必须考虑，从参考电平A(yA＝L1+fA(L2-L1))到参考电平B(yB＝L1+fB(L2-L1)) 之间的变换时间为ΔtBA。需要说明的是，在求解脉冲半幅宽度的不确定度时选择fA＝0.5和fB＝0.5且tB＞tA，但本发明并非仅限于此，只要满足0≤f≤1即可。根据上述方法可以得到和之后根据协方差矩阵的传递理论可求得ΔtBA的方差，即为ΔtBA的不确定度的平方u2(ΔtBA)。
基于相同原理，本实施例还公开了一种波形宽度不确定度确定系统。如图8所示，所述系统包括状态矢量确定单元11、采样点矢量确定单元12、加权最小二乘估计确定单元13、时刻波形不确定度确定单元14和波形宽度不确定度确定单元15。
状态矢量确定单元11用于分别通过k均值法对两个时刻波形的多个采样点进行聚类得到第一状态电平和第二状态电平，并根据所述第一状态电平和所述第二状态电平得到状态矢量。
采样点矢量确定单元12用于根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵。
加权最小二乘估计确定单元13用于确定参考电平矢量，构造代价函数以得到加权最小二乘估计。
时刻波形不确定度确定单元14用于根据所述加权最小二乘估计和对应的多项式方程、协方差矩阵传递理论和雅可比矩阵得到该时刻波形不确定度。
波形宽度不确定度确定单元15用于根据两个时刻的波形不确定度得到波形宽度不确定度。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中计算机设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的由客户端执行的方法，或者，所述处理器执行所述程序时实现如上所述的由服务器执行的方法。
下面参考图9，其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。
如图9所示，计算机设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603 中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线 604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口606。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种波形宽度不确定度确定方法，其特征在于，包括：
分别通过k均值法对两个时刻波形的多个采样点进行聚类得到第一状态电平和第二状态电平，并根据所述第一状态电平和所述第二状态电平得到状态矢量；
根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵；
确定参考电平矢量，构造代价函数以得到加权最小二乘估计；
根据所述加权最小二乘估计和对应的多项式方程、协方差矩阵传递理论和雅可比矩阵得到该时刻波形不确定度；
根据两个时刻的波形不确定度得到波形宽度不确定度。
2.根据权利要求1所述的波形宽度不确定度确定方法，其特征在于，通过k均值法对波形的多个采样点进行聚类得到第一状态电平具体包括：
在波形上选取第一数量的采样点；
根据采样点的宽度值对所述第一数量的采样点进行排序；
根据第一数量确定将排序后的采样点划分为两个第一区域的参考采样点；
将两个第一区域的采样点的宽度值按照在各个区域中的排序顺序一一对应相减得到第一差值集合；
确定所述第一差值集合中最小的差值对应的两个采样点的区间为第一最短区间；
根据所述第一最短区间的采样点的宽度值的均值得到所述第一状态电平。
3.根据权利要求1所述的波形宽度不确定度确定方法，其特征在于，通过k均值法对波形的多个采样点进行聚类得到第二状态电平具体包括：
在波形上选取第二数量的采样点；
根据采样点的宽度值对所述第二数量的采样点进行排序；
根据第二数量确定将排序后的采样点划分为两个第二区域的参考采样点；
将两个第二区域的采样点的宽度值按照在各个区域中的排序顺序一一对应相减得到第二差值集合；
确定所述第二差值集合中最小的差值对应的两个采样点的区间为第二最短区间；
根据所述第二最短区间的采样点的宽度值的均值得到所述第二状态电平。
4.根据权利要求1所述的波形宽度不确定度确定方法，其特征在于，所述根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵具体包括：
将状态矢量表示为采样点矢量Y的线性变换L＝HLY；
确定HL，其中HL的第1行的第i个元素可以表示为：
HL的第2行的第i个元素可以表示为：
根据HL得到采样点矢量Y。
5.根据权利要求1所述的波形宽度不确定度确定方法，其特征在于，所述根据协方差矩阵传递理论和雅可比矩阵得到波形宽度不确定度具体包括：
基于采样点矢量的协方差矩阵∑Y计算状态矢量L的协方差矩阵∑L；
根据状态矢量L的协方差矩阵∑L和雅可比矩阵得到波形宽度不确定度。
6.根据权利要求4所述的波形宽度不确定度确定方法，其特征在于，所述基于采样点矢量的协方差矩阵∑Y计算状态矢量L的协方差矩阵∑L具体包括：
根据HL和采样点矢量的协方差矩阵∑Y得到状态矢量L的协方差矩阵∑L。
7.根据权利要求1所述的波形宽度不确定度确定方法，其特征在于，所述根据状态矢量L的协方差矩阵∑L和雅可比矩阵得到波形宽度不确定度具体包括：
确定参考电平值；
在波形上参考电平值附近选取多个采样点；
将所述多个采样点按照采样时刻递增的顺序排列，通过变换矩阵得到参考电平矢量；
根据多个采样点的采样时刻和所述参考电平矢量构造代价函数，得到所述代价函数的加权最小二乘评估。
8.根据权利要求1所述的波形宽度不确定度确定方法，其特征在于，所述具体可包括：
根据所述加权最小二乘评估和参考电平值得到和该时刻波形不确定度与加权最小二乘评估的对应关系；
根据所述时刻波形不确定度与加权最小二乘评估的对应关系、协方差矩阵传递原理和雅可比矩阵得到该时刻波形不确定度。
9.根据权利要求1所述的波形宽度不确定度确定方法，其特征在于，所述具体可包括：
确定所述两个时刻的变换时间差；
确定所述两个时刻分别对应的波形不确定度的差的相关雅可比矩阵；
确定两个时刻的加权最小二乘评估对应的多项式之间的协方差得到两个时刻的相关协方差矩阵；
根据协方差矩阵传递原理、所述相关协方差矩阵和所述相关雅可比矩阵得到所述波形宽度不确定度。
10.一种波形宽度不确定度确定系统，其特征在于，包括：
状态矢量确定单元，用于分别通过k均值法对两个时刻波形的多个采样点进行聚类得到第一状态电平和第二状态电平，并根据所述第一状态电平和所述第二状态电平得到状态矢量；
采样点矢量确定单元，用于根据所述状态矢量和向量线性变换原理得到采样点矢量，确定所述采样点矢量的协方差矩阵；
加权最小二乘估计确定单元，用于确定参考电平矢量，构造代价函数以得到加权最小二乘估计；
时刻波形不确定度确定单元，用于根据所述加权最小二乘估计和对应的多项式方程、协方差矩阵传递理论和雅可比矩阵得到该时刻波形不确定度；
波形宽度不确定度确定单元，用于根据两个时刻的波形不确定度得到波形宽度不确定度。
CN201910470530.5A 2019-05-31 2019-05-31 一种波形宽度不确定度确定方法及系统 Active CN110161320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910470530.5A CN110161320B (zh) 2019-05-31 2019-05-31 一种波形宽度不确定度确定方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910470530.5A CN110161320B (zh) 2019-05-31 2019-05-31 一种波形宽度不确定度确定方法及系统

Publications (2)

Publication Number Publication Date
CN110161320A true CN110161320A (zh) 2019-08-23
CN110161320B CN110161320B (zh) 2021-08-06

Family

ID=67630876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910470530.5A Active CN110161320B (zh) 2019-05-31 2019-05-31 一种波形宽度不确定度确定方法及系统

Country Status (1)

Country Link
CN (1) CN110161320B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043757A (zh) * 2010-12-20 2011-05-04 西安计量技术研究院 一种测量不确定度的计算装置
CN104167211A (zh) * 2014-08-08 2014-11-26 南京大学 基于分层事件检测和上下文模型的多源场景声音摘要方法
CN106841930A (zh) * 2017-04-13 2017-06-13 云南电网有限责任公司电力科学研究院 一种输电线路故障行波的检测方法
CN106940439A (zh) * 2017-03-01 2017-07-11 西安电子科技大学 基于无线声传感器网络的k均值聚类加权声源定位方法
WO2018152434A1 (en) * 2017-02-17 2018-08-23 The Regents Of The University Of California Systems and methods for making assignments in isotope-labelled proteins using nuclear magnetic resonance data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102043757A (zh) * 2010-12-20 2011-05-04 西安计量技术研究院 一种测量不确定度的计算装置
CN104167211A (zh) * 2014-08-08 2014-11-26 南京大学 基于分层事件检测和上下文模型的多源场景声音摘要方法
WO2018152434A1 (en) * 2017-02-17 2018-08-23 The Regents Of The University Of California Systems and methods for making assignments in isotope-labelled proteins using nuclear magnetic resonance data
CN106940439A (zh) * 2017-03-01 2017-07-11 西安电子科技大学 基于无线声传感器网络的k均值聚类加权声源定位方法
CN106841930A (zh) * 2017-04-13 2017-06-13 云南电网有限责任公司电力科学研究院 一种输电线路故障行波的检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谌贝等: "多输出量测量模型的不确定度评定方法", 《宇航计测技术》 *

Also Published As

Publication number Publication date
CN110161320B (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
De'Ath Boosted trees for ecological modeling and prediction
Campbell et al. Assessing colour-dependent occupation statistics inferred from galaxy group catalogues
Bode Neural networks for cost estimation: simulations and pilot application
Chorin et al. Discrete approach to stochastic parametrization and dimension reduction in nonlinear dynamics
Stewart et al. Data assimilation with correlated observation errors: experiments with a 1-D shallow water model
CN110188322A (zh) 一种波形幅度不确定度确定方法及系统
Hoffman et al. An adaptive-mcmc scheme for setting trajectory lengths in hamiltonian monte carlo
CN101652629A (zh) 用于定向感测的方法和系统
Sedgwick et al. The effects of peculiar velocities in SN Ia environments on the local H 0 measurement
US11635454B2 (en) Model structure selection apparatus, method, disaggregation system and program
Einmahl et al. A method of moments estimator of tail dependence
Wong et al. Fast Gravitational-wave Parameter Estimation without Compromises
Im et al. Semiparametric estimation of spectral density with irregular observations
CN111415236A (zh) 基于云计算的区块链大数据金融用户标签估计方法及系统
Zou et al. Indicator-directed dynamic power management for iterative workloads on GPU-accelerated systems
CN107247279B (zh) 存在站址误差下的时差体制定位校正方法
CN110133381A (zh) 一种脉冲上升时间不确定度的确定方法
CN110161320A (zh) 一种波形宽度不确定度确定方法及系统
CN117290679A (zh) 电流互感器的运行状态检测方法、装置及电子设备
Rosenbaum et al. Multilevel monte carlo metamodeling
CN111609878B (zh) 三自由度直升机系统传感器运行状态监测方法
JP6239195B2 (ja) 性能評価装置及び性能評価プログラム
van den Bos et al. Fatigue design load calculations of the offshore NREL 5 MW benchmark turbine using quadrature rule techniques
Roj Estimation of the artificial neural network uncertainty used for measurand reconstruction in a sampling transducer
Kaur et al. Comparative analysis of the software effort estimation models

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