专利名称：确定成分模型识别装置、确定成分模型识别方法、程序、存储介质、测试系统及电子设备的制作方法
技术领域：
本发明涉及确定成分模式识别装置、确定成分模型识别方法、程序、存储介质、测 试系统及电子设备。
背景技术：
现有技术通常通过测定电信号等的特性值，对电子电路、通信系统等进行评价。例 如，关于串联通信的评价，可以考虑通过测定发送信号或者接收信号中所包含的抖动来评 价通信系统。另外，在抖动等的特性值中包含根据信号图案、发送路径的特性等而确定地产生 的确定成分、和随机地产生的随机成分。在更详细的评价中，优选对这些确定成分和随机成 分分开评价。关于测定确定成分和随机成分，可以考虑多次测定特性值，获取直方图(或者也 称为概率密度函数)的方式。过去，通过将所测定的直方图的左尾部和右尾部用随机分布 (高斯分布)进行近似，将随机成分从直方图中分离出来。另外，通过将近似而得到的两 个随机成分的平均值间的间隔计算作为确定成分的峰峰值，将确定成分从直方图中分离出来。专利文献1 国际公开第2007/108492号手册
发明内容
这里，过去的分离方法假设dual-Dirac模型的确定成分包含于直方图中。但 是，在确定成分的模型中，存在正弦波分布和均勻分布等，在过去的分离方法中，在包含 dual-Dirac以外的确定成分的模型时，精确地分离抖动很难。例如，如图2所示，在直方图 中所包含的确定成分是正弦波分布的模型的情况下，用过去的分离法所计算的确定成分的 峰峰值DJ ( δ - δ )被评价为比真正的值DJp-p小。因此，在本发明的一个方面，其目的是提供一种能够解决上述技术问题的确定成 分模型识别装置、确定成分模型识别方法、程序、存储介质、测试系统和电子设备。该目的能 够由权利要求书中的独立权利要求中所记载的特征组合而实现。另外，从属权利要求限定 了本发明的更佳具体实施例。本发明要解决的技术问题为了解决上述技术问题，在本发明的第一方式中，提供一种确定成分模型识别装 置、与该确定成分模型识别装置的相关的确定成分模型识别方法、使计算机执行该确定成 分模型识别装置的功能的程序及存储该程序的存储介质。所述确定成分模型识别装置判定 被提供的概率密度函数中所包含的确定成分的类型，包括频谱计算部，其计算在规定的变 量轴上概率密度函数的频谱；空值检测部，其检测频谱在变量轴上的空值；理论值计算部， 其基于空值检测部检测出的空值，对预先确定的多种类型的确定成分的每一个，计算确定成分的频谱的理论值；模型判定部，其将从频谱计算部计算的频谱减去各种类型的确定成 分的频谱的理论值而得到的对数振幅频谱差，最接近于高斯分布的对数振幅的频谱的确定 成分的类型，判定为概率密度函数中所包含的确定成分的类型。在本发明的第二方式中，提供一种测试系统，其测试被测试设备。包括测定部，其 多次测定被测试设备的规定的特性；确定成分模型识别装置，其判定测定部测定的特性值 的概率密度函数中所包含的确定成分的类型、计算确定成分；良否判定部，其基于确定成分 模型识别装置计算的确定成分，判定被测试设备的良否。确定成分模型识别装置包括频 谱计算部，其计算在规定的变量轴上概率密度函数的频谱；空值检测部，其检测频谱在变量 轴上的空值；理论值计算部，其基于空值检测部检测出的空值，对预先确定的多种类型的确 定成分的每一个，分别计算确定成分的频谱的理论值；模型判定部，其将从频谱计算部计算 的频谱减去各种类型的确定成分的频谱的理论值而得到的对数振幅频谱差，最接近于高斯 分布的对数振幅的频谱的确定成分的类型，判定为概率密度函数中所包含的确定成分的类 型。在本发明的第三方式中，提供一种电子设备，其生成规定的信号。包括动作电路， 其生成规定的信号并输出；测定部，其多次测定规定的信号的规定的特性；确定成分模型 识别装置，其判定测定部测定的特性值的概率密度函数中所包含的确定成分的类型、计算 确定成分。确定成分模型识别装置包括频谱计算部，其计算在规定的变量轴上概率密度函 数的频谱；空值检测部，其检测频谱在变量轴上的空值；理论值计算部，其基于空值检测部 检测出的空值，对预先确定的多种类型的确定成分的每一个，分别计算确定成分的频谱的 理论值；模型判定部，其将从频谱计算部计算的频谱减去各种类型的确定成分的频谱的理 论值而得到的对数振幅频谱差最接近于高斯分布的对数振幅的频谱的确定成分的类型、判 定为概率密度函数中所包含的确定成分的类型。上述发明的概要并没有将本发明的必要特征全部列举出。另外，这些特征的子组 合也可以形成本发明。
图1是示出根据一个实施方式的确定成分模型识别装置100的功能结构的例子的示意图；图2是示出提供给确定成分模型识别装置100的概率密度函数的一个例子的示意图；图3A示出均勻分布的确定成分；图;3B示出梯形分布的确定成分；图4A示出dual-Dirac分布的确定成分；图4B示出single-Dirac分布的确定成分；图5A示出的是关于正弦波分布的确定成分的模型；图5B示出的是关于均勻分布的确定成分的模型；图6A是示出提供给确定成分模型识别装置100的概率密度函数h(t)及其频谱 H(f)的一个例子的示意图；图6B是示出均勻分布的确定成分d(t)及其频谱D(f)的一个例子的图6C示出概率密度函数h(t)中包含的随机成分g(t)、以及对比概率密度函数的 频谱H(f)与确定成分的频谱D(f)的频谱；图7是示出每一类型的确定成分的时间域的模型公式、频率域的模型公式、以及 第1空频fZCT。和峰峰值DJP_P的关系的图表；图8是示出模型判定部40的构成例的示意图；图9是示出概率密度函数PDF的频谱H(f)以及各种类型的确定成分的频谱的理 论值的一个例子的图；图10是示出图9中所示的例子中各种类型的确定成分的残留误差的一个例子的 示意图；图11是示出确定成分模型识别装置100的处理概要的流程图；图12是示出模型判定部40的另一构成例的示意图；图13是示出对于各种类型的确定成分、微分演算部48计算的频谱差的示意图；图14是示出关于图12和图13中说明的确定成分模型识别装置100中的处理概 要的流程图；图15A是示出变更了概率密度函数中所包含的确定成分时的概率密度函数的频 谱和各种类型的确定成分的频谱的理论值；图15B是示出对于图15A所示的例子、用关于图11中说明的处理所计算的残留误 差；图15C是示出对于图15A所示的例子、用关于图14中说明的处理所计算的频谱 差；图16A是示出变更了概率密度函数中所包含的确定成分时的概率密度函数的频 谱和各种类型的确定成分的频谱的理论值；图16B是示出对于图16A所示的例子、用关于图11中说明的处理所计算的残留误 差；图16C是示出对于图16A所示的例子、用关于图14中说明的处理所计算的频谱 差；图17A是示出变更了概率密度函数中所包含的确定成分时的概率密度函数的频 谱和各种类型的确定成分的频谱的理论值；图17B是示出对于图17A所示的例子、用关于图11中说明的处理所计算的残留误 差；图17C是示出对于图17A所示的例子、用关于图14中说明的处理所计算的频谱 差；图18A是示出变更了概率密度函数中所包含的确定成分时的概率密度函数的频 谱和各种类型的确定成分的频谱的理论值；图18B是示出对于图18A所示的例子、用关于图11中说明的处理所计算的残留误 差；图18C是示出对于图18A所示的例子、用关于图14中说明的处理所计算的频谱 差；图19是示出模型判定部40的另一功能结构的例子的示意图20是示出根据一个实施方式的测试系统300的构成例的示意图；图21是示出根据一个实施方式的电子设备400的构成例的示意图；图22示出了根据一个实施方式的计算机1900的硬件构成的一个例子。
具体实施例方式下面，通过本发明的实施方式对本发明的一个方面进行说明，但是以下的实施方 式并不限定权利要求书中所涉及发明。另外，实施方式中所说明的特征的组合的全部不一 定都是解决本发明的技术问题所必须的。图1是示出根据一个实施方式的确定成分模型识别装置100的功能结构的例子的 示意图。本例的确定成分模型识别装置100是判定被提供的概率密度函数PDF中所包含的 确定成分的类型的装置，包括频谱计算部10、空值检测部20、理论值计算部30、及模型判定 部40。频谱计算部10计算在规定的变量轴上、被提供的概率密度函数PDF的频谱。例如， 频谱计算部10可以接收时间轴的概率密度函数PDF、计算频率轴的频谱。频谱计算部10可 以通过对实数的概率密度函数PDF进行傅立叶变换而计算频谱。另外，频谱计算部10也可 以通过对实数的概率密度函数PDF进行傅立叶逆变换而计算频谱。下面用频谱计算部10 计算频率轴的频谱的例子来说明确定成分模型识别装置100的功能。空值检测部20检测频谱计算部10计算的频谱在规定的变量轴上的空值。本例的 空值检测部20检测频谱的空频。频谱的空频指的是频谱的功率约为零时的频率(或者表 示频谱指示极小值时的频率)理论值计算部30基于空值检测部20检测出的空值，对于预先确定的多种类型的 确定成分的每一个，分别计算确定成分的频谱的理论值。本例的理论值计算部30基于空值 检测部20检测出的第1空频，计算各个理论值。这里，所谓确定成分的类型，例如可以是正 弦波分布、均勻分布、梯形分布、以及dual-Dirac分布等。如后面所述，确定成分的理论值 可以根据确定成分的类型和峰峰值DJP_P确定。模型判定部40基于频谱计算部10计算的频谱和理论值计算部30计算的各种类 型的确定成分的频谱的理论值，判定概率密度函数PDF中所包含的确定成分的类型。模型 判定部40可以将从频谱计算部10计算的频谱减去各种类型的确定成分的频谱的理论值而 得到的对数振幅频谱差，最接近于高斯分布的对数振幅的频谱的确定成分的类型，判定为 概率密度函数PDF中所包含的确定成分的类型。另外，频谱计算部10计算的频谱和各种类型的确定成分的频谱为对数振幅频谱 时，根据这些对数振幅频谱的差得出对数振幅频谱差。另外，频谱计算部10计算的频谱 和各种类型的确定成分的频谱都为振幅频谱时，根据这些频谱比也可以得出对数振幅频谱差。由于概率密度函数PDF通过确定成分和随机成分的卷积而给出，所以从概率密度 函数PDF的频谱减去确定成分的频谱而得到的对数振幅频谱差与随机成分的频谱对应。不 过，在减去的确定成分的频谱中存在误差的情况下，该对数振幅频谱差为确定成分的频谱 的误差与随机成分的频谱的和频谱。这里，确定成分的频谱的误差在确定成分的模型弄错的情况下，变得特别大。因此，通过选择确定成分的类型以使上述对数振幅频谱差最接近于随机成分的频谱，可以推 定概率密度函数PDF中所包含的确定成分的类型。图2是示出提供给确定成分模型识别装置100的概率密度函数的一个例子的示意 图。概率密度函数，可以是表示通过多次测定例如电气电路等的规定的特性而得到的测定 值的分布的函数。所谓规定的特性，例如可以是电气电路、光电路等输出的信号的抖动量、 振幅值、直流值等。例如，所谓抖动量，可以表示信号的相位杂音。更具体地，所谓抖动量，可以指信号 的边沿定时和理想的边沿定时的差。在这种情况下，概率密度函数可以表示测定每个信号 边沿的抖动量时的测定值的分布(发生概率)。另外，所谓振幅值，可以指信号的电压、电 流、光强度等的振幅。另外，所谓直流值，可以指信号的电压、电流、光强度等的直流电平。一般地，这些特性的概率密度函数可以包含确定成分和随机成分。例如，抖动量的 概率密度函数中包含有因信号图案、发送路径的特性等确定地产生的确定性抖动的成分以 及因热噪音等随机地产生的随机抖动的成分。另外，概率密度函数中所包含的随机成分由图2中所示的高斯分布给出。这里，应 注意的是，随机成分的频谱也为高斯分布。另一方面，确定成分根据其产生原因等而由多种 模型给出。例如，在图2中，虽然示出了正弦波分布的确定成分的模型，但是也可以是均勻
-ΜΜ ^^ - dual-Dirac jf^i, single-Dirac图3A、3B、4A和4B是示出了确定成分的各个模型的概率密度函数的示意图。图3A 示出均勻分布的确定成分。图3B示出梯形分布的确定成分。图4A示出dual-Dirac分布 的确定成分。图4B示出single-Dirac分布的确定成分。如图2至图4B所示，在各个模型中，如果峰峰值DJP_P被确定，则可以唯一地确定 确定成分的分布。但是，梯形分布的确定成分优选还要给出上边与下边的比。另外，给出 single-Dirac分布的确定成分为峰峰值大约为零的确定成分。本例的确定成分模型识别装 置100基于概率密度函数的频谱中的第1空频、计算确定成分的峰峰值DJP_P。图5A、图5B是示出关于规定的确定成分的模型、确定成分的概率密度函数及其频 谱的示意图。图5A示出的是关于正弦波分布的确定成分的模型。而图5B示出的是关于均 勻分布的确定成分的模型。在图5A和图5B中，左侧的波形表示时间域的概率密度函数，右 侧的波形表示概率密度函数的频谱。另外，设时间域的确定成分的峰峰值为DJP_P。如图5A中所示，对正弦波分布的确定成分的概率密度函数进行了傅立叶变换而 得到的频谱的第1空频由0. 765/DJP_P给出。S卩，通过该第1空频的倒数乘以系数0. 765，可 以计算确定成分的峰峰值DJP_P。另外，如图5B所示，对均勻分布的确定成分的概率密度函数进行了傅立叶变换而 得到的频谱的第1空频由1/DJP_P给出。S卩，通过求该第1空频的倒数，可以计算确定成分 的峰峰值DJP_P。同样地，关于梯形分布、dual-Dirac分布等的其它确定成分的类型，也可以根据第 1空频计算峰峰值。不过，如图5A、图5B所示，由于第1空频与峰峰值DJP_P的关系根据确 定成分的模型而不同，所以为了精确地求得确定成分，有必要判定确定成分的模型。图6A是示出提供给确定成分模型识别装置100的概率密度函数h(t)及其频谱 H(f)的一个例子的图。图6B是示出均勻分布的确定成分d(t)及其频谱D(f)的一个例子的图。图6C示出概率密度函数h(t)中包含的随机成分g(t)，以及，对比概率密度函数的频 谱H(f)和确定成分的频谱D(f)后的频谱。频谱计算部10接收图6A中所示的概率密度函数h(t)、计算其功率频谱|H(f) |。 空值检测部20检测图6A中所示的频谱|H(f) I的第1空频。本例的频谱计算部10检测出 频谱|H(f) I大约为零时的IOOGHz为第1空频。理论值计算部30基于频谱|H(f) I的第1空频，对于预先确定的类型的确定成分 的每一个，计算确定成分的频谱的理论值。例如，均勻分布的确定成分的频谱如图6B所示。 另外，概率密度函数h(t)的第1空频与所包含的确定成分的频谱的第1空频大致相同。根 据第1空频求得确定成分的频谱的理论值的方法参照图7在后面描述。模型判定部40基于频谱|H(f) I和频谱|D(f) I判定确定成分的类型。模型判定 部40可以计算对数振幅频谱差，即频谱|H(f) I和频谱|D(f) I的差分。如上所述，该对数振 幅频谱差对应于随机成分(高斯分布)的对数振幅的频谱。因此，通过选择该对数振幅频 谱差最接近于高斯分布的对数振幅的频谱的确定成分的类型，可以判定概率密度函数h(t) 中所包含的确定成分d(t)的类型。图7是示出每一类型的确定成分的时间域的模型公式、频率域的模型公式、以及、 第1空频和峰峰值DJP_P的关系的图表。另外，图7中的Itl表示第1类0阶贝塞尔函 数。另外，图7中的α表示梯形分布中的上边与下边的比。即，梯形分布中，α = 1 时，相当于均勻分布，α =0时相当于三角形分布。另外，确定成分模型识别装置100处理 的确定成分的类型不限于上述类型。确定成分模型识别装置100可以判定能够根据频谱的 第1空频计算峰峰值的所有确定成分的模型。如图7所示，确定成分的频谱的理论值可以根据确定成分的类型和第1空频求得。 理论值计算部30中可以提供有如图7所示的图表，该图表示出了对于确定成分的每一类 型，频率域的模型公式、以及第1空频fZCT。与峰峰值DJP_P的关系。理论值计算部30可以基 于该表计算各种类型的确定成分的理论值。图8是示出模型判定部40的构成例的示意图。本例的模型判定部40包括频谱差 计算部42、误差计算部44、以及选择部46。频谱差计算部42对于每一类型的确定成分计算 从频谱计算部10所计算的频谱H(f)减去确定成分的频谱D (f)的理论值而得到的对数振
幅频谱差。这里，概率密度函数PDF的频谱H(f)由随机成分的频谱G(f)和确定成分的频谱 D(f)表示为下式数1
权利要求
1.一种确定成分模型识别装置，判定提供给其的概率密度函数中所包含的确定成分的 类型，其特征在于，包括频谱计算部，其算出所述概率密度函数在规定的变量轴上的频谱； 空值检测部，其检测所述频谱在所述变量轴上的空值；理论值计算部，其基于所述空值检测部检测出的所述空值，对预先确定的多种类型的 确定成分的每一个，分别计算所述确定成分的频谱的理论值；模型判定部，其将从所述频谱计算部计算的所述频谱减去各种类型的所述确定成分的 频谱的理论值而得到的对数振幅频谱差，最接近于高斯分布的对数振幅的频谱的所述确定 成分的类型，判定为所述概率密度函数中所包含的所述确定成分的类型。
2.根据权利要求1所述的确定成分模型识别装置，其特征在于， 所述空值检测部检测所述频谱的第1空值。
3.根据权利要求2所述的确定成分模型识别装置，其特征在于，所述模型判定部包括 频谱差计算部，所述频谱差计算部对每一类型的所述确定成分，计算从所述频谱计算部计算的频谱中减去所述确定成分的频谱的理论值而得到的所述对数振幅频谱差。
4.根据权利要求3所述的确定成分模型识别装置，其特征在于， 所述模型判定部还包括误差计算部，其对每一类型的所述确定成分，计算从所述对数振幅频谱差中减去与所 述高斯分布的对数振幅的频谱对应的成分而得到的残留误差；选择部，其选择与所述误差计算部计算的所述残留误差中最小的所述残留误差对应的 所述确定成分的类型，作为所述概率密度函数中所包含的所述确定成分的类型。
5.根据权利要求4所述的确定成分模型识别装置，其特征在于，所述误差计算部用二次曲线近似所述对数振幅频谱差，并对每种类型的所述确定成分 计算从所述对数振幅频谱差去除所述二次曲线的成分而得到的所述残留误差。
6.根据权利要求4所述的确定成分模型识别装置，其特征在于，所述选择部，对所述确定成分的各种类型，检测与所述残留误差中的直流成分最接近 的成分的值，将该值最小的所述确定成分的类型选择为所述概率密度函数中所包含的所述 确定成分的类型。
7.根据权利要求3所述的确定成分模型识别装置，其特征在于，所述模型判定部还包括选择部，所述选择部基于对与所述确定成分的各种类型对应的所述对数振幅频谱差在 所述变量轴上进行二阶微分而得到的结果，将所述确定成分的类型之一选择为所述概率密 度函数中所包含的所述确定成分的类型。
8.根据权利要求7所述的确定成分模型识别装置，其特征在于，所述选择部，将在所述变量轴的预先确定的范围内、进行了二阶微分的所述对数振幅 频谱差的峰峰值最小的所述对数振幅频谱差对应的所述确定成分的类型，选择为所述概率 密度函数中所包含的所述确定成分的类型。
9.根据权利要求8所述的确定成分模型识别装置，其特征在于，所述选择部，计算在所述变量轴上的上限值比所述第1空值小的范围内，进行了二阶 微分的各个所述对数振幅频谱差的所述峰峰值。
10.根据权利要求1所述的确定成分模型识别装置，其特征在于， 所述模型判定部，计算从所述概率密度函数的频谱中减去所选择的类型的第1确定成分的频谱而得到 的对数振幅的差谱，将从所述差谱减去所述第1确定成分以外的各种类型的所述确定成分的频谱的理论 值而得到的对数振幅频谱差，最接近于高斯分布的对数振幅的频谱的所述确定成分的类 型，判定为所述概率密度函数中所包含的第2确定成分的类型。
11.一种确定成分模型识别方法，判定提供给其的概率密度函数中所包含的确定成分 的类型，包括计算在规定的变量轴上所述概率密度函数的频谱； 检测所述频谱在所述变量轴上的空值；基于检测出的所述空值，对预先确定的多种类型的确定成分的每一个，计算所述确定 成分的频谱的理论值；将从计算的所述频谱减去各种类型的所述确定成分的频谱的理论值而得到的对数振 幅频谱差，最接近于高斯分布的对数振幅的频谱的所述确定成分的类型，判定为所述概率 密度函数中所包含的所述确定成分的类型。
12.—种程序，使计算机执行判定给定的概率密度函数中所包含的确定成分的类型的 确定成分模型识别装置的功能，其特征在于，所述程序使计算机执行如下部件的功能频谱计算部，其在规定的变量轴上所述概率密度函数的频谱； 空值检测部，其检测所述频谱在所述变量轴上的空值；理论值计算部，其基于所述空值检测部检测出的所述空值，对预先确定的多种类型的 确定成分的每一个，分别计算所述确定成分的频谱的理论值；模型判定部，其将从所述频谱计算部计算的所述频谱减去各种类型的所述确定成分的 频谱的理论值而得到的对数振幅频谱差最接近于高斯分布的对数振幅的频谱的所述确定 成分的类型，判定为所述概率密度函数中所包含的所述确定成分的类型。
13.一种存储介质，其特征在于，存储如权利要求12所述的程序。
14.一种测试系统，测试被测试设备，其特征在于，包括 测定部，其多次测定所述被测试设备的规定的特性；确定成分模型识别装置，其判定所述测定部测定的特性值的概率密度函数中所包含的 确定成分的类型、计算所述确定成分；良否判定部，其基于所述确定成分模型识别装置计算的所述确定成分，判定所述被测 试设备的良否；所述确定成分模型识别装置包括频谱计算部，其在规定的变量轴上所述概率密度函数的频谱； 空值检测部，其检测所述频谱在所述变量轴上的空值；理论值计算部，其基于所述空值检测部检测出的所述空值，对预先确定的多种类型的 确定成分的每一个，分别计算所述确定成分的频谱的理论值；模型判定部，其将从所述频谱计算部计算的所述频谱减去各种类型的所述确定成分的 频谱的理论值而得到的对数振幅频谱差，最接近于高斯分布的对数振幅的频谱的所述确定成分的类型，判定为所述概率密度函数中所包含的所述确定成分的类型。
15. 一种电子设备，生成规定的信号，其特征在于，包括 动作电路，其生成所述规定的信号并输出； 测定部，其多次测定所述规定的信号的规定的特性；确定成分模型识别装置，其判定所述测定部测定的特性值的概率密度函数中所包含的 确定成分的类型、计算所述确定成分； 所述确定成分模型识别装置包括频谱计算部，其算出在规定的变量轴上所述概率密度函数的频谱； 空值检测部，其检测所述频谱在所述变量轴上的空值；理论值计算部，其基于所述空值检测部检测出的所述空值，对预先确定的多种类型的 确定成分的每一个，分别计算所述确定成分的频谱的理论值；模型判定部，其将从所述频谱计算部计算的所述频谱减去各种类型的所述确定成分的 频谱的理论值而得到的对数振幅频谱差最接近于高斯分布的对数振幅的频谱的所述确定 成分的类型，判定为所述概率密度函数中所包含的所述确定成分的类型。
全文摘要
本发明提供一种确定成分模型识别装置，识别提供给其的概率密度函数中所包含的确定成分的类型，包括计算概率密度函数在规定的变量轴上的频谱的频谱计算部；检测频谱在变量轴上的空值的空值检测部；基于空值检测部检测出的空值，对预先确定的多种类型的确定成分的每一个，分别计算确定成分的频谱的理论值的理论值计算部；将从频谱计算部计算的频谱减去各种类型的确定成分的频谱的理论值而得到的对数振幅频谱差，最接近于高斯分布的频谱的确定成分的类型，判定为概率密度函数中所包含的确定成分的类型的模型判定部。
文档编号G01R29/02GK102150052SQ200980135790
公开日2011年8月10日 申请日期2009年10月23日 优先权日2008年10月24日
发明者一山清隆, 山口隆弘, 石田雅裕 申请人:爱德万测试株式会社