CN112800635A - 矢量网络分析仪和统计眼图生成的方法 - Google Patents
矢量网络分析仪和统计眼图生成的方法 Download PDFInfo
- Publication number
- CN112800635A CN112800635A CN202110374629.2A CN202110374629A CN112800635A CN 112800635 A CN112800635 A CN 112800635A CN 202110374629 A CN202110374629 A CN 202110374629A CN 112800635 A CN112800635 A CN 112800635A
- Authority
- CN
- China
- Prior art keywords
- gray
- output signal
- eye diagram
- eye
- input signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000010586 diagram Methods 0.000 claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 238000005070 sampling Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 6
- 230000035945 sensitivity Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 19
- 230000008054 signal transmission Effects 0.000 description 7
- 238000007619 statistical method Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 108010076504 Protein Sorting Signals Proteins 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011016 integrity testing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Dc Digital Transmission (AREA)
Abstract
一种矢量网络分析仪和统计眼图生成的方法,其中所述方法包括:分析被测系统仿真得到的输出信号并生成第一眼图,将第一眼图进行灰度化处理后得到第一灰度图,采用第一灰度图中各个像素点的灰度值来表征输出信号在各个像素点对应位置的分布概率,并利用核密度估计方法对第一灰度图中的灰度数据进行核密度估计处理,降低了统计眼图效果对输出信号数据量的敏感度,提高了绘制统计眼图的效率。
Description
技术领域
本发明涉及矢量网络分析仪,具体涉及一种矢量网络分析仪和统计眼图生成的方法。
背景技术
在高速信号传输系统设计及测试领域,眼图分析是信号完整性分析的重要工具。按照对信号传输系统进行眼图分析的传统方法,需要在被测系统的输入端给予输入信号,并使用示波器在其接收端采集信号,通过示波器的余辉特性将较长时间内的信号波形积累叠加成为眼图。这种方法需要给被测系统添加实际输入信号,当需要模拟不同输入信号条件下的眼图时,显得较为繁琐。此外,为了获得精确的眼图,需要耗费大量时间以积累足够长的信号波形。
为简化眼图分析的流程,后续发展出了基于矢量网络分析仪生成眼图的方法。通过矢量网络分析仪测量得到被测系统的频域特性,利用傅里叶逆变换获得被测系统的冲激响应,并与输入信号卷积得到仿真输出信号,据此绘制眼图。由于该方法在测试中使用被测系统频域特性进行分析,无需在外部给予被测系统实际的输入信号,因此该方法可以方便地模拟不同输入信号对仿真眼图结果的影响。
在实际的高速信号传输系统中,输入信号往往不是理想的数字信号,输入信号的质量对传输性能的影响也是信号完整性分析及测试关注的内容。通过模拟带有抖动或噪声的输入信号,并使之与被测系统冲激响应卷积,可以得到受到输入信号抖动或噪声影响的输出信号。在特定条件下信号传输系统的误码率是信号完整性分析中的最重要指标之一,为了分析影响输入信号质量的各因素对传输性能的影响,由于输入信号偏离理想位置的幅值通常不存在上限,因此我们关注在特定干扰条件下,眼图进入设计标准规定的模板区域内的概率,这一概率越小,表明系统传输性能越好。因此,基于对仿真输出信号的统计分析,生成基于数据统计的统计眼图,将为信号完整性测试提供有力工具。
为了通过基于时域数据统计方法,获得高分辨率、高精确度的统计眼图,需要模拟较长的输入序列,充分表征抖动的统计规律,这大幅增大了由卷积生成输出序列所需的计算量,也对输出信号的统计分析提出了更高的效率要求。统计分析的效率不仅体现在对同等数据量的输出信号统计分析所需的时间,也决定了获得同等分辨率、精确度所需的仿真信号序列长度。
现有基于时域数据统计生成统计眼图的方法通常先根据输出信号序列的采样数据生成二维直方图,通过直方图中的数据频率反映统计眼图中各点对应的分布概率,从而实现统计眼图的绘制。
然而上述方法存在以下缺陷:
(1)统计眼图的精确度对输出信号数据量敏感度较高。直方图统计的特点是生成统计眼图的分辨率与直方图的组距相关,直方图的组距越小,组数越多,生成的统计眼图分辨率越高。为了生成更高高分辨率的统计眼图,直方图的组距随之缩小,组数增加,所需要的采样数据大幅增加,以确保在直方图的每一组内都有足够多的采样数据,从而使统计结果逼近分布概率。当采样数据不足时,直方图统计结果将相对实际分布概率产生明显的偏移,这是由于直方图统计的局部精度仅取决于局部采样数据量,这一特征进一步增强了直方图统计精度对采样数据量的依赖。
(2)对不同的统计眼图分辨率,直方图组距的选取方法不明确。为了提高生成统计眼图的精度,必须缩小直方图的组距,实现对更小区域单元的统计。但考虑到实际统计中采样数据的分布并不完全与实际概率一致(尤其是采样数据量较小时),这为直方图组距的选取带来困难。在采样数据量不变的情况下,组距过小将导致各组内的频次与实际概率分布偏差增大,而组距过大又不能满足统计眼图的分辨率要求。
(3)直方图统计生成的统计眼图对局部极端值敏感。由于统计中采样数据分布与实际概率分布总是存在一定差异,直方图统计中各组中的采样数据频次与实际概率可能存在较大偏差;而直方图方法中并未对此进行补偿,生成的统计眼图在局部可能出现不正常的突变点。
发明内容
本发明主要解决的技术问题是如何降低所生成统计眼图效果对输出信号数据量的敏感度。
根据第一方面,一种实施例中提供一种基于矢量网络分析仪的统计眼图生成方法,包括:
生成模拟输入信号,并根据所述模拟输入信号获取被测系统仿真生成的输出信号;
根据所述模拟输入信号的时钟周期以及所述输出信号的幅值范围,确定眼图绘制区域;将输出信号按照预设的时间间隔和输出信号对应的幅值大小投影到眼图绘制区域中,形成眼图绘制区域中的采样点,并利用半透明直线将眼图绘制区域中的采样点逐个连接,得到第一眼图,其中,所述眼图绘制区域的横向宽度与所述模拟输入信号的时钟周期相关,眼图绘制区域的纵向高度为所述输出信号的幅值范围;
将第一眼图进行灰度化处理,得到第一灰度图;所述第一灰度图中各个像素点的灰度值用于表征所述输出信号在各个像素点对应位置出现的概率;
利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,得到第二灰度图;
基于第二灰度图生成被测系统在模拟输入信号作用下的统计眼图。
根据第二方面,一种实施例中提供一种矢量网络分析仪,包括:
仿真分析模块,用于生成模拟输入信号,并根据所述模拟输入信号获取被测系统仿真生成的输出信号;
第一眼图生成模块,用于根据所述模拟输入信号的时钟周期以及所述输出信号的幅值范围,确定眼图绘制区域;将输出信号按照预设的时间间隔和输出信号对应的幅值大小投影到眼图绘制区域中,形成眼图绘制区域中的采样点,并利用半透明直线将眼图绘制区域中的采样点逐个连接,得到第一眼图,其中,所述眼图绘制区域的横向宽度与所述模拟输入信号的时钟周期相关,眼图绘制区域的纵向高度为所述输出信号的幅值范围;
灰度化模块,用于将第一眼图进行灰度化处理,得到第一灰度图;所述第一灰度图中各个像素点的灰度值用于表征所述输出信号在各个像素点对应位置出现的概率;
核密度估计模块,用于利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,得到第二灰度图;
眼图生成模块,用于被测系统在模拟输入信号作用下的统计眼图。
根据第三方面,一种实施例中提供一种计算机可读存储介质,所述介质上存储有程序,所述程序能够被处理器执行以实现上述实施例所述的方法。
依据上述实施例的基于矢量网络分析仪的统计眼图生成方法,分析被测系统仿真得到的输出信号并生成第一眼图,将第一眼图进行灰度化处理后得到第一灰度图,采用第一灰度图中各个像素点的灰度值来表征输出信号在各个像素点对应位置的分布概率,并利用核密度估计方法对第一灰度图中的灰度数据进行核密度估计处理,降低了统计眼图效果对输出信号数据量的敏感度,提高了绘制统计眼图的效率。
附图说明
图1为一种实施例的基于矢量网络分析仪的统计眼图生成方法的流程图;
图2为一实施例中第一眼图的示意图;
图3为一实施例中第一灰度图的示意图;
图4为一实施例中第二灰度图的示意图;
图5为一实施例中的统计眼图的示意图;
图6为一种实施例的矢量网络分析仪的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力地认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
在本发明实施例中,对被测系统仿真输出的信号进行分析并生成第一眼图,将第一眼图进行灰度化处理后得到第一灰度图,采用第一灰度图中的各个像素点的灰度值用于表征所述输出信号在各个像素点对应位置出现的概率,并利用核密度估计方法对第一灰度图中的像素点进行核密度估计处理,降低了统计眼图效果对输出信号数据量的敏感度,提高了绘制统计眼图的效率。
请参考图1,图1为一种实施例的基于矢量网络分析仪的统计眼图生成方法的流程图,所述的统计眼图生成方法包括步骤100-步骤500,下面具体说明。
步骤100,生成模拟输入信号,并根据模拟输入信号确定被测系统仿真生成的输出信号。
在一实施例中,通过矢量网络分析仪生成模拟输入信号,并根据模拟输入信号确定被测系统仿真生成的输出信号,包括以下步骤:
步骤101,通过矢量网络分析仪对被测系统进行测试,获取频域的S参数。
步骤102,对S参数进行传递函数拟合,并获取被测系统的冲激响应。
步骤103,生成模拟输入信号,将模拟输入信号与冲激响应进行卷积,得到被测系统仿真生成的输出信号。在本实施例中,模拟输入信号是根据输入信号特性及输入信号序列生成的,因此本实施例所生成的模拟输入信号为具有一定时钟周期的离散时间信号,继而仿真得到的输出信号也为离散时间信号。
步骤200,根据模拟输入信号的时钟周期以及输出信号的幅值范围,确定眼图绘制区域;将输出信号按照预设的时间间隔和输出信号对应的幅值大小投影到眼图绘制区域中,形成眼图绘制区域中的采样点,并利用半透明直线将眼图绘制区域中的采样点逐个连接,得到第一眼图,其中,眼图绘制区域的横向宽度与模拟输入信号的时钟周期相关,眼图绘制区域的纵向高度为所述输出信号的幅值范围。
在本实施例中,预设的时间间隔为模拟输入信号时的采样时间间隔,输出信号对应的幅值大小可以为输出信号对应的电压值的大小。其中,眼图绘制区域的横向宽度为第一眼图中横坐标的跨度,其与所模拟的输入信号的数据率相关,也就是,与所模拟的输入信号的时钟周期相关,本实施例中眼图绘制区域的横向宽度为模拟输入信号的时钟周期的两倍,眼图绘制区域的纵向高度为第一眼图中纵坐标的跨度,其为仿真得到的输出信号的极差。
需要说明的是,实质上眼图是用余辉方式累积叠加显示采集到的串行信号波形的结果,叠加后的图形形状看起来和眼睛很像,所以被称作眼图。眼图的形状随输入信号特征与信号传输系统(被测系统)特性变化,通过眼图的形状特点可以快速地判断信号传输系统(被测系统)在特定条件下的性能。眼图是由多个比特的波形叠加后的图形,从眼图中可以看到:输出信号1电平、0电平,是否存在过冲、振铃,抖动幅度,信噪比,上升/下降时间,占空比等统计信息。眼图反映了特定条件下信号传输系统(被测系统)输出信号的质量,可以最直观地描述高速数字信号传输系统(被测系统)的性能。
在本实施例中,眼图绘制区域为输出信号在横向和纵向分布的最大范围所在区域,其中眼图绘制区域所处的坐标系中包括横坐标和纵坐标,横坐标表征时间,纵坐标表征信号幅值。
本实施例将输出信号按照预设的时间间隔和输出信号的幅值大小投影到眼图绘制区域中,即得到眼图绘制区域中离散的采样点,再使用适当宽度的半透明直线将眼图绘制区域中离散的采样点连接起来,即得到第一眼图。
本实施例使用半透明直线将离散采样点连接成信号波形,是为了模拟示波器生成眼图的余晖效果,使得第一眼图中使用半透明直线连接得到的输出信号波形的亮度产生叠加效果,这样第一眼图中输出信号分布较密集的位置对应的亮度高,相反地,第一眼图中输出信号分布较稀疏的位置对应的亮度低,以方便后续处理中能够以亮度(灰度值)来表征输出信号的分布概率。请参考图2,图2为一实施例中第一眼图的示意图。需要说明的是,图2中的线条为具有颜色特征的线条,图2中各个像素点的亮度可用来表征输出信号在该像素点对应位置的分布概率。
由于步骤200得到的第一眼图实际上是最终得到的统计眼图的草图,其虽然包含了输出信号的全部统计信息,但未经过适当的处理,并不能将其中用户需要关注的信息直观展现出来 ,因此还需后续处理。
步骤300,将第一眼图进行灰度化处理,得到第一灰度图;其中,第一灰度图中各个像素点的灰度值用于表征输出信号在各个像素点对应位置出现的概率,也就是通过灰度值来表征输出信号的分布概率,进一步可得到灰度值与输出信号的分布概率的对应函数关系。
在本实施例中,步骤200和步骤300所涉及的图像绘制和转换均可通过现有的图像处理算法实现,或者也可直接调用已有的库函数便捷地实现。请参考图3,图3为一实施例中第一灰度图的示意图。
步骤400,利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,得到第二灰度图。本实施例中,第一灰度图中的灰度数据是指第一灰度图中各个灰度值的统称。
在本实施例中,可采用现有的核密度函数进行核密度估计,例如,正态分布核函数、均匀核函数、三角核函数、伽马核函数和高斯核函数。可根据统计眼图所分析的影响因素特性选取合适的核密度函数。
在一实施例中,步骤400中对第一灰度图中的灰度数据进行核密度估计包括以下步骤:
对第一灰度图中的所有像素点逐一进行以下处理:
步骤401,从预先构建的核密度估计权重表中获取用于加权平均的权重值。
步骤402,利用所获取的权重值,将第一灰度图中当前像素点的邻域中的所有像素点的灰度值进行加权平均处理,得到第二灰度值,其中,所述第二灰度值为第二灰度图中当前像素点的灰度值。
在本实施例中,当输出信号的数量较少时,在对第一灰度图中的当前像素点的邻域中的所有像素点的灰度值进行加权平均处理时,可选取一较大范围的邻域,以降低统计眼图对局部极端值的敏感性,获得较为平滑的统计眼图。此外,还需根据统计眼图的分辨率情况,选择一合适的邻域范围。
在一实施例中,核密度估计权重表中包括多个不同的权重值,不同的权重值用于表征当前像素点的邻域中不同位置的像素点的灰度值进行加权平均的权重值,也就是,邻域中各个像素点的灰度值在取平均计算中所占的权重值。
例如,对于当前像素点的8邻域中的像素点灰度值进行加权平均处理时,其中8邻域中的像素点灰度值分别为x1、x2、x3、x4、x5、x6、x7和x8,对应的权重值可分别为A1、A2、A3、A4、A5、A6、A7和A8,则加权平均处理后的当前像素点的灰度值为x=(A1*x1+ A2*x2+ A3*x3+ A4*x4+ A5*x5+ A6*x6+ A7*x7+ A8*x8)/8。
此外,邻域中各个像素点对应的权重值可以全部不同,也可以部分不同,还可以全部相同。
例如,对于权重值全部为1的当前像素点的8邻域中的像素点灰度值进行加权平均处理时,加权平均处理后的当前像素点的灰度值为x=(x1+ x2+ x3+ x4+ x5+ x6+ x7+x8)/8。
在本实施例中,对第一灰度图按照上述方式处理后,得到第二灰度图。请参考图4,图4为一实施例中第二灰度图的示意图。
步骤500,基于第二灰度图生成被测系统在模拟输入信号作用下的统计眼图。
在第二灰度图中各个像素点的灰度值和像素点对应的分布概率具有对应的函数关系。
在一实施例中,步骤500中基于第二灰度图生成仿真输出信号波形的统计眼图,包括以下步骤:
步骤501,基于第一灰度图,确定灰度值与输出信号分布概率的对应函数关系。
步骤502,利用灰度值与输出信号分布概率的对应函数关系,根据第二灰度图生成被测系统在模拟输入信号作用下的统计眼图。
本实施例将第二灰度图中像素点的灰度值根据灰度值与输出信号分布概率的对应函数关系还原为分布概率值,并通过可视化方法将分布概率值以热力图的形式进行绘制,即得到统计眼图。
此外,还需提前设定统计眼图中所显示的输出信号分布概率的下限值;由于低于下限值的分布概率所引发的误码率在信号完整性分析或测试的接受范围内,不再是统计眼图关注的内容,因此将低于下限值的分布概率忽略。也就是将低于下限值的采样点分布概率视为零。得到最终的统计眼图。
请参考图5,图5为一实施例中的统计眼图的示意图。需要说明的是,图5所示的统计眼图为彩色图像,其中各个像素点的颜色特征用于表征输出信号在对应位置出现的概率,以便用户直观地了解输出信号概率分布信息。。
在本发明实施例中,根据输出信号数据绘制第一灰度图作为输出信号分析的基础,相较于现有的直方图统计方法,无需根据统计眼图分辨率和输入信号特征手动选择直方图组距,提高了本发明实施例所提供的统计眼图方法的自适应性。并且,通过对第一灰度图的分析取代对大量的信号幅值数据进行直接统计分析,有利于快速精确地寻找到输出信号在相邻区域的分布频次,从而可以利用核密度估计方法对输出信号的初步统计结果(第一灰度图)进行平滑处理,降低极端数据对统计眼图的影响。最终,本发明实施例基于图像分析灵活地选取核密度估计适用的邻域范围,提高统计眼图生成时对不同输出信号数量的适应性,提供了使用较短输出信号生成近似统计眼图的可能性。
请参考图6,图6为一种实施例的矢量网络分析仪的结构示意图,所述的矢量网络分析仪包括仿真分析模块10、第一眼图生成模块20、灰度化模块30、核密度估计模块40和眼图生成模块50。
仿真分析模块10用于生成模拟输入信号,并根据模拟输入信号确定被测系统仿真生成的输出信号。
第一眼图生成模块20用于根据模拟输入信号的时钟周期以及输出信号的幅值范围,确定眼图绘制区域;将输出信号按照预设的时间间隔和输出信号对应的幅值大小投影到眼图绘制区域中,形成眼图绘制区域中的采样点,并利用半透明直线将眼图绘制区域中的采样点逐个连接,得到第一眼图,其中,眼图绘制区域的横向宽度与所述模拟输入信号的时钟周期相关,眼图绘制区域的纵向高度为所述输出信号的幅值范围。
灰度化模块30用于将第一眼图进行灰度化处理,得到第一灰度图;其中,第一灰度图中各个像素点的灰度值用于表征所述输出信号在各个像素点对应位置出现的概率。
核密度估计模块40用于利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,得到第二灰度图。
眼图生成模块50用于生成被测系统在模拟输入信号作用下的统计眼图。
需要说明的是,本实施例中各个模块的具体实施方式已在上述实施例中进行了详细说明,此处不再赘述。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种基于矢量网络分析仪的统计眼图生成方法,其特征在于,包括:
生成模拟输入信号,并根据所述模拟输入信号获取被测系统仿真生成的输出信号;
根据所述模拟输入信号的时钟周期以及所述输出信号的幅值范围,确定眼图绘制区域;将输出信号按照预设的时间间隔和输出信号对应的幅值大小投影到眼图绘制区域中,形成眼图绘制区域中的采样点,并利用半透明直线将眼图绘制区域中的采样点逐个连接,得到第一眼图,其中,所述眼图绘制区域的横向宽度与所述模拟输入信号的时钟周期相关,眼图绘制区域的纵向高度为所述输出信号的幅值范围;
将第一眼图进行灰度化处理,得到第一灰度图;所述第一灰度图中各个像素点的灰度值用于表征所述输出信号在各个像素点对应位置出现的概率;
利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,得到第二灰度图;
基于第二灰度图生成被测系统在模拟输入信号作用下的统计眼图。
2.如权利要求1所述的方法,其特征在于,所述利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,包括:
对第一灰度图中的所有像素点逐一进行以下处理:
从预先构建的核密度估计权重表中获取用于加权平均的权重值;
利用所获取的权重值,将所述第一灰度图中当前像素点的邻域中的所有像素点的灰度值进行加权平均处理,得到第二灰度值,其中,所述第二灰度值为第二灰度图中当前像素点的灰度值。
3.如权利要求2所述的方法,其特征在于,所述核密度估计权重表中包括所述当前像素点的邻域中不同位置像素点灰度值对应的权重值。
4.如权利要求1所述的方法,其特征在于,基于所述第二灰度图生成被测系统在模拟输入信号作用下的统计眼图,包括:
基于所述第一灰度图,确定灰度值与输出信号分布概率的对应函数关系;
利用所述对应函数关系,根据第二灰度图生成被测系统在模拟输入信号作用下的统计眼图。
5.如权利要求4所述的方法,其特征在于,所述统计眼图以热力图的形式生成。
6.如权利要求4所述的方法,其特征在于,还包括:
确定所述统计眼图中所显示的输出信号的分布概率的下限值;
将所述统计眼图中低于所述下限值的输出信号分布概率设置为0。
7.一种矢量网络分析仪,其特征在于,包括:
仿真分析模块,用于生成模拟输入信号,并根据所述模拟输入信号获取被测系统仿真生成的输出信号;
第一眼图生成模块,用于根据所述模拟输入信号的时钟周期以及所述输出信号的幅值范围,确定眼图绘制区域;将输出信号按照预设的时间间隔和输出信号对应的幅值大小投影到眼图绘制区域中,形成眼图绘制区域中的采样点,并利用半透明直线将眼图绘制区域中的采样点逐个连接,得到第一眼图,其中,所述眼图绘制区域的横向宽度与所述模拟输入信号的时钟周期相关,眼图绘制区域的纵向高度为所述输出信号的幅值范围;
灰度化模块,用于将第一眼图进行灰度化处理,得到第一灰度图;所述第一灰度图中各个像素点的灰度值用于表征所述输出信号在各个像素点对应位置出现的概率;
核密度估计模块,用于利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,得到第二灰度图;
眼图生成模块,用于基于第二灰度图生成被测系统在模拟输入信号作用下的统计眼图。
8.如权利要求7所述的矢量网络分析仪,其特征在于,所述利用预先构建的核密度估计权重表,对第一灰度图中的灰度数据进行核密度估计,包括:
对第一灰度图中的所有像素点逐一进行以下处理:
从预先构建的核密度估计权重表中获取用于加权平均的权重值;
利用所获取的权重值,将所述第一灰度图中当前像素点的邻域中的所有像素点的灰度值进行加权平均处理,得到第二灰度值,其中,所述第二灰度值为第二灰度图中当前像素点的灰度值。
9.如权利要求7所述的矢量网络分析仪,其特征在于,基于所述第二灰度图生成被测系统在模拟输入信号作用下的统计眼图,包括:
基于所述第一灰度图,确定灰度值与输出信号分布概率的对应函数关系;
基于所述对应的函数关系,生成被测系统在模拟输入信号作用下的统计眼图。
10.一种计算机可读存储介质,其特征在于,所述介质上存储有程序,所述程序能够被处理器执行以实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110374629.2A CN112800635B (zh) | 2021-04-08 | 2021-04-08 | 矢量网络分析仪和统计眼图生成的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110374629.2A CN112800635B (zh) | 2021-04-08 | 2021-04-08 | 矢量网络分析仪和统计眼图生成的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800635A true CN112800635A (zh) | 2021-05-14 |
CN112800635B CN112800635B (zh) | 2021-07-20 |
Family
ID=75816444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110374629.2A Active CN112800635B (zh) | 2021-04-08 | 2021-04-08 | 矢量网络分析仪和统计眼图生成的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800635B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113438061A (zh) * | 2021-08-30 | 2021-09-24 | 深圳市鼎阳科技股份有限公司 | 一种统计眼图的测算方法及眼图分析装置、存储介质 |
CN114301556A (zh) * | 2022-03-10 | 2022-04-08 | 武汉普赛斯电子技术有限公司 | 眼图模板裕量获取方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050246601A1 (en) * | 2004-02-02 | 2005-11-03 | Waschura Thomas E | Method and apparatus to measure and display data dependent eye diagrams |
CN104463127A (zh) * | 2014-12-15 | 2015-03-25 | 三峡大学 | 瞳孔定位方法和装置 |
CN106872820A (zh) * | 2017-01-16 | 2017-06-20 | 西安电子科技大学 | 一种基于矢量网络分析仪测量眼图的方法 |
CN109324248A (zh) * | 2018-11-15 | 2019-02-12 | 中电科仪器仪表有限公司 | 用于数据域分析的一体化矢量网络分析仪及其测试方法 |
CN111724425A (zh) * | 2020-05-28 | 2020-09-29 | 交通运输部东海航海保障中心上海航标处 | 航标图拼接方法、装置及终端设备 |
-
2021
- 2021-04-08 CN CN202110374629.2A patent/CN112800635B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050246601A1 (en) * | 2004-02-02 | 2005-11-03 | Waschura Thomas E | Method and apparatus to measure and display data dependent eye diagrams |
CN104463127A (zh) * | 2014-12-15 | 2015-03-25 | 三峡大学 | 瞳孔定位方法和装置 |
CN106872820A (zh) * | 2017-01-16 | 2017-06-20 | 西安电子科技大学 | 一种基于矢量网络分析仪测量眼图的方法 |
CN109324248A (zh) * | 2018-11-15 | 2019-02-12 | 中电科仪器仪表有限公司 | 用于数据域分析的一体化矢量网络分析仪及其测试方法 |
CN111724425A (zh) * | 2020-05-28 | 2020-09-29 | 交通运输部东海航海保障中心上海航标处 | 航标图拼接方法、装置及终端设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113438061A (zh) * | 2021-08-30 | 2021-09-24 | 深圳市鼎阳科技股份有限公司 | 一种统计眼图的测算方法及眼图分析装置、存储介质 |
CN114301556A (zh) * | 2022-03-10 | 2022-04-08 | 武汉普赛斯电子技术有限公司 | 眼图模板裕量获取方法、装置、计算机设备及存储介质 |
CN114301556B (zh) * | 2022-03-10 | 2022-06-10 | 武汉普赛斯电子技术有限公司 | 眼图模板裕量获取方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112800635B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI418826B (zh) | 裝置之獲取測試資料 | |
CN112800635B (zh) | 矢量网络分析仪和统计眼图生成的方法 | |
JP5965587B2 (ja) | ジッタ及びノイズ分析方法並びに試験測定機器 | |
CN113438061B (zh) | 一种统计眼图的测算方法及眼图分析装置、存储介质 | |
KR101085564B1 (ko) | 시험 장치 및 시험 방법 | |
JP2516536B2 (ja) | 信号特性表示方法 | |
CN109884891B (zh) | 一种高精度智能仿核信号发生系统及其工作方法 | |
US6882947B2 (en) | Discrete fourier transform (DFT) leakage removal | |
US9843402B1 (en) | Noise analysis to reveal jitter and crosstalk's effect on signal integrity | |
US5731984A (en) | Vector-based waveform acquisition and display | |
DE102008035035A1 (de) | Wellenform-Erzeugungsvorrichtung, Wellenform-Herstellungsvorrichtung, Prüfvorrichtung und Programm | |
US10353917B2 (en) | Method and apparatus for analyzing a transmission signal | |
JP2009544931A (ja) | アナログ波形を再構成するために遷移時間を測定するための反復信号のアンダーサンプリング | |
JP2005221501A (ja) | パラメータ測定により制限性能を創出する為の方法及び装置 | |
US20030165259A1 (en) | Signal analysis using image processing techniques | |
US6876936B2 (en) | Measurement of inductance using a digital storage oscilloscope under real-time operating environments | |
CN114124318B (zh) | 一种加性噪声干扰下的眼图测算方法及其装置、存储介质 | |
US20070018985A1 (en) | Track of statistics | |
CN111487447B (zh) | 一种用于实现快速测量的数字示波器 | |
US9673862B1 (en) | System and method of analyzing crosstalk without measuring aggressor signal | |
D'Elia et al. | Software customization to provide digital oscilloscope with enhanced period-measurement features | |
JP5109448B2 (ja) | デジタルオシロスコープ | |
CN117083531A (zh) | 噪声补偿抖动测量值仪器和方法 | |
McClure | Digital jitter measurement and separation | |
CN114325023A (zh) | 一种波形数据检测方法、装置及存储介质 |
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 |