一种基于云计算实现通信协议智能解析的方法与流程

本发明属于逻辑分析仪、示波器技术领域，用于逻辑分析仪与示波器中的协议解析功能。

背景技术：

在电子系统中存在着众多的通信协议，总计约有上百种。例如，有负责不同产品或模块之间通信的：如RS232/485、USB、CAN等，有负责板级通信的：如I2C、SPI、SDIO等。

电子工程师们在设计、调试系统的时候往往需要实际测量采集这些通信信号和数据，以帮助其查找问题、优化系统等。逻辑分析仪是专门用来应对此类任务的设备，它一般可以支持十几种至几十种标准协议的解析。某些示波器中也具备此功能，但受限于通道数量较少，所以支持的协议种类通常也少得多。

无论是逻辑分析仪还是示波器，目前要使用其协议解析功能，通常都需要以下步骤：首先要确定当前信号采用的是何种协议，然后在仪器或其软件中找到相应的协议解析器，然后需要手动设置一些必要的参数，最后仪器或其软件根据上述设置解析出通信数据供用户使用。

如果用户不知道被测信号基于哪种协议，那么就无法使用解析功能，而这在初学者和初级工程师群体中是很常见的。即便确定了是哪种协议，接下来还要对协议的各种参数做出恰当的设置，而某些协议又会包含多项复杂的参数，这就导致用户在使用过程中会经常出错，而错误的数据又会导致错误的分析结果，从而浪费掉使用者大量的时间和精力。

技术实现要素：

本发明针对目前协议解析器在使用上存在的操作步骤繁琐及对使用者要求较高的问题，提出了一种基于云计算与大数据深度学习为基础的通信协议智能识别并自动解析的方案。

本发明的技术方案如下：

一种基于云计算实现通信协议智能解析的方法，包括如下步骤：

S1，支持多通信协议解析的信号采集及显示客户端在采集信号后，向云端服务器发送请求以获取特征码生成算法；

S2，服务器下发特征码生成算法至客户端；

S3，利用特征码生成算法对本次采集的信号数据处理，得到特征码并截取一段信号片段，并将该特征码及信号片段上传至云端服务器；

S4，云端服务器根据上述特征码及信号片段在样本数据库中搜索匹配的解析算法；

当搜索到匹配的解析算法时将其下发给客户端，客户端根据该算法解析信号数据后显示解析结果以及自我统计本次解析的相关数据，将统计结果上传至服务器，服务器根据统计信息判断有无错误或缺陷；如无，服务器将统计信息输入至特征码算法学习器和样本数据库，学习器自我迭代改进，并更新样本数据与解析算法的对应关系；如有，进行人工分析，将人工纠正后的对应关系及统计信息输入至特征码算法学习器及样本数据库，学习器自我迭代改进，并更新样本数据与解析算法的对应关系；

当未搜索到匹配的解析算法时，通知客户端无法解析，并由人工确定此信号是否属于某种协议解析，如是，将对应关系反馈至特征码算法学习器并由其自我迭代改进算法，同时添加特征码与信号片段到数据库并指定与解析算法的对应关系，如不属于任何协议不做处理。

优选的，所述客户端为运行在电脑上的逻辑分析仪或示波器软件，或者为具备联网功能的独立式逻辑分析仪或示波器设备。

优选的，所述客户端自我统计的相关数据包括误码率、与标准协议的相似度以及误码产生位置。

优选的，所述步骤S4中，所述云端服务器接接收到客户端上传的特征码与信号片段后，先根据特征码在样本数据库中查找匹配度最高的记录，

如特征码匹配相似度达到95％以上，则直接提取该特征码对应的解析算法并下发给客户端；

如特征码匹配度小于95％时，启动信号片段相似搜索，查找匹配度最高的记录，如信号片段匹配度达到80％以上，则提取该片段对应的解析算法，将其下发给客户端；

如片段匹配度小于80％时，通知客户端无法解析，并生成一个人工处理请求，发送到后台专业工程师的维护界面上，由工程师确定此信号是否可按某种标准协议解析，如可以则将对应关系反馈至特征码算法学习器，学习器自我迭代调整算法，同时添加特征码与信号片段到数据库中，并指定对应关系，如不属于任何协议则不做处理。

优选的，所述步骤S4中，当云端服务器接收到客户端上传的统计数据后，

如误码率小于1％且与标准协议相似度大于90％，服务器将此统计信息直接输入到特征码算法学习器及样本数据库中，学习器进行自我迭代学习，进一步精确化特征码生成算法，添加样本数据与解析算法对应关系到数据库；

如误码率大于1％或与标准协议相似度小于90％，则说明本次协议识别可能存在错误，此时服务器将生成一个人工处理请求，发送给后台工程师，由工程师分析问题，将人工纠正的对应关系与本次统计信息一同输入到特征码算法学习器及样本数据库中，人工调整特征码算法并结合原始的特征码和信号片段添加新的对应关系到数据库中。

与现有技术相比，本发明的优点和积极效果在于：

本发明实现了通信协议的智能化自动解析，不需要用户提前确定协议类型，省去了繁杂的协议设置步骤，从而极大的降低了对用户专业技术水平的要求，大幅提升工作效率、降低出错概率。

附图说明

图1为本发明的系统结构图。

图2为Kingst VIS软件界面。

具体实施方式

为了能够更加清楚地理解本发明的上述目的、特征和优点，下面结合附图及实施例对本发明做进一步说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实施例。

参考图1，本发明包括客户端和服务器，二者之间通过公共因特网实现连接。本发明所述的客户端可支持多通信协议解析的信号采集及显示，其可以是运行在电脑上的逻辑分析仪或示波器软件，也可以是具备联网功能的独立式逻辑分析仪或示波器设备。服务器是基于云端的软件系统，该服务器具备大量通信样本数据以及适用于客户端软件的各种协议解析算法，并可为客户端提供基于自我迭代的深度学习能力所得来的特征码生成算法。

本发明一种基于云计算实现通信协议智能解析的方法，该方法具体包括如下步骤：

S1，客户端在完成一次信号采集后，向云端服务器发送请求以获取特征码生成算法；

S2，服务器下发特征码生成算法至客户端；

S3，利用此算法对本次采集的信号数据进行处理，得到特征码并截取一段信号片段；然后向云端服务器上传本次特征码与信号片段；

S4，云端服务器据此在样本数据库中进行搜索匹配，

当搜索到匹配的解析算法时，将该解析算法下发给客户端，客户端得到该解析算法后利用该算法对被测信号进行解析，客户端解析出数据后，一方面将解析结果呈现在用户界面上供用户使用，另一方面，客户端自我统计本次解析的相关数据，包括本次解析的误码率、与标准协议的相似度以及误码产生位置鞥数据，并将该统计结果上传至服务器，服务器接收统计信息后据此判断有无错误或缺陷；如无错误或缺陷(也就是误码率低，相似度高)，服务器将接收到的统计信息反馈至算法学习器并更新样本数据库，算法学习器自我迭代改进特征码生成算法，并添加样本数据与解析算法的对应关系，这一过程是数据积累的过程，以便以后能够找到越来越精确的匹配；如有错误或缺陷(也就是误码率高，相似度低)，服务器则提交一份人工处理请求，由专业工程师分析原因何在，人工纠正这次错误的匹配，然后将人工纠正后的对应关系及本次的统计信息反馈给算法学习器及样本数据库，学习器迭代调整自身的算法，添加样本数据与解析算法的对应关系；

当未搜索到匹配的解析算法时，通知客户端无法解析，如得到的是无法解析的通知则在用户界面上告知客户无法解析数据，同时提交一份人工处理请求，由专业工程师确定此信号是否可按某种协议解析，如确定属于某种协议，将对应关系反馈至特征码算法学习器，学习器自我迭代调整算法，同时添加特征码与信号片段到数据库并指定与解析算法的对应关系；如不属于任何协议则不做处理。

在本系统运行初期，样本数据主要来自于实验室与前期有限的积累，样本数据库较小，特征提取算法尚不完善，所以会经常需要人工介入帮助完善算法与数据库；随着系统的运行，各类不同领域用户的增加，积累的样本数据将迅速增多，匹配搜索的成功率将越来越高，系统的智能化、自动化程度也就越来越高，经过一段时间的积累后将基本不需要人工的介入，从而实现通信协议的智能识别与自动解析。

实施例：

下面结合具体实施例对发明作进一步说明，利用本公司自行开发的系统进行具体说明：

客户端由运行于电脑上的KingstVIS软件搭配KingstLA系列逻辑分析仪硬件设备组成，服务器则建立在阿里云ECS上，以便提供优质的网络连接服务。

VIS软件用户界面如图2所示，用户在使用时只需要添加名为“AutoAnalyzer”的解析器即可。在用户完成一次信号采集后，VIS软件自动启动智能解析过程，具体步骤如下：

通过公网IP地址与阿里云ECS建立TCP连接，通过此连接发送特征码生成算法获取请求，服务器收到请求后立即下发当前特征码生成算法的dll文件；

VIS软件接收到特征码算法dll文件后，立即动态加载该文件，将本次采样结果作为输入，运行算法得出特征码，并根据算法截取一段信号片段作为原始数据与特征码一起上传到服务器；

服务器接收到特征码与信号片段后，首先根据特征码搜索数据库，查找匹配度最高的记录，若匹配相似度达到95％以上，则直接提取该特征码对应的解析算法(dll文件)并下发给客户端；特征码匹配度小于95％时，启动信号片段相似搜索，查找匹配度最高的记录，若匹配度达到80％以上，则提取该片段对应的解析算法(dll文件)下发给客户端；片段匹配度小于80％时，通知客户端无法解析，客户端如收到无法解析的通知，则直接在VIS软件界面上提示用户解析失败，并生成一个人工处理请求，发送到后台专业工程师的维护界面上，由工程师确定此信号是否可按某种标准协议解析，如属于其中的某种协议，则将对应关系反馈至特征码算法学习器，学习器自我迭代调整算法，同时添加特征码与信号片段到样本数据库中，并分别指定特征码及信号片段与解析算法的对应关系，并将该协议解析算法反馈给特征码生成算法学习器，如不属于任何协议则不做处理。

如客户端收到解析算法的dll文件，则立即动态加载该文件，并将采样结果作为输入运行解析算法，将最终解析出的数据显示到用户界面上(如图2中通道0/1上的数据)，以供用户做进一步分析使用。同时，客户端还会在VIS软件后台统计本次解析的误码率、误码产生位置、与标准协议信号的整体相似度等信息，将其反馈上传到服务器。

服务器接收到反馈信息后，如误码率小于1％且与标准协议相似度大于90％，则将此反馈信息直接输入到特征码算法学习器及样本数据库中，学习器进行自我迭代学习，进一步精确化特征码生成算法，添加样本数据与解析算法对应关系到数据库中。

如误码率大于1％或与标准协议相似度小于90％，则说明本次协议识别可能存在错误，此时服务器将生成一个人工处理请求，发送给后台工程师，由工程师分析问题所在，将人工纠正的对应关系与本次统计信息一同输入到特征码算法学习器及样本数据库中，人工调整特征码算法，并结合原始的信号片段等数据一同添加新的对应关系到数据库中。

原始信息片段由全部原始采样数据中截取(因原始数据可能很大，不适宜全部上传，所以截取一段具备典型特征的片段上传)，特征码是由全部原始采样数据为基础经过特征码生成算法计算出来的一组数据(比较小，通常只有几十个字节)。解析算法是根据原始信息片段和特征码一同作为条件从数据库中搜索出来的，特征码优先，因为数据量小，执行起来比较快。

本发明实现了通信协议的智能化自动解析，不需要用户提前确定协议类型，省去了繁杂的协议设置步骤，从而极大的降低了对用户专业技术水平的要求，大幅提升工作效率、降低出错概率。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。