基于近似熵的瞬态信号无缝测量系统的制作方法

本发明属于瞬态信号测量
技术领域：
，更为具体地讲，涉及一种基于近似熵的瞬态信号无缝测量系统。
背景技术：
：现代电子信号日趋复杂多样，信号的频率范围不断拓宽，信号的瞬时、非平稳性增长极为迅速。如何有效提取信号所携带的信息，实现瞬态非平稳信号的高效采集与实时分析给现代信号测量带来了挑战。一方面，我们追求更高速度和更高精度的采集，以尽可能多的捕捉信号细节；另一方面，高采样率和高分辨率采集获得的海量数据，又给信号的实时处理与分析带来了困难，影响系统响应。采用实时采样、实时处理技术的数字示波器是现代时域测量仪器的代表，针对数字示波器的无缝测量能力研究成为近年热点。数字示波器一次完整的测量过程包含信号采集、数据处理和波形显示等环节。其信号采集可看作是一种间歇采样，相邻两次采集之间间隔了处理和显示的时间，称为死区时间或测量缝隙。所有发生在测量缝隙内的信号都不能被有效采集。可见，测量缝隙的大小直接影响着示波器的信号测量能力。测量缝隙越小，有效采样占总测量时间的比例越高，示波器对瞬态信号的捕获几率就越大。因此，减小测量缝隙直至实现无缝测量，对于现代信号测量而言非常重要。分析数字示波器的数据处理过程，包含了波形图像处理及一些常见的数字信号分析，如插值、平均、数学运算、FFT、数字滤波等。而显示过程，则是将波形图像及相关分析结果呈现在显示器上。在采样率确定的前提下，要减小测量缝隙，就要缩短花在处理和显示上的时间。而要彻底消除测量缝隙，实现无缝测量，则必须在采样的同时完成处理和显示，也即是说处理和显示的速度必须完全跟上采样的速度，难度可想而知。首先，现有CPU、DSP等处理器件的运算速度(1～2GHz)和ADC的采样率(高达1～100GSPS)之间存在着巨大差距，并且包含的信号分析种类越多，处理时间就越长；其次，受显示机制和液晶显示器的刷新率(通常50Hz)限制，波形显示过程更是耗时巨大。因此，在示波器现有体系结构和器件水平下，要实现完全的无缝测量几乎不可能。目前行业内对无缝测量已经取得了一定的研究成果。文献H.Zeng,H.Q.PanandW.H.Huang,Keytechnologydesignof6GSPShigh-speeddigitalstorageoscilloscope,Proceedingsof2013IEEE11thInternationalConferenceonElectronicMeasurement&Instruments,385-391(2013)和H.Zeng,P.Ye,H.J.WangandCH.Y.Xiang,Researchonwaveformmappingtechnologyofdigitalthree-dimensionaloscilloscope,ChineseJournalofScientificInstrument,30(11),2399-2404(2009)采用并行处理的体系架构进行数据处理，采用多个波形统计叠加的方式进行显示，在单位时间内压缩了处理时间，增加了波形显示数量，从而一定程度上减小了测量缝隙，但仍然无法达到无缝测量。在此基础上，文献K.J.Yang,S.L.Tian,H.Zeng,L.QiuandL.P.Guo,Aseamlessacquisitiondigitalstorageoscilloscopewiththree-dimensionalwaveformdisplay,ReviewofScientificInstruments,85,045102(2014)采用DDR深存储器构建分段存储和乒乓操作，实现了一定时间内、一定数据量条件下的无缝采集示波器。然而，上述无缝测量的研究目前仍停留在某些特定应用场合针对慢速信号的测量，并且普遍存在采集与显示脱节(采集时不能显示，显示时不能采集)、实时性差、无法持续无缝的问题。事实上，要在长时间内实现对被测信号的完全无缝测量既难以实现，也是没有必要的。因为不同应用领域所关注的信息完全不同，并且同时获取过大的信息量或显示过多的信号波形都是无法为人们所有效接受的。著名科学家Shannon曾指出：任何信息都存在冗余，冗余大小与信息中每个符号的出现概率或不确定性有关。而信息熵正是表征信号不确定程度的量纲。从信息熵的角度出发不难发现，非稳态信号中总是叠加有一些异常分量，使得信号的信息熵是相异的，这为基于信息熵的特征信号提取提供了基础，并对最终实现瞬态信号的无缝测量相当重要。因此，如果能在信号采集过程中，基于信息熵的实时控制，提取信号中蕴含的特征，保留关键或有用信息，丢弃冗余或无用信息，不仅可大大减少处理和显示的负担，实现特征信号的无缝测量，并且使得获取信息能够真正为人所用。然而，信息熵(Shannon熵)与物理范畴的熵一样，由于其混沌现象导致计算过程非常复杂，难以满足无缝测量系统的实时性要求。技术实现要素：本发明的目的在于克服现有技术的不足，提供一种基于近似熵的瞬态信号无缝测量系统，以近似熵值定量描述信号的复杂度，并以此为基础指导信号的采集和处理，实现瞬态非平稳信号时域信息的无缝测量。为实现上述发明目的，本发明基于近似熵的瞬态信号无缝测量系统包括ADC模块、特征信号粗筛选模块、阈值设置模块、详细信号存储器、筛选信号存储器、特征信号二次筛选模块、数据处理和波形映射模块以及显示器，其中：ADC模块对待测模拟信号x(t)进行采样，得到采样信号X(l)，分别发送给特征信号粗筛选模块、阈值设置模块和详细信号存储器；特征信号粗筛选模块对采样信号X(l)采用抽样方式进行特征值粗筛选得到筛选信号Y(n)，将筛选信号Y(n)存储至筛选信号存储器中；阈值设置模块根据采样信号X(l)计算特征信号二次筛选比较阈值G发送给特征信号二次筛选模块，其计算方法为：对采样信号X(l)进行抽样，抽样率与特征信号粗筛选模块相同，得到抽样信号Y′(n)，采用近似熵算法计算Y′(n)的近似熵ApEn'，然后计算特征信号二次筛选比较阈值G＝P×ApEn'，P表示预设的比例系数；详细信号存储器用于存储采样信号X(l)；筛选信号存储器用于存储筛选信号Y(n)；特征信号二次筛选模块从筛选信号存储器读取筛选信号Y(n)，采用近似熵算法计算Y(n)的近似熵ApEn，如果ApEn＞G，向详细信号存储器发送转存数据信号，否则不作任何操作；特征信号存储器在接收到转存数据信号后，读取详细信号存储器中的采样信号X(l)并作为特征信号X′(l)存储；数据处理和波形映射模块对特征信号存储器进行监测，每当其数据更新后，从特征信号存储器中读取特征信号X′(l)，进行数据处理和实时波形映射，在波形映射时采用三维波形映射；当显示周期到来时，数据处理和波形映射模块将映射波形发送给显示器；显示器用于显示数据处理和波形映射模块发送的映射波形。本发明基于近似熵的瞬态信号无缝测量系统，ADC模块对待测模拟信号采样得到采样信号存储至详细信号存储器，特征信号粗筛选模块采用抽样方式对采样信号进行粗筛选并存储至筛选信号存储器，阈值设置模块基于近似熵算法根据采样信号计算得到特征信号二次筛选比较阈值，特征信号二次筛选模块计算筛选信号的近似熵，根据特征信号二次筛选比较阈值对筛选信号进行判断，如果是特征信号则将详细信号存储器的采样信号作为特征信号存储至特征信号存储器中，数据处理和波形映射模块读取特征信号进行处理和映射，当显示周期到来时由显示器对映射波形进行显示。本发明以近似熵值定量描述采样信号的复杂度(即信息量)，并基于近似熵的实时控制，自适应的捕获特征信号，提取关键或有用信息，丢弃冗余或无用信息，从而减少了数据处理和波形显示的负担，实现了瞬态信号时域信息的无缝测量。附图说明图1是近似熵算法流程图；图2是本发明基于近似熵的瞬态信号无缝测量系统的具体实施方式结构图；图3是本实施例中峰值抽样的原理图；图4是阈值设置流程图；图5是平均值抽样原理图；图6多级流水线处理机制的数据处理和波形映射模块处理流程图；图7是第一组待测模拟信号的采样信号波形图；图8是第一组待测模拟信号的筛选信号波形图；图9是第二组待测模拟信号的采样信号波形图；图10是第二组待测模拟信号的筛选信号波形图；图11是第三组待测模拟信号的采样信号波形图；图12是第三组待测模拟信号的筛选信号波形图；图13是第四组待测模拟信号的采样信号波形图；图14是第四组待测模拟信号的筛选信号波形图；图15是第一组待测模拟信号的显示结果；图16是第二组待测模拟信号的显示结果；图17是第三组待测模拟信号的显示结果；图18是第四组待测模拟信号的显示结果。具体实施方式下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。为了更好地说明本发明的技术内容，首先对近似熵进行简单介绍。近似熵的概念是StevenM.Pincus于1991年从衡量时间序列复杂性的角度提出的，用于度量信号中产生新模式的概率。信号产生新模式的概率越大，表明序列的复杂性越大，相应的熵值也越大。即近似熵算法用一个非负数来定量表示信号的复杂性和不规则性。图1是近似熵算法流程图。如图1所示，设原始信号时间序列为x(n)＝x(1),x(2),…,x(N)，共N个样点，近似熵算法的具体步骤如下：S101：将信号x(n)按序号连续顺序组成一组m维向量：Xi＝[x(i),x(i+1),…,x(i+m-1)]，i＝1～N-m+1(1)定义向量Xi和Xj之间的距离dij为二者对应元素中差值最大的一个，即dij=maxk=0~m-1[|x(i+k)-x(j+k)|]---(2)]]>并对每一个i值，计算向量Xi与其余向量Xj(j＝1～N-m+1，j≠i)之间的距离。S102：设定阈值r(r＞0)，对每一个i值，统计dij＜r的数目nij(r)，并将nij(r)与距离总数N-m+1的比值记作即：Cim(r)=1N-m+1nij(r)---(3)]]>S103：将取对数，并求其对所有i的平均值，记作φm(r)，即φm(r)=1N-m+1Σi=1n-m+1lnCim(r)---(4)]]>S104：将维数加1，将信号x(n)构建得到m+1维向量，并计算向量Xi与其余向量Xj之间的距离dij。S105：同样地，统计dij＜r的数目nij(r)，计算S106：计算φm+1(r)：φm+1(r)=1N-mΣi=1n-mlnCim+1(r)---(5)]]>S107：计算理论上此信号x(n)的近似熵为：ApEn(m,r)=limN→∞[φm(r)-φm+1(r)]---(6)]]>一般而言，此极限值以概率1存在。实际工作时N不可能为∞。当N为有限值时，按上述步骤得出的是序列长度为N时近似熵ApEn的估计值，记作ApEn(m,r,N)＝φm(r)-φm+1(r)(7)ApEn的值显然与m，r的取值有关。Pincus根据实践，建议取m＝2，r＝0.1～0.2SD(SD是原始数据x(i)，i＝1～n的标准差(standarddeviation))。对于维数m的选取目前业内也有技术人员进行了详细讨论。因此m，r的取值可以根据实际需要来进行设置。通过以上计算步骤不难发现，近似熵的物理本质就是衡量当维数变化时信号序列中新模式出现的对数条件概率均值。因此理论上近似熵在表征信号序列的不规则性和复杂性方面具有意义。根据近似熵物理本质的分析及综合相关文献论述，可以得到近似熵算法适合用于电子测量领域信号分析的主要特点：1)由于受容限阈值r的约束，近似熵算法具有较好的抗噪能力，对电子测量而言，被测信号经常含有高频噪声干扰，故特征提取方法的抗噪能力是非常重要的。2)近似熵算法与信号序列的幅值无关，只与序列复杂程度有关，当电子测量面对小信号时，近似熵与幅值无关的特点很重要。3)近似熵算法作为一个非线性动力学参数，对随机过程和确定性过程都适用，而电子测量面对的信号往往是既包含确定性成分又包含随机成分的复杂信号，因此这个特点也很重要。4)近似熵算法只需较短数据就可得出合理稳健的估计值，该特点使之能在较短时间内提取出蕴含在信号序列中的特征信息，故适用于实时要求高的电子测量领域。5)近似熵算法的分析效果较均值、方差、标准差等统计参数好，使之能更加准确有效地提取特征信号。综上，近似熵算法适用于电子测量领域的信号分析，它能提供一种可量化的提取特征信号的新方法，本发明以此为基础指导信号采集和数据处理，提出了基于近似熵的瞬态信号无缝测量系统，实现瞬态信号的无缝测量。图2是本发明基于近似熵的瞬态信号无缝测量系统的具体实施方式结构图。如图2所示，本发明基于近似熵的瞬态信号无缝测量系统包括ADC(Analog-to-DigitalConverter，模数转换器)模块1、特征信号粗筛选模块2、阈值设置模块3、详细信号存储器4、筛选信号存储器5、特征信号二次筛选模块6、特征信号存储器7、数据处理和波形映射模块8和显示器9。ADC模块1对待测模拟信号x(t)进行采样，得到采样信号X(l)，分别发送给特征信号粗筛选模块2、阈值设置模块3和详细信号存储器4。特征信号粗筛选模块2对采样信号X(l)采用抽样方式进行特征值粗筛选得到筛选信号Y(n)，将筛选信号Y(n)存储至筛选信号存储器5中。在本发明中，是基于对信号近似熵的计算和比较来实现无缝测量的，而近似熵算法的运算量随着信号序列长度(数据量)的增加而成倍增长。对于长数据，直接计算近似熵会非常耗时。而经研究证明，近似熵算法实际只需较短数据(100～1000)就可得出合理稳健的估计值。因此，在计算近似熵之前，需要对长数据做特征值抽样处理，即进行特征信号的粗筛选。具体到数字示波器中，一次采集的数据量(样点个数)由其存储深度决定。目前，根据性能的不同，示波器普遍具有1kpts～1Gpts范围内的可变存储深度，即单次采集数据量在103～109。因此，针对不同的存储深度，可以选取不同的抽样间隔时间，对采样信号采用抽样方式进行特征信号粗筛选，并将粗筛选后信号的数据量控制在100～1000，可大大减少后续特征信号二次筛选时近似熵的计算时间。本实施例中特征信号粗筛选模块2的设计基于数字示波器的峰值检测功能，其目的在于从ADC采样信号X(l)的海量数据中实时筛选出一定间隔时间(抽样间隔k)内的峰峰值数据，形成筛选信号Y(n)。由于每组峰峰值数据包含最大值和最小值两个数据，因此还需按照信号本身特征进行排序，确定最大值和最小值的先后顺序。经过峰值抽样后，Y(n)的数据量减少为X(l)的2/k，即Y(n)的数据长度N＝2L/k，L表示采样信号X(l)的长度。图3是本实施例中峰值抽样的原理图。根据图3可以将峰值抽样可以采用如下公式表达：Y(n)=mini=1~k[X(sk+i)],n=1,3,5,...,2L/k-1,X[sk+1]≤X[(s+1)k]maxi=1~k[X(sk+i)],n=1,3,5,...,2L/k-1,X[sk+1]>X[(s+1)k]mini=1~k[X(sk+i)],n=2,4,6,...,2L/k,X[sk+1]>X[(s+1)k]maxi=1~k[X(sk+i)],n=2,4,6,...,2L/k,X[sk+1]≤X[(s+1)k],s=0~L/k-1---(8)]]>阈值设置模块3根据采样信号X(l)计算特征信号二次筛选比较阈值G。图4是阈值设置流程图。如图4所示，阈值设置的具体方法为：进入阈值设置模块3接收到采样信号X(l)后，首先对采样信号X(l)进行抽样，抽样率与特征信号粗筛选模块相同，得到抽样信号Y′(n)，显然抽样信号Y′(n)与筛选信号Y(n)的长度相同。本实施例中阈值设置模块3的设计基于数字示波器的高分辨率采样功能，所谓高分辨率采样，其本质是求取一定间隔时间内采样信号的平均值，即对采样信号X(l)进行平均值抽样，由于本实施例中特征信号粗筛选模块2采用峰峰值抽样，每个抽样间隔k内抽取两个峰值，因此采样信号X(l)进行平均值抽样的抽样间隔k'＝k/2，则可得到同筛选信号Y(n)数据量相当的平均值抽样信号Y′(n)。图5是平均值抽样原理图。根据图5可以将平均值抽样的原理以如下公式表达：Y′(n)=1k′Σi=1k′X[(n-1)×k′+i]---(9)]]>接着采用近似熵算法计算Y′(n)的近似熵ApEn'，并将ApEn'与用户预设的比例系数P相关联，通过下式可计算得到特征信号二次筛选的比较阈值G：G＝P×ApEn'(10)其中，P的取值范围为P＞1。考虑到无缝测量对实时性的高要求，本实施例中选择在FPGA中构建并行加流水线处理的运算架构来实现近似熵的快速计算。本实施例中选择通过标准差SD来设置阈值，根据图1所示流程，那么采用FPGA实现近似熵算法的难点在于计算大量的距离dij、标准差SD以及对数、平方根等复杂运算。对于dij和SD的计算，由于本发明中参与计算的原始数据是通过连续采样和筛选获得的时间序列，因此，可以采用并行加流水线技术实现，即在每个时钟节拍，并行计算新样点和所有旧样点的距离dij以及新样点和所有旧样点的和；而对于对数、平方根等复杂运算，可通过调用FPGA内部集成的CORDIC算法IP核完成。详细信号存储器4用于存储采样信号X(l)。筛选信号存储器5用于存储筛选信号Y(n)。特征信号二次筛选模块6从筛选信号存储器5读取筛选信号Y(n)，计算近似熵ApEn，ApEn与阈值G的比较结果作为特征信号存储器7的控制信号，如果ApEn＞G，则判定筛选信号Y(n)为特征信号概貌，采样信号X(l)为特征信号细节，向详细信号存储器发送转存数据信号，否则判定筛选信号Y(n)为非特征信号概貌，采样信号X(l)为非特征信号细节，不作任何操作。特征信号存储器7在接收到转存数据信号后，读取详细信号存储器4中的采样信号X(l)并作为特征信号X′(l)存储。数据处理和波形映射模块8在对特征信号存储器7进行监测，每当其数据更新后，从特征信号存储器7中读取特征信号X′(l)，进行各种数据处理和实时波形映射，在波形映射时采用三维波形映射，即多个波形统计叠加。当显示周期到来时，数据处理和波形映射模块8将映射波形发送给显示器9。显示器9用于显示数据处理和波形映射模块8发送的映射波形。在本发明中，由于数据处理和波形映射模块8需要完成对特征信号X′(l)的各种数据处理和由采样数据到波形图像的实时映射，即使单位时间内经过二次筛选后的特征信号X′(l)的总数量(波形个数)相对原始信号X(l)已大为减少，但该模块仍然承担着繁重的数据处理任务，因此也是产生测量缝隙的主要源头。因此为了尽可能地减小测量缝隙，优选设计了多级流水线处理机制的数据处理和波形映射模块。图6多级流水线处理机制的数据处理和波形映射模块处理流程图。如图6所示，针对每一个待处理数据，流水处理线中的每一级完成一个处理任务(如插值、平均、数学运算、FFT、数字滤波、波形映射等)。如果有Q个处理任务，就需要Q级流水处理线。波形映射设置在流水处理线的最后一级(第Q级)，其主要任务是将经过前Q-1级处理后的特征信号映射为波形图像，并实现对若干个波形图像的统计叠加显示。波形的统计叠加过程基于对构建的波形数据库的不断更新。针对波形图像中的每一个像素点，波形数据库中都有独立的存储单元与之对应。每当特征信号中的某个数据涉及到该单元，单元内部计数器就加1，没有涉及到则不加(计数器初始值为0)。最后，当刷屏周期到来时，整个波形数据库存储并送显的即为刷新周期内所有波形图象的统计叠加结果，从而节约了波形图象依次刷屏所消耗的时间。由于本发明采用的是三维波形映射，那么在数学上，波形数据库可看作是一个二维矩阵A，矩阵元素aij的大小代表了在S个波形中相同采样点(时间和幅度均相同)出现的次数，即命中次数A=a11,a12,...,a1La21,a22,...,a2L..................aq1,aq2,...,aqL---(11)]]>矩阵A的每一列向量则反映了该时刻采样点取值的分布情况，且1≤j≤L，S表示刷新周期内所处理的特征信号数量。所谓的波形映射处理即是根据特征信号X′(l)的每个数据对矩阵A中的每个元素进行标记。经S次映射，矩阵A就包含了该时间段内每个采样点取值在每一时刻的取值频率。显示器根据矩阵元素aij的值进行不同亮度显示即可。为了说明本发明的有效性，接下来对采用本发明实现无缝测量需要满足的条件进行理论推导。根据上述流程，影响无缝测量实现的主要因素有：模数转换器的采样率fs、采样信号X(l)的长度L、阈值设置时间tgate、两次筛选时间tscreen、数据处理和单个波形映射时间tprocess以及显示器刷屏时间tlcd等。其中，由于特征信号粗筛选可在信号采样的过程中同步实时进行，并不需要耗费额外的时间，故两次筛选时间tscreen近似等于第二次筛选时近似熵的计算时间tApEn，即tscreen≈tApEn(12)同理，阈值设置时间tgate也近似等于近似熵的计算时间tApEn，因此有tscreen＝tgate≈tApEn(13)两者计算时间相等，可通过并行处理同时求得结果。此外，由于本实施例中采用了多个波形统计叠加的显示机制，在显示器的刷屏时间tlcd内，可同时进行新的波形映射，并不会浪费时间。因此，单位时间内信号的总处理时间Tprocess只取决于fs、L、tApEn、tprocess以及特征信号的数量D'。如前文所述，要实现无缝测量，必须使得总处理时间Tprocess小于或等于总采集时间Tacq，即Tprocess≤Tacq(14)在单位时间内，令Tacq＝1s，则必须满足Tprocess＝tApEn×D+tprocess×D'≤1(15)其中，D为单位时间(1s)内采样信号x(l)的数量(波形数量)，可由采样率fs和长度L获得，即D＝fs/L(16)而D'是经过二次筛选后特征信号X'(l)的数量，将式(16)带入式(15)，可得：D′≤1-tApEn×fs/Ltprocess---(17)]]>再由式(16)、(17)可得Z=D′D×100%≤L/fs-tApEntprocess×100%---(18)]]>式(17)和(18)即为实现瞬态信号无缝测量的必要条件，即在单位时间(1s)内，当特征信号X'(l)的数量D'(绝对量)满足式(17)，或特征信号X'(l)的数量D'与采样信号x(l)的数量D的百分比Z(相对量)满足式(18)时，就可实现瞬态信号的无缝测量。而在本发明中，特征信号的判定是通过阈值G来实现的，因此可以通过控制G来控制特征信号的数量，从而达到无缝测量目的。实施例为了验证本发明对不同复杂度的瞬态信号进行筛选的有效性，利用ADI公司提供的8BitADC模型(Ideal_8_Bit.adc)构建示波器的采集系统。设示波器的采样率fs＝1GSa/s，存储深度L＝1Mpts(即每个采样信号X(l)的数据量为106)，内部系统时钟fc＝250MHz。取N＝200个数据参与特征信号二次筛选，因此粗筛选模块的峰值抽样间隔k＝2L/N＝2×106/200＝10000，阈值设置模块的平均值抽样间隔k'＝k/2＝5000。近似熵算法中取m＝2，r＝0.2SD。以下分别用四组样本数据进行仿真。记第一组待测模拟信号x1(t)＝sin(2πf0t)，其频率f0＝1kHz。图7是第一组待测模拟信号的采样信号波形图。图8是第一组待测模拟信号的筛选信号波形图。经计算，此时筛选信号(峰值抽样信号)Y1(n)的近似熵ApEn1＝0.0846，而抽样信号(平均值抽样信号)Y1′(n)的近似熵ApEn1'＝0.0858。记第二组待测模拟信号x2(t)＝sin(2πf0t)，其频率f0＝1kHz，但为了模拟偶发噪声干扰、AD量化错误等瞬态现象，在理想ADC采样模型中随机加入了失真样本(毛刺信号)。图9是第二组待测模拟信号的采样信号波形图。图10是第二组待测模拟信号的筛选信号波形图。经计算，此时筛选信号(峰值抽样信号)Y2(n)的近似熵ApEn2＝0.1040，而抽样信号(平均值抽样信号)Y2′(n)的近似熵ApEn2'＝0.0858。记第三组待测模拟信号x3(t)＝0.25×[sin(2πf0t)+sin(6πf0t)+sin(10πf0t)+sin(14πf0t)]，其频率f0＝1kHz。可见，为了模拟谐波失真，在频率f0＝1kHz的正弦信号中，叠加了3次、5次和7次谐波。图11是第三组待测模拟信号的采样信号波形图。图12是第三组待测模拟信号的筛选信号波形图。经计算，此时筛选信号(峰值抽样信号)Y3(n)的近似熵ApEn3＝0.4537，而抽样信号(平均值抽样信号)Y3′(n)的近似熵ApEn3'＝0.3706。记第四组待测模拟信号x4(t)＝0.5×sin(2πf0t)+Noise，其频率f0＝1kHz。可见，为了模拟严重噪声干扰，在频率f0＝1kHz的正弦信号中，叠加了均值为0、方差为1的均匀白噪声Noise。图13是第四组待测模拟信号的采样信号波形图。图14是第四组待测模拟信号的筛选信号波形图。经计算，此时筛选信号(峰值抽样信号)Y4(n)的近似熵ApEn4＝0.6901，而抽样信号(平均值抽样信号)Y4′(n)的近似熵ApEn4'＝0.0861。定义R为筛选信号Y(n)的近似熵ApEn与抽样信号Y′(n)的近似熵ApEn'之比：R＝ApEn/ApEn'(19)表1是四组样本数据的近似熵计算结果。序号ApEnApEn'R第一组ApEn1＝0.0846ApEn1'＝0.0858R1＝0.9861第二组ApEn2＝0.1040ApEn2'＝0.0858R2＝1.2115第三组ApEn3＝0.4537ApEn3'＝0.3706R3＝1.2243第四组ApEn4＝0.6901ApEn4'＝0.0861R4＝8.0151表1由表1可见，随着采样信号X(l)复杂程度的增加，筛选信号Y(n)的近似熵ApEn逐渐增大；同时，筛选信号Y(n)的近似熵ApEn与抽样信号Y′(n)的近似熵ApEn'之比R也逐渐增大。此结果进一步表明：1.近似熵是信号复杂度的量化指标，信号序列越复杂，近似熵就越大；2.采用峰值抽样的方式对信号进行粗筛选，可以保留信号的复杂度和特征信息；3.筛选信号和抽样信号的近似熵之比，可用于指导特征信号的二次筛选。因此，针对上述四组样本的特征信号二次筛选，用户可设置比例系数P＝1.2。表2是特征信号二次筛选的比较阈值G及二次筛选结果。序号ApEnG比较结果筛选结果第一组ApEn1＝0.0846G1＝0.1030ApEn1＜G1非特征信号第二组ApEn2＝0.1040G2＝0.1030ApEn2＞G2特征信号第三组ApEn3＝0.4537G3＝0.4447ApEn3＞G3特征信号第四组ApEn4＝0.6901G4＝0.1033ApEn4＞G4特征信号表2由表2可见，当用户设置的比例系数P＝1.2，可对包含噪声干扰、AD量化错误以及谐波失真的瞬态信号进行有效的筛选。进一步，用户可通过设置不同的比例系数P，实现对不同复杂度的瞬态信号的有效筛选。P值越大，筛选条件越严格，经过二次筛选后特征信号X′(l)的数量D'越少，D'与采样信号X(l)的数量D的百分比Z越小，系统越接近无缝。运用采用本发明基于近似熵的瞬态信号无缝测量系统构建数字示波器，其实时采样率fs＝1GSa/s，存储深度L＝1Mpts，内部系统时钟频率fc＝250MHz，近似熵的计算约需200个系统时钟周期，即tApEn≈200/fc＝8×10-7s(20)L个数据进行数据处理和波形映射时间tprocess≈l/fc＝4×10-3s(21)因此，根据式(17)和(18)，在单位时间(1s)内，当特征信号X′(l)的数量D'≤249或特征信号X′(l)的数量D'与采样信号X(l)的数量D的百分比Z≤24.98％时，可实现瞬态信号的无缝测量。实际测试时，用泰克任意波形发生器AWG5014B产生上述x1(t)、x2(t)、x3(t)和x4(t)四组被测模拟信号输入到示波器中，设置比例系数P＝1.2。图15是第一组待测模拟信号的显示结果。图16是第二组待测模拟信号的显示结果。图17是第三组待测模拟信号的显示结果。图18是第四组待测模拟信号的显示结果。图15中，由于刷屏周期内所有采样信号X1(l)都被判定为非特征信号而丢弃，故示波器显示无波形，系统始终处于等待触发的状态；图16和图17中，所有包含毛刺和各次谐波的采样信号X2(l)和X3(l)均被判定为特征信号而保留，且示波器对其进行了波形映射和显示；图18中，所有叠加了白噪声的采样信号X4(l)均被判定为特征信号而保留，但严重的噪声影响了示波器的触发系统，导致边沿触发错误，故波形显示出现了晃动和双沿的现象。上述四个模拟信号在示波器中的实际测试结果，进一步验证了本发明对不同复杂度的瞬态信号筛选的有效性。尽管上面对本发明说明性的具体实施方式进行了描述，以便于本
技术领域：
的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本
技术领域：
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。当前第1页1 2 3