-
VERWANDTE ANMELDUNGEN
-
Diese Anmeldung ist eine Fortsetzung der vorläufigen US-Patentanmeldung Nr.
62/772,480 , eingereicht am 28. November 2018, und beansprucht deren Priorität.
-
FACHGEBIET
-
Diese Offenbarung bezieht sich auf die Datengewinnung in Test- und Messsystemen, insbesondere auf Möglichkeiten, die gewonnenen Daten zu kategorisieren.
-
HINTERGRUND
-
Benutzer von Test- und Messinstrumenten, z. B. Oszilloskopen, erwarten, dass ihre Instrumente intelligent sind und ihnen ermöglichen, schneller zu arbeiten, indem sie Einstellungen automatisch konfigurieren oder Optionen empfehlen, die nützlich sein könnten. Test- und Messsysteme, die Benutzerdaten gewinnen oder empfangen, können automatisch Messungen, abgeleitete Daten, heuristische Analysen und Datenansichten einrichten, wenn das System die Daten richtig kategorisieren kann.
-
Daten können durch explizite oder implizite Mittel charakterisiert werden, wenn das System die Möglichkeit dazu bietet. Die manuelle Entwicklung von Verfahren zur Charakterisierung von Daten durch implizite Faktoren ist jedoch mühsam.
-
Ausführungsformen der offenbarten Vorrichtungen und Verfahren beheben Mängel des Standes der Technik.
-
Figurenliste
-
- 1 zeigt eine Ausführungsform eines Test- und Messsystems.
- 2 zeigt ein Flussdiagramm einer Ausführungsform eines Verfahrens zur Verwendung eines Test- und Messsystems, das Wellenformdaten klassifiziert.
- 3 zeigt ein Flussdiagramm einer Ausführungsform eines Verfahrens zum Trainieren eines Test- und Messsystems zur automatischen Klassifizierung von Wellenformdaten.
-
DETAILLIERTE BESCHREIBUNG
-
Die hier vorgestellten Ausführungsformen bieten Benutzern die Möglichkeit, Daten explizit zu kategorisieren, oder ein System zu haben, das von Test- und Messsystemen erfasste Daten implizit kategorisieren kann. Daten können durch explizite und/oder implizite Mittel kategorisiert werden. Ein Benutzer kann die Daten explizit kategorisieren, indem er Messungen an den Daten erstellt. Beispielsweise erstellt ein Benutzer eine Jitter-Messung an einem Signal. Diese Aktion zeigt an, dass es sich bei dem Signal höchstwahrscheinlich um einen Takt oder serielle Hochgeschwindigkeitsdaten handelt. Wenn der Benutzer auch eine Jitter-Messung erstellt, die auf Inter-Symbol-Interferenz basiert, kann das System darauf schließen, dass es sich bei den Daten nicht um einen Takt handelt. Andere Anwendungen wie Leistungsanalyse und Busdekodierung informieren das System über die Kategorie der Daten.
-
Ein System kann auch so konzipiert sein, dass es ohne Benutzereingriff nach impliziten Merkmalen der Daten sucht. Wenn ein Benutzer eine abgeleitete Wellenform von einer Wellenform erstellt, die von einer anderen subtrahiert wird, kann das System daraus schließen, dass es sich bei den Wellenformen um ein Differenzsignal handelt. Aber auch ohne dass der Benutzer die differentielle Wellenform erstellt, könnte das System beide Wellenformen vergleichen und mathematisch feststellen, dass es sich um eine differentielle Wellenform handelt.
-
Wenn Benutzer explizite Verfahren zur Kategorisierung oder Klassifizierung von Daten verwenden, können die Daten und die ermittelten Klassen gespeichert werden. Diese Klassen können zu Etiketten bzw. Labels in den Daten werden. Mit genügend etikettierten bzw. gelabelten Daten können Maschinenlernalgorithmen die impliziten Merkmale neuer Daten finden. Dies nimmt die Last der Entwicklung dieser Algorithmen ab und findet wahrscheinlich Beziehungen und implizite Merkmale, die für Entwickler nicht offensichtlich sind.
-
Die Ausführungsformen hier erlauben den Benutzern, die Daten direkt oder als Rückmeldung an das System zu klassifizieren, das die Klassen mit den Wellenformdaten speichert. Wenn das System arbeitet, speichert es die Wellenformen mit zugehörigen Daten, die oft als Metadaten bezeichnet werden, und liefert eine Klassifizierung oder Kategorie für die Wellenform. Dies ermöglicht es dem Test- und Messinstrument, Wellenformen derselben Klasse zu suchen, um auf die Metadaten für frühere Konfigurationen und/oder Tests zuzugreifen und Informationen daraus für die aktuelle Sitzung zu verwenden.
-
Wie hier verwendet, bezeichnet der Begriff „Wellenformdaten“ die tatsächliche Wellenform und die zugehörigen Daten. Der Begriff „Wellenform“ bezeichnet die vom Instrument erzeugte Wellenform entweder in einem Bild- oder Rohdatenformat. In ähnlicher Weise bezeichnet der Begriff „Eingangswellenformdaten“ die Eingangswellenform, die ursprünglich vom Benutzer erzeugt wurde, und „Referenzwellenformdaten“ die Wellenformen und deren zugehörige Daten, die in einem Repository gespeichert sind.
-
Die Ausführungsformen hier umfassen im Allgemeinen Test- und Messinstrumente wie z. B. Oszilloskope, digitale Multimeter, Messwertgeber usw. Während einige dieser Instrumente entweder Testen oder Messen durchführen können, gilt der Begriff „Test- und Messinstrument“ für beide oder jedes dieser Instrumente. Der Begriff „System“ umfasst das Instrument und alle anderen Teile der hier dargestellten Ausführungsformen, wie z. B. ein Netzwerk und ein Repository.
-
1 zeigt eine Ausführungsform eines Test- und Messsystems, das Kategorien oder Klassen der erfassten Daten verwendet. Durch die Verwendung von Klassen kann das Instrument dem Benutzer Informationen in Bezug auf Testaufbaukonfigurationen, Instrumenteneinstellungen, Qualität der Daten usw. liefern. Das Test- und Messinstrument 10 von 1 hat mindestens einen Prozessor 12 und einen Speicher 14. Der Speicher 14 kann Daten, die Ausführungsbefehle für den Prozessor, die den Betrieb des Instruments bewirken, und das Repository speichern. In der Ausführungsform von 1 befindet sich das Repository 26 entfernt vom Instrument 10. Das Repository enthält eine Wellenform oder Wellenformen und ihre Metadaten. Diese können Trainingssätze, auf die weiter unten näher eingegangen wird, oder gesammelte Wellenformdaten oder eine Mischung aus beidem enthalten.
-
Typischerweise beginnt das Repository mit einer recht umfangreichen Größe oder wächst auf diese an, so dass das Repository höchstwahrscheinlich außerhalb des Test- und Messinstruments liegt. Das Test- und Messinstrument könnte jedoch das Repository oder zumindest einen Teil davon speichern, z. B. die mit diesem Instrument erzeugten Wellenformdaten. Das Repository kann Wellenformdaten von mehr als nur einem Instrument sammeln. Es könnte Daten von allen Instrumenten eines bestimmten Typs oder von allen Instrumenten insgesamt enthalten. Aufgrund von Sicherheitsbedenken, die sich ergeben können, wenn sich das Repository an einem entfernten Ort befindet, z. B. in einer Netzwerk-Cloud wie 24, kann das Repository auch nur Daten enthalten, die von den Instrumenten eines bestimmten Kunden generiert wurden, usw. Der Konfiguration des Repository und seines Inhalts sind keine Grenzen gesetzt, ebenso wenig wie seiner Architektur.
-
Das Instrument 10 kommuniziert mit dem Repository über die Anschlüsse 18. Zusätzlich zu diesen Anschlüssen können die Benutzereingänge 20 Steckverbinder und Verbindungen umfassen, die mit den Testsonden oder anderen Arten von Test- und/oder Messzubehör verbunden sind, die beim Betrieb des Instruments verwendet werden. Ein Erfassungsspeicher 28 speichert diese Eingänge, wobei die Benutzereingänge mit dem Erfassungsspeicher und der Erfassungsspeicher 28 mit dem Prozessor 12 verbunden sind. Das Instrument kann eine Quelle 16 wie z. B. eine Spannungs- oder Stromquelle enthalten, die beim Testen verwendet wird. Das Instrument kann auch eine Benutzerschnittstelle enthalten, die es dem Benutzer ermöglicht, mit dem Instrument zu interagieren. Die Kombination aus den Benutzereingängen 20 und der Anzeige 22 stellt ein Beispiel für eine Benutzerschnittstelle dar. Wie später noch näher erläutert wird, kann das Instrument eine Auswahl von Testkonfigurationen und -einstellungen sowie vorgeschlagene Datenklassen für empfangene Wellenformen bereitstellen, für die der Benutzer eine Rückmeldung geben kann. Die Benutzerschnittstelle ermöglicht die Durchführung dieser Aufgaben.
-
2 zeigt eine Ausführungsform eines Benutzers, der ein Instrument wie dasjenige in 1 verwendet. Wenn der Benutzer das Instrument benutzt und eine Wellenform aufnimmt, empfängt das Instrument diese bei 30. Das Instrument kann die Wellenform an diesem Punkt speichern. Wenn dies der Fall ist, kann der Prozess bei 32 Datenreduktions- oder Filtertechniken durchführen, um die Menge der zu speichernden Daten zu reduzieren. Dazu können Techniken gehören wie das Entfernen redundanter Daten, die Analyse fehlender Wertverhältnisse, Filtern mit geringer Varianz, Filtern mit hoher Korrelation, Hauptkomponentenanalyse, Eliminierung von Rückwärtsmerkmalen und Konstruktion von Vorwärtsmerkmalen. Im Flussdiagramm von 2 sind die optionalen Prozesse mit gestrichelten Linien versehen.
-
Die Eingangswellenformdaten können die Wellenform entweder als Bild- oder als Rohwellenformdaten oder irgendwelche Konvertierungen oder andere Ableitungen von der Wellenform enthalten. Darüber hinaus wird die Wellenform von Daten begleitet, die als zugehörige Daten oder Metadaten bezeichnet werden. Diese Daten können Einstellungen am Instrument, Konfigurationsdaten, den Typ der verwendeten Sonde, irgendwelche Quellsignale usw. enthalten.
-
Bei 34 greift der Prozessor des Instruments auf das Repository der Referenzwellenformdaten zu. Der Prozessor kann einen Allzweckprozessor oder einen Teil eines künstlichen neuronalen Netzwerks umfassen, wie z. B. ein neuronales Faltungsnetzwerk, ein tiefes neuronales Netzwerk oder eine andere auf Deep Learning beruhende Verarbeitungseinheit. Der hier verwendete Begriff „neuronales Netzwerk“ bezieht sich auf ein künstliches neuronales Netzwerk. Ein neuronales Faltungsnetzwerk (CNN - engl. Convolutional Neural Network) verwendet die Faltung, eine mathematische Operation anstelle der allgemeinen Matrixmultiplikation. CNNs haben eine besondere Affinität zur Bildanalyse. In tiefen neuronalen Netzwerken findet jede Operation in einer anderen Schicht statt, mit mehreren Schichten zwischen Eingabe und Ausgabe. Dies sind Beispiele für Verfahren des maschinellen Lernens mithilfe von künstlichen neuronalen Netzen, die typischerweise aus einem Netzwerk einfacher Verarbeitungselemente bestehen. Der Prozessor, der hier als Teil des Instruments bezeichnet wird, kann eines dieser Elemente sein oder Zugriff auf das neuronale Netzwerk bieten.
-
Unter Verwendung eines Deep-Learning-Netzwerks oder eines Allzweckprozessors analysiert das Instrument die Wellenformdaten bei 36. Die Analyse kann den Vergleich der Eingangswellenform mit anderen Eingangswellenformen umfassen. Die Analyse führt zu einer Klassifizierung der Eingangswellenform bei 38. Die Klassifizierung kann viele Formen annehmen. Im Allgemeinen stellen die Klassen Signale dar, die zu bestimmten Instrumentenkonfigurationen passen, wie z. B. Schaltnetzteile, EMI (elektromagnetische Störungen), WiFi, serielle Daten usw. Die verwendeten Klassen und damit der Klassifizierungsprozess können generisch oder spezifisch sein, je nach Vorliebe des Benutzers oder Stärke der Klassifizierung. Wenn eine Klasse eine starke Korrelation zu einem bestimmten Signaltyp ergibt, würde der Prozess diese Klasse für das Signal verwenden.
-
Wenn ein Universalprozessor die Datenanalyse durchführt, kann die Analyse in Form von statistischer Datenanalyse, Mustererkennung oder Zeitreihen-Mining erfolgen, neben vielen anderen.
-
In einer anderen Ausführungsform haben die Klassen mehr als eine Ebene. Zum Beispiel kann der Prozess eine erste Klassifizierung durchführen, um eine Wellenform einer ersten Klasse zuzuordnen, und dann eine spezifischere Unterklasse innerhalb dieser ersten Klasse verwenden. Dieser Prozess kann so oft wie nötig wiederholt werden, um die Klassifizierung zu verfeinern.
-
Sobald der Prozess eine Klasse für die Eingangswellenform bei 38 bestimmt hat, stellt der Prozess Informationen für den Benutzer bei 40 bereit. Die Informationen erreichen den Benutzer möglicherweise nicht direkt, aber der Prozess könnte eine vordefinierte oder benutzerdefinierte Einstellung für das Instrument durchführen. Er könnte auch die Auto-Set-Funktionen von Instrumenten nutzen, um das Instrument zu konfigurieren. Zum Beispiel könnte der Prozess eine schnelle Fourier-Transformation (FFT) der Eingangswellenform aktivieren und die Spanne entsprechend dem Signal, wie z. B. einem WiFi- oder Funksignal, anpassen. Eine weitere Regressionsanalyse würde weitere Einblicke in die Signalattribute, wie z. B. die Breite des HF-Spektrums, ermöglichen, die dann Einstellungen im Messinstrument anwenden oder anpassen könnten.
-
Zusätzlich zum Aspekt der Einrichtung und Konfiguration der Informationen, die dem Benutzer zur Verfügung gestellt werden, könnte der Prozess dem Benutzer auch Informationen über die Daten basierend auf der Klasse zur Verfügung stellen. Der Prozess könnte die Eingangswellenform mit anderen Wellenformen in der Klasse vergleichen, um festzustellen, ob die Wellenform ein Problem im System des Benutzers erfasst hat. Außerhalb von Daten, die mit strengen Konformitätsmethoden erfasst wurden, verfügen Test- und Messinstrumente im Allgemeinen über keine gute Möglichkeit, um zu melden, ob die Daten innerhalb der Spezifikation oder der Konformität liegen. Dieser Prozess könnte bestimmen, ob die Daten statistisch gesehen innerhalb der Norm für Daten anderer Wellenformen derselben Klasse liegen, d. h. „gute“ Daten, oder ob die Daten weit außerhalb der anderen Wellenformen liegen, d. h. „schlechte“ Daten. Dies kann die Anwendung heuristischer Verfahren beinhalten. Dieser Prozess könnte dem Benutzer anzeigen, welcher Aspekt der Wellenform außerhalb der Norm liegt.
-
Sobald die Eingangswellenformdaten einer Klassifizierung unterzogen wurden, könnte der Prozess eine Benutzerrückmeldung bei 42 vorsehen. Beispielsweise kann das System den Benutzer über die Benutzerschnittstelle darüber informieren, dass der Prozess „denkt“, dass die Eingangswellenformdaten ein zu analysierendes Differenzsignal anzeigen. Wenn ein neuronales Netzwerk diese Feststellung trifft, kann es diese Feststellung mit anderen möglichen Ergebnissen gewichten und die besten Feststellungen und den prozentualen Vertrauensgrad des Netzwerks präsentieren. Der Benutzer kann dann das tatsächliche Signal auswählen, das analysiert werden soll. Wenn der Prozess eine falsche Bestimmung vorgenommen hat, kann der Prozess zur Klassifizierung bei 38 zurückkehren und seinen Trainingssatz aktualisieren oder eine Fehlerkorrektur vornehmen usw. Wenn der Prozess eine korrekte Bestimmung vorgenommen hat, kann der Prozess die Klasse und die Wellenform bei 46 speichern. Der Prozess kann die Wellenformdaten und die resultierende Klasse an diesem Punkt oder früher im Prozess speichern. Wie bereits erwähnt, kann der Prozess vor dem Speichern eine Datenreduktion durchführen, z. B. bei 44 nach der Bestimmung der Klasse.
-
Wenn die Wellenform und die zugehörigen Daten „neu“ für den Prozess sind, kann der Prozess auch den für das neuronale Netzwerk verwendeten Trainingssatz aktualisieren, falls verwendet. Die Techniken des maschinellen Lernens, einschließlich des tiefen neuronalen Netzwerks oder des neuronalen Faltungsnetzwerks, hängen von einem robusten Trainingssatz ab, um dem Netzwerk „beizubringen“, die richtige Klassifizierung der eingegebenen Wellenformdaten vorzunehmen. 3 zeigt eine Ausführungsform eines solchen Prozesses.
-
Im Allgemeinen verwenden neuronale Netzwerke einen Trainingssatz, um eine Mustererkennung durchzuführen und ein oder mehrere Modelle zu erstellen, damit sie die Daten aufschlüsseln und analysieren können. Dies geschieht in 3 bei 50. Sobald das Netzwerk/der Prozessor das Training abgeschlossen hat, indem es/er den Trainingssatz verbraucht, kann der Prozess die Genauigkeit des Netzwerks testen, indem die Klassifizierungen bei 52 getestet werden. Die Trainingssätze können aus tatsächlichen Benutzerdaten stammen oder intern generiert werden. Ein möglicher Ansatz umfasst, bei 54 eine Benutzerrückmeldung über die Korrektheit der Klassifizierung zu geben, ähnlich wie dies während des Systembetriebs geschieht. Sobald das Netzwerk/der Prozessor eine ausreichende Genauigkeit erreicht hat, arbeitet das System. Es können periodische Aktualisierungen des Trainingssatzes erfolgen, einschließlich dessen, dass der Benutzer, wie in 2 erwähnt, bisher unbekannte Eingangswellenformdaten bei 60 bereitstellt. Der Prozess aktualisiert dann das/die Modell(e), um die neuen Daten in den vorherigen Daten bei 62 einzuschließen. Die neuen Daten können zu einer Verschiebung in der Mustererkennung führen oder Daten für ein „Loch“ im Modell liefern, für das zuvor keine Daten vorhanden waren.
-
Auf diese Weise kann ein Test- und Messinstrument „intelligenter“ werden und für mehr Automatisierung und Konsistenz bei den Testverfahren sorgen, ohne dass die Anwender mit der Entwicklung dieser Automatisierung überfordert sind.
-
In dieser Offenbarung schließen die Singularformen „ein“, „eine“ und „der/die/das“ Pluralreferenzen ein, sofern der Kontext nichts anderes vorschreibt. Der Begriff „oder“ ist allumfassend gemeint und bedeutet entweder irgendeinen, mehrere oder alle der aufgeführten Punkte. Die Begriffe „weist ... auf“, „aufweisend“, „umfasst“, „umfassend“ oder andere Variationen davon sollen eine nicht ausschließliche Einbeziehung abdecken, so dass ein Prozess, ein Verfahren oder ein Produkt, das eine Liste von Elementen umfasst, nicht notwendigerweise nur diese Elemente enthält, sondern auch andere Elemente enthalten kann, die nicht ausdrücklich aufgeführt sind oder zu einem solchen Prozess, Verfahren, Gegenstand oder einer solchen Vorrichtung gehören. Relative Begriffe wie „etwa“, „ungefähr“, „im Wesentlichen“ und „im Allgemeinen“ werden verwendet, um eine mögliche Abweichung von ±10 % eines angegebenen oder verstandenen Wertes anzugeben.
-
Die Aspekte der vorliegenden Offenbarung sind für verschiedene Modifikationen und alternative Formen empfänglich. Spezifische Aspekte sind in den Zeichnungen beispielhaft dargestellt und werden hier im Detail beschrieben. Es sollte jedoch beachtet werden, dass die hier offenbarten Beispiele zum Zwecke der Klarheit der Erläuterung dargestellt werden und nicht dazu gedacht sind, den Umfang der offenbarten allgemeinen Konzepte auf die hier beschriebenen spezifischen Aspekte zu beschränken, es sei denn, sie wären ausdrücklich eingeschränkt. Als solches soll die vorliegende Offenbarung alle Modifikationen, Äquivalente und Alternativen der beschriebenen Aspekte im Hinblick auf die beigefügten Zeichnungen und Ansprüche abdecken.
-
Verweise in der Spezifikation auf Aspekte, Beispiele usw. bedeuten, dass der beschriebene Gegenstand ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft enthalten kann. Allerdings kann oder muss nicht jeder offenbarte Aspekt dieses bestimmte Merkmal, diese bestimmte Struktur oder diese bestimmte Eigenschaft enthalten. Außerdem beziehen sich solche Ausdrücke nicht notwendigerweise auf denselben Aspekt, es sei denn, es wird ausdrücklich darauf hingewiesen. Wenn ferner in der Erörterung ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Eigenschaft in Verbindung mit einem bestimmten Aspekt beschrieben wird, kann dieses Merkmal, diese Struktur oder diese Eigenschaft auch in Verbindung mit einem anderen offenbarten Aspekt verwendet werden, unabhängig davon, ob dieses Merkmal in Verbindung mit diesem anderen offenbarten Aspekt ausdrücklich beschrieben wird oder nicht.
-
Aspekte der Offenbarung können auf einer speziell geschaffenen Hardware, auf Firmware, digitalen Signalprozessoren oder auf einem speziell programmierten Allzweckcomputer mit einem Prozessor, der nach programmierten Anweisungen arbeitet, arbeiten. Die hier verwendeten Begriffe „Controller“ oder „Prozessor“ umfassen Mikroprozessoren, Mikrocomputer, anwendungsspezifische integrierte Schaltungen (ASICs), Cloud-basierte Server und spezielle Hardware-Controller. Ein oder mehrere Aspekte der Offenbarung können in computerverwendbaren Daten und computerausführbaren Anweisungen verkörpert sein, wie z. B. in einem oder mehreren Programmmodulen, die von einem oder mehreren Computern (einschließlich Überwachungsmodulen) oder anderen Geräten ausgeführt werden. Im Allgemeinen umfassen Programmmodule Routinen, Programme, Objekte, Komponenten, Datenstrukturen usw., die bestimmte Aufgaben ausführen oder bestimmte abstrakte Datentypen implementieren, wenn sie von einem Prozessor in einem Computer oder einem anderen Gerät ausgeführt werden. Die computerausführbaren Anweisungen können auf einem nichtflüchtigen computerlesbaren Medium wie einer Festplatte, einer optischen Platte, einem Wechselspeichermedium, einem Festkörperspeicher, einem Random Access Memory (RAM) usw. gespeichert sein. Wie ein Fachmann erkennen wird, kann die Funktionalität der Programmmodule in verschiedenen Aspekten beliebig kombiniert oder verteilt werden. Darüber hinaus kann die Funktionalität ganz oder teilweise in Firmware oder Hardware-Äquivalenten wie integrierten Schaltkreisen, FPGA und dergleichen vorhanden sein. Bestimmte Datenstrukturen können verwendet werden, um einen oder mehrere Aspekte der Offenbarung effektiver zu implementieren, und solche Datenstrukturen werden im Rahmen der hier beschriebenen computerausführbaren Anweisungen und computerverwendbaren Daten in Betracht gezogen.
-
Die offenbarten Aspekte können in einigen Fällen in Hardware, Firmware, Software oder einer beliebigen Kombination davon implementiert sein. Die offenbarten Aspekte können auch in Form von Anweisungen implementiert sein, die auf einem oder mehreren nichtflüchtigen computerlesbaren Medien enthalten oder gespeichert sind und von einem oder mehreren Prozessoren gelesen und ausgeführt werden können. Solche Anweisungen können als Computerprogrammprodukt bezeichnet werden. Computerlesbare Medien, wie hier beschrieben, sind alle Medien, auf die ein Computergerät zugreifen kann. Als Beispiel und ohne Einschränkung können computerlesbare Medien Computerspeichermedien und Kommunikationsmedien umfassen.
-
Computerspeichermedien sind alle Medien, die computerlesbare Informationen speichern können. Als Beispiel und ohne Einschränkung können Computerspeichermedien RAM, ROM, EEPROM (Electrically Erasable Programmable Read-Only Memory), Flash-Speicher oder andere Speichertechnologien, CD-ROM (Compact Disc Read Only Memory), DVD (Digital Video Disc) oder andere optische Plattenspeicher, Magnetkassetten, Magnetbänder, Magnetplattenspeicher oder andere magnetische Speichergeräte und alle anderen flüchtigen oder nichtflüchtigen, entfernbaren oder nicht entfernbaren Medien, die in einer beliebigen Technologie implementiert sind, umfassen. Computerspeichermedien schließen Signale als solche und vorübergehende Formen der Signalübertragung aus.
-
Kommunikationsmedien sind alle Medien, die computerlesbare Informationen übertragen können. Als Beispiel, und nicht als Einschränkung, können Kommunikationsmedien Koaxialkabel, Glasfaserkabel, Luft oder jedes andere Medium umfassen, das für die Kommunikation von elektrischen, optischen, Hochfrequenz- (HF), Infrarot-, akustischen oder anderen Signaltypen geeignet ist.
-
Wenn sich diese Anmeldung auf ein Verfahren mit zwei oder mehr definierten Schritten oder Vorgängen bezieht, können die definierten Schritte oder Vorgänge in beliebiger Reihenfolge oder gleichzeitig ausgeführt werden, es sei denn, der Kontext schlösse diese Möglichkeiten aus, wie z. B. ein erster Schritt in Abhängigkeit von den Ergebnissen eines anderen Schritts.
-
BEISPIELE
-
Im Folgenden werden illustrative Beispiele für die offenbarten Technologien aufgeführt. Eine Ausführungsform der Technologien kann ein oder mehrere Beispiele und jede Kombination der unten beschriebenen Beispiele umfassen.
-
Beispiel 1 ist ein Verfahren zur Klassifizierung von Wellenformdaten, das Folgendes umfasst: Empfangen von Eingangswellenformdaten an einem Test- und Messsystem; Zugreifen auf ein Repository mit Referenzwellenformdaten und korrespondierenden Klassen; Analysieren der Eingangswellenformdaten und der Referenzwellenformdaten, um eine Klasse der Eingangswellenformdaten zu bestimmen; und Verwenden der Klassenbestimmung, um einem Benutzer Informationen bereitzustellen.
-
Beispiel 2 ist das Verfahren von Beispiel 1, wobei die Eingangswellenformdaten eine Eingangswellenform und der Eingangswellenform zugeordnete Metadaten enthalten.
-
Beispiel 3 ist das Verfahren von Beispiel 2, wobei die Metadaten mindestens eines der folgenden Elemente enthalten: Einstellungen für das Test- und Messsystem; Sonden, die zum Empfangen der Eingangswellenformdaten verwendet werden; Ausgangsbereiche.
-
Beispiel 4 ist das Verfahren aus einem der Beispiele 1 bis 3, wobei das Analysieren der Eingangswellenformdaten einen der folgenden Vorgänge umfasst: Verwenden eines neuronalen Faltungsnetzwerks, Verwenden eines tiefen neuronalen Netzwerks, oder Durchführung einer Datenanalyse.
-
Beispiel 5 ist das Verfahren von Beispiel 4, wobei das Durchführen der Datenanalyse das Durchführen einer statistischen Datenanalyse und/oder einer Mustererkennung und/oder eines Zeitreihen-Minings umfasst.
-
Beispiel 6 ist das Verfahren aus einem der Beispiele 1-5, wobei das Bestimmen der Klasse ein Bereitstellen einer ersten Klasse basierend auf einem Signaltyp der Eingangswellenformdaten und dann ein Bereitstellen einer zweiten Klasse aus der ersten Klasse umfasst.
-
Beispiel 7 ist das Verfahren aus einem der Beispiele 1-6, wobei das Verwenden der Klassenbestimmung zur Bereitstellung von Informationen an den Benutzer das Anwenden einer vordefinierten Einrichtung des Test- und Messsystems umfasst.
-
Beispiel 8 ist das Verfahren aus einem der Beispiele 1-7, wobei das Verwenden der Klassifizierung zum Bereitstellen von Informationen an den Benutzer ein Bereitstellen der bestimmten Klasse an den Benutzer umfasst, um dem Benutzer zu ermöglichen, die Klasse zu bestätigen.
-
Beispiel 9 ist das Verfahren aus einem der Beispiele 1-8, wobei das Verwenden der Klassenbestimmung zum Bereitstellen von Informationen an den Benutzer ein Bereitstellen eines Vergleichs der Eingangswellenform mit anderen Wellenformen in derselben Klasse wie die Eingangswellenform umfasst.
-
Beispiel 10 ist das Verfahren aus einem der Beispiele 1-9, ferner umfassend das Trainieren eines Prozessors in dem Test- und Messsystem unter Verwendung mindestens eines Trainingssatzes der Referenzwellenformdaten und korrespondierender Klassen.
-
Beispiel 11 ist das Verfahren aus Beispiel 9, wobei der Trainingssatz einen aus Benutzerdaten gewonnenen Trainingssatz umfasst.
-
Beispiel 12 ist das Verfahren aus Beispiel 9, ferner umfassend ein Speichern der Eingangswellenformdaten und der zugehörigen Klasse im Repository als Trainingsdaten.
-
Beispiel 13 ist das Verfahren aus einem der Beispiele 1 bis 12, das ferner ein Anwenden einer Datenreduktion und/oder einer Filterung der Eingangswellenformdaten umfasst.
-
Beispiel 14 ist ein Test- und Messsystem, aufweisend: eine Benutzerschnittstelle; mindestens einen Eingangsanschluss; einen Kommunikationsanschluss; einen Prozessor, wobei der Prozessor dafür konfiguriert ist, Befehle auszuführen, die den Prozessor zu Folgendem veranlassen: Eingangswellenformdaten über mindestens einen der Eingangsanschlüsse oder die Benutzerschnittstelle zu empfangen; auf ein Repository mit Referenzwellenformdaten zuzugreifen; die Eingangswellenformdaten anhand der Referenzwellenformdaten zu analysieren; eine Klasse der Eingangswellenformdaten zu bestimmen; und die Klasse zu verwenden, um dem Benutzer Informationen über die Eingangswellenform bereitzustellen.
-
Beispiel 15 ist das System aus Beispiel 14, wobei die Benutzerschnittstelle mindestens einen Anzeigebildschirm aufweist, um dem System zu ermöglichen, die vorgeschlagene Konfiguration anzuzeigen.
-
Beispiel 16 ist das System aus einem der Beispiele 14 oder 15, wobei sich das Repository am Ort des Test- und Messsystems befindet.
-
Beispiel 17 ist das System aus einem der Beispiele 14-16, wobei sich das Repository entfernt von dem Test- und Messsystem befindet.
-
Beispiel 18 ist das System aus Beispiel 17, wobei das Repository über den Kommunikationsanschluss zugänglich ist.
-
Beispiel 19 ist das System aus einem der Beispiele 14-18, wobei der Prozessor Teil eines neuronalen Faltungsnetzwerks oder eines tiefen neuronalen Netzwerks ist oder Zugriff darauf hat.
-
Beispiel 20 ist das System aus einem der Beispiele 14-19, wobei der Prozess ferner dafür konfiguriert ist, Befehle auszuführen, die den Prozessor veranlassen, eine erste Klasse basierend auf einem Signaltyp der Eingangswellenform zu bestimmen und eine zweite Klasse zu bestimmen, die eine Unterklasse der ersten Klasse ist.
-
Obwohl bestimmte Ausführungsformen zum Zwecke der Veranschaulichung dargestellt und beschrieben wurden, versteht es sich von selbst, dass verschiedene Änderungen vorgenommen werden können, ohne vom Wesen und Umfang der Offenbarung abzuweichen. Dementsprechend sollte die Erfindung nicht eingeschränkt werden, außer durch die beigefügten Ansprüche.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
