精华内容
下载资源
问答
  • 噪声修正的探讨

    2013-03-25 23:52:17
    噪声背景修正,就噪声污染源监测中背景值修正存在的一些难以解决的问题,以及这些问题对监测数据的准确性和可靠性 的影响进行分析讨论,指出现行的厂界噪声测量方法标准在实施过程中的难操作性,并提出修订该标准的...
  • 针对在语音通信过程中,纯净语音信号经常受到周围有色噪声环境干扰...实验结果表明,在信噪比不同的工厂噪声等有色噪声背景下,与传统子空间的算法相比,经过新算法的语音信噪比得到了明显的提高,且有效地降低了音乐噪声。
  • 噪声背景下的正弦信号相位估计在雷达、导航、波达方向估计等领域有着广泛的应用。提出了一种基于互高阶累计量的正弦信号相位估计方法——奇异分解法。这种方法通过对互高阶累积量矩阵进行奇异分解,得到信号子...
  • 针对光码分多址(OCDMA)的多用户干扰问题, 研究采用APD光电检测器的系统中存在多种噪声情况下, 基于最大判决的光码分多址并行干扰抑制方法的多用户干扰抑制效果。阐述了其工作原理, 即在发送端对比特“0”和比特“1...
  • 建立了实测背景噪声的AR模型,分别用奇异分解法和Levinson—Durbin(LD)递推法计算其AR模型参数,并进行仿真比 较分析。结果表明:利用奇异分解法所求参数和利用LD递推法所求参数都是可行的,奇异分解法所得...
  • 一篇EI期刊,题目《 电力线通信信道背景噪声建模研究》。建了背景噪声测量电路,建立了实测背景噪声的 AR 模型,分别用奇异分解法和 Levinson-Durbin(LD)递推法计算其 AR 模型参数,并进行仿真比较分析
  • 基于数学形态学的背景噪声处理算法通过图像二化、二形态学处理及背景替换消除背景噪声。其减小了互信息配准测度的局部极值,改善了配准测度。
  • 为了定量分析背景噪声对声发射源线定位的影响,分别在半消声室、一般实验室和建筑工地三种环境下,进行了声发射模拟源直线定位的测试,并且通过改变门槛分析测量定位同实际定位之间的误差.实验结果表明,背景...
  • 针对使用视觉背景提取(ViBe)模型在室外动态背景下进行移动目标检测时存在不规则闪烁像素点对前景检测结果造成干扰的问题,提出一种基于视觉背景提取算法的闪烁像素噪声消除方法。在背景模型建立阶段设定背景模型样本...
  • 针对微光像增强器噪声特性,理论上分析了微光像增强器背景光子噪声特点。设计了采用光子计数法及使用类针孔微弱光照度计对微光像增强器的...以各个空间点和时间点照度为基础分析了无光照时像增强器背景噪声在时间和空
  • 针对现有的助听器语音增强算法在非平稳噪声环境下,残留大量背景噪声的同时还引入了“音乐噪声”,致使增强语音可懂度和信噪比不理想等问题。提出了一种基于噪声估计的二掩蔽语音增强算法,该算法利用人耳听觉感知...
  • Noize是一个使用React构建的简单Web应用程序(使用 ),可帮助人们使用白噪声背景噪声放松/集中注意力。现场。 可用脚本 在项目目录中,可以运行: npm start 在开发模式下运行该应用程序。打开在浏览器中查看它。...
  • 图像相加常用来求平均去除addtive噪声或者实现二次曝光(double-exposure)。图像相减用于减去背景或周期噪声,污染等。 图像相加 OpenCV中提供了相加的函数 [cpp] view plain c

    代数运算,就是对两幅图像的点之间进行加、减、乘、除的运算。四种运算相应的公式为:


    代数运算中比较常用的是图像相加和相减。图像相加常用来求平均值去除addtive噪声或者实现二次曝光(double-exposure)。图像相减用于减去背景或周期噪声,污染等。

    图像相加


    OpenCV中提供了相加的函数
    [cpp] view plain copy
    1. void cvAcc(   
    2.            const CvArr* image,//输入图像  
    3.            CvArr* sum,  //累积图像   
    4.            const CvArr* mask=NULL//可选的运算  
    5.  );  
    我们还需要用到一个线性变换转换函数来对相加的结果求平均
    [cpp] view plain copy
    1. void cvConvertScale(   
    2.         const CvArr* src, //输入数组  
    3.         CvArr* dst,//输出数组  
    4.         double scale=1,//比例  
    5.         double shift=0 //缩放比例,可选  
    6. );  
    7. #define cvCvtScale cvConvertScale  
    8. #define cvScale  cvConvertScale  
    9. #define cvConvert( src, dst )  cvConvertScale( (src), (dst), 1, 0 )  


    实践:平均值去噪

    我们用NASA的一段幸运团的视频做实验,截取视频的某几个连续帧求平均值:
    [cpp] view plain copy
    1. int main()  
    2. {  
    3.     CvCapture* capture=cvCaptureFromFile("media.avi");  
    4.     IplImage* frame=  NULL;  
    5.     IplImage * imgsum =NULL;  
    6.       
    7.     int start=301;  
    8.     int end=304;  
    9.     cvSetCaptureProperty(capture, CV_CAP_PROP_POS_FRAMES, start);  
    10.       
    11.     int count = start;  
    12.     while( cvGrabFrame(capture) && count <= end )  
    13.     {  
    14.         frame = cvRetrieveFrame(capture);// 获取当前帧  
    15.         if(imgsum==NULL){  
    16.             imgsum=cvCreateImage(cvGetSize(frame),IPL_DEPTH_32F,3);  
    17.             cvZero(imgsum);  
    18.         }  
    19.         cvAcc(frame,imgsum);  
    20.   
    21.         char testname[100];  
    22.         sprintf(testname,"%s%d%s","image",count,".jpg");  
    23.         cvShowImage(testname,frame);  
    24.         cvSaveImage(testname,frame);  
    25.           
    26.         count++;  
    27.     }  
    28.     IplImage * imgavg = cvCreateImage(cvGetSize(frame),IPL_DEPTH_8U,3);  
    29.     cvConvertScale(imgsum,imgavg,1.0/4.0);  
    30.       
    31.     cvShowImage("imageavg",imgavg);  
    32.     cvSaveImage("imageavg_4.jpg",imgavg);  
    33.       
    34.     cvWaitKey(0);  
    35.     cvReleaseCapture(&capture);  
    36.     return 0;  
    37. }  
    以下从左到右分别是连续两帧、四帧、八帧、十六帧求均值的结果:
       

       


    实践:图像二次曝光

    曝光和去噪是一样的,也是对几幅图像求平均
    [cpp] view plain copy
    1. //通过求平均二次曝光  
    2. int main()  
    3. {  
    4.     IplImage* image1=  cvLoadImage("psu3.jpg");  
    5.     IplImage* image2=  cvLoadImage("psu4.jpg");  
    6.       
    7.     IplImage * imgsum =cvCreateImage(cvGetSize(image1),IPL_DEPTH_32F,3);  
    8.     cvZero(imgsum);  
    9.     cvAcc(image1,imgsum);  
    10.     cvAcc(image2,imgsum);  
    11.   
    12.     IplImage * imgavg = cvCreateImage(cvGetSize(image1),IPL_DEPTH_8U,3);  
    13.     cvConvertScale(imgsum,imgavg,1.0/2.0);  
    14.   
    15.     cvShowImage("imageavg",imgavg);  
    16.     cvSaveImage("avg.jpg",imgavg);  
    17.   
    18.     cvWaitKey(0);  
    19.     cvReleaseImage(&image1);  
    20.     cvReleaseImage(&image2);  
    21.     cvReleaseImage(&imgsum);  
    22.     cvReleaseImage(&imgavg);  
    23.     return 0;  
    24. }  
    下图是对同学街舞截图的“二次曝光”效果:


    图像相减


    OpenCV中用cvAbsDiff函数计算两数组的差的绝对值
    [cpp] view plain copy
    1. void cvAbsDiff(   
    2.         const CvArr* src1,//第一个输入数组  
    3.         const CvArr* src2,//第二个输入数组  
    4.         CvArr* dst//输出数组  
    5. );  


    实践:减去背景

    减去背景是通过两幅图像代数相减,可以判断出前景区域和运动区域,这是最简单(很多时候也是效果很好的)运动检测方法。
    [cpp] view plain copy
    1. //减去背景  
    2. int main()  
    3. {  
    4.     IplImage* pFrame = NULL;   
    5.     IplImage* pFrImg = NULL;  
    6.     IplImage* pBkImg = NULL;  
    7.   
    8.     CvMat* pFrameMat = NULL;  
    9.     CvMat* pFrMat = NULL;  
    10.     CvMat* pBkMat = NULL;  
    11.   
    12.     CvCapture* pCapture = NULL;  
    13.   
    14.     int nFrmNum = 0;  
    15.   
    16.     //创建窗口  
    17.     cvNamedWindow("video", 1);  
    18.     cvNamedWindow("background",1);  
    19.     cvNamedWindow("foreground",1);  
    20.   
    21.     pCapture = cvCaptureFromFile("media.avi");  
    22.     while(pFrame = cvQueryFrame( pCapture ))  
    23.     {  
    24.         nFrmNum++;  
    25.   
    26.         //如果是第一帧,需要申请内存,并初始化  
    27.         if(nFrmNum == 1)  
    28.         {  
    29.             pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);  
    30.             pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);  
    31.   
    32.             pBkMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
    33.             pFrMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
    34.             pFrameMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
    35.   
    36.             //转化成单通道图像再处理  
    37.             cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY);  
    38.             cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  
    39.   
    40.             cvConvert(pFrImg, pFrameMat);  
    41.             cvConvert(pFrImg, pFrMat);  
    42.             cvConvert(pFrImg, pBkMat);  
    43.         }  
    44.         else  
    45.         {  
    46.             cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  
    47.             cvConvert(pFrImg, pFrameMat);  
    48.             //当前帧跟背景图相减  
    49.             cvAbsDiff(pFrameMat, pBkMat, pFrMat);  
    50.             //二值化前景图  
    51.             cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);  
    52.             //更新背景  
    53.             cvRunningAvg(pFrameMat, pBkMat, 0.003, 0);  
    54.             //将背景转化为图像格式,用以显示  
    55.             cvConvert(pBkMat, pBkImg);  
    56.   
    57.             cvShowImage("video", pFrame);  
    58.             cvShowImage("background", pBkImg);  
    59.             cvShowImage("foreground", pFrImg);  
    60.   
    61.             if( cvWaitKey(2) >= 0 )  
    62.                 break;  
    63.         }  
    64.     }  
    65.     cvDestroyWindow("video");  
    66.     cvDestroyWindow("background");  
    67.     cvDestroyWindow("foreground");  
    68.     cvReleaseImage(&pFrImg);  
    69.     cvReleaseImage(&pBkImg);  
    70.     cvReleaseMat(&pFrameMat);  
    71.     cvReleaseMat(&pFrMat);  
    72.     cvReleaseMat(&pBkMat);  
    73.     cvReleaseCapture(&pCapture);  
    74.     return 0;  
    75. }  
    效果图:

    转载请注明出处:http://blog.csdn.net/xiaowei_cqu/article/details/7610665
    实验代码及视频下载:http://download.csdn.net/detail/xiaowei_cqu/4335573



    展开全文
  • 最后利用肤色二图排除肤色区域范围外的噪声点得到边缘图像。此肤色二图是图像经过形态学处理,并且依据人侧脸的先验知识通过分析和筛选所得到的。该方法引入了多尺度小波模极大图像叠加技术,对解决复杂背景下人...
  • 代数运算,就是对两幅...图像相加常用来求平均去除addtive噪声或者实现二次曝光(double-exposure)。图像相减用于减去背景或周期噪声,污染等。 图像相加 OpenCV中提供了相加的函数 [cpp] view plainco

    代数运算,就是对两幅图像的点之间进行加、减、乘、除的运算。四种运算相应的公式为:


    代数运算中比较常用的是图像相加和相减。图像相加常用来求平均值去除addtive噪声或者实现二次曝光(double-exposure)。图像相减用于减去背景或周期噪声,污染等。

    图像相加


    OpenCV中提供了相加的函数
    1. void cvAcc(   
    2.            const CvArr* image,//输入图像  
    3.            CvArr* sum,  //累积图像   
    4.            const CvArr* mask=NULL//可选的运算  
    5.  );  
    我们还需要用到一个线性变换转换函数来对相加的结果求平均
    1. void cvConvertScale(   
    2.         const CvArr* src, //输入数组  
    3.         CvArr* dst,//输出数组  
    4.         double scale=1,//比例  
    5.         double shift=0 //缩放比例,可选  
    6. );  
    7. #define cvCvtScale cvConvertScale  
    8. #define cvScale  cvConvertScale  
    9. #define cvConvert( src, dst )  cvConvertScale( (src), (dst), 1, 0 )  


    实践:平均值去噪

    我们用NASA的一段幸运团的视频做实验,截取视频的某几个连续帧求平均值:
    1. int main()  
    2. {  
    3.     CvCapture* capture=cvCaptureFromFile("media.avi");  
    4.     IplImage* frame=  NULL;  
    5.     IplImage * imgsum =NULL;  
    6.       
    7.     int start=301;  
    8.     int end=304;  
    9.     cvSetCaptureProperty(capture, CV_CAP_PROP_POS_FRAMES, start);  
    10.       
    11.     int count = start;  
    12.     while( cvGrabFrame(capture) && count <= end )  
    13.     {  
    14.         frame = cvRetrieveFrame(capture);// 获取当前帧  
    15.         if(imgsum==NULL){  
    16.             imgsum=cvCreateImage(cvGetSize(frame),IPL_DEPTH_32F,3);  
    17.             cvZero(imgsum);  
    18.         }  
    19.         cvAcc(frame,imgsum);  
    20.   
    21.         char testname[100];  
    22.         sprintf(testname,"%s%d%s","image",count,".jpg");  
    23.         cvShowImage(testname,frame);  
    24.         cvSaveImage(testname,frame);  
    25.           
    26.         count++;  
    27.     }  
    28.     IplImage * imgavg = cvCreateImage(cvGetSize(frame),IPL_DEPTH_8U,3);  
    29.     cvConvertScale(imgsum,imgavg,1.0/4.0);  
    30.       
    31.     cvShowImage("imageavg",imgavg);  
    32.     cvSaveImage("imageavg_4.jpg",imgavg);  
    33.       
    34.     cvWaitKey(0);  
    35.     cvReleaseCapture(&capture);  
    36.     return 0;  
    37. }  
    以下从左到右分别是连续两帧、四帧、八帧、十六帧求均值的结果:
       

       


    实践:图像二次曝光

    曝光和去噪是一样的,也是对几幅图像求平均
    1. //通过求平均二次曝光  
    2. int main()  
    3. {  
    4.     IplImage* image1=  cvLoadImage("psu3.jpg");  
    5.     IplImage* image2=  cvLoadImage("psu4.jpg");  
    6.       
    7.     IplImage * imgsum =cvCreateImage(cvGetSize(image1),IPL_DEPTH_32F,3);  
    8.     cvZero(imgsum);  
    9.     cvAcc(image1,imgsum);  
    10.     cvAcc(image2,imgsum);  
    11.   
    12.     IplImage * imgavg = cvCreateImage(cvGetSize(image1),IPL_DEPTH_8U,3);  
    13.     cvConvertScale(imgsum,imgavg,1.0/2.0);  
    14.   
    15.     cvShowImage("imageavg",imgavg);  
    16.     cvSaveImage("avg.jpg",imgavg);  
    17.   
    18.     cvWaitKey(0);  
    19.     cvReleaseImage(&image1);  
    20.     cvReleaseImage(&image2);  
    21.     cvReleaseImage(&imgsum);  
    22.     cvReleaseImage(&imgavg);  
    23.     return 0;  
    24. }  
    下图是对同学街舞截图的“二次曝光”效果:


    图像相减


    OpenCV中用cvAbsDiff函数计算两数组的差的绝对值
    1. void cvAbsDiff(   
    2.         const CvArr* src1,//第一个输入数组  
    3.         const CvArr* src2,//第二个输入数组  
    4.         CvArr* dst//输出数组  
    5. );  


    实践:减去背景

    减去背景是通过两幅图像代数相减,可以判断出前景区域和运动区域,这是最简单(很多时候也是效果很好的)运动检测方法。
    1. //减去背景  
    2. int main()  
    3. {  
    4.     IplImage* pFrame = NULL;   
    5.     IplImage* pFrImg = NULL;  
    6.     IplImage* pBkImg = NULL;  
    7.   
    8.     CvMat* pFrameMat = NULL;  
    9.     CvMat* pFrMat = NULL;  
    10.     CvMat* pBkMat = NULL;  
    11.   
    12.     CvCapture* pCapture = NULL;  
    13.   
    14.     int nFrmNum = 0;  
    15.   
    16.     //创建窗口  
    17.     cvNamedWindow("video", 1);  
    18.     cvNamedWindow("background",1);  
    19.     cvNamedWindow("foreground",1);  
    20.   
    21.     pCapture = cvCaptureFromFile("media.avi");  
    22.     while(pFrame = cvQueryFrame( pCapture ))  
    23.     {  
    24.         nFrmNum++;  
    25.   
    26.         //如果是第一帧,需要申请内存,并初始化  
    27.         if(nFrmNum == 1)  
    28.         {  
    29.             pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);  
    30.             pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height),  IPL_DEPTH_8U,1);  
    31.   
    32.             pBkMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
    33.             pFrMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
    34.             pFrameMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  
    35.   
    36.             //转化成单通道图像再处理  
    37.             cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY);  
    38.             cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  
    39.   
    40.             cvConvert(pFrImg, pFrameMat);  
    41.             cvConvert(pFrImg, pFrMat);  
    42.             cvConvert(pFrImg, pBkMat);  
    43.         }  
    44.         else  
    45.         {  
    46.             cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  
    47.             cvConvert(pFrImg, pFrameMat);  
    48.             //当前帧跟背景图相减  
    49.             cvAbsDiff(pFrameMat, pBkMat, pFrMat);  
    50.             //二值化前景图  
    51.             cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);  
    52.             //更新背景  
    53.             cvRunningAvg(pFrameMat, pBkMat, 0.003, 0);  
    54.             //将背景转化为图像格式,用以显示  
    55.             cvConvert(pBkMat, pBkImg);  
    56.   
    57.             cvShowImage("video", pFrame);  
    58.             cvShowImage("background", pBkImg);  
    59.             cvShowImage("foreground", pFrImg);  
    60.   
    61.             if( cvWaitKey(2) >= 0 )  
    62.                 break;  
    63.         }  
    64.     }  
    65.     cvDestroyWindow("video");  
    66.     cvDestroyWindow("background");  
    67.     cvDestroyWindow("foreground");  
    68.     cvReleaseImage(&pFrImg);  
    69.     cvReleaseImage(&pBkImg);  
    70.     cvReleaseMat(&pFrameMat);  
    71.     cvReleaseMat(&pFrMat);  
    72.     cvReleaseMat(&pBkMat);  
    73.     cvReleaseCapture(&pCapture);  
    74.     return 0;  
    75. }  
    效果图:

    转载请注明出处:http://blog.csdn.net/xiaowei_cqu/article/details/7610665
    实验代码及视频下载:http://download.csdn.net/detail/xiaowei_cqu/4335573

    展开全文
  • matlab中噪声代码 车架号识别 识别图片中的车架号,由于车架号一般在挡风玻璃上,背景与...其中matlab部分主要负责预处理,包括局部二化,分割字符,去除噪声(区域生长法)等 python部分使用字符串CNN模型进行识别
  • 噪声修正excel

    2015-08-20 10:43:09
    可用于噪声排放监测报告编制时使用,根据实测、背景、标准进行自动推算。并自带监测时段生成(只需填写第一个时间)
  • 非平衡载流子和器件有效寿命的理论分析,表明器件噪声背景辐射的变化存在一个极大,而中波和甚长波器件处在不同的作用区域内,接受到的背景辐射对载流子浓度和器件有效寿命的影响不同,从而噪声变化表现不同。...
  • 电视机无信号时的背景噪声和调频收音机无台时的背景噪声均是白噪声。白噪声可用来测量扬声器和耳机的谐振和灵敏度等。 4: 从波形角度看,粉红噪音是分形的,在一定的范围内音频数据具有相同或类似的能量。粉红噪声...
  • 背景 信号质量指数(SQI)被用于表征以太网通信链路质量。因此,可以通过读取到的SQI判断控制器当前通信链路质量。 另外,在控制器通讯过程中,PHY芯片会实时监控SQI,当监测到的SQI低于阈值时,PHY芯片将会...

    小伙伴们好,又到车载以太网测试之实锤系列,之前我们已经从环境设备组成、被测对象组成再到测试过程和测试结果分析,分享了完整的PMA测试IOP测试,以及TC8-SOME/IP1000BASE-T1物理层PMA测试DoIP测试TC8车载以太网一致性测试,也分享了AVB测试相关技术干货与测试实践,感兴趣的小伙伴可以点击相应主题回顾一下。

    今天我们来聊聊基于电阻噪声(TC8 1.0)和高斯噪声(TC8 2.0)的信号质量指数(SQI)测试方案对比。



    背景

    信号质量指数(SQI)被用于表征以太网通信链路质量。因此,可以通过读取到的SQI值判断控制器当前通信链路质量。

    另外,在控制器通讯过程中,PHY芯片会实时监控SQI值,当监测到的SQI值低于阈值时,PHY芯片将会断开通信链路,以保证通信的可靠性。

    SQI值作为评判以太网通信链路质量的依据,其值的正确性直接影响到PHY芯片之间通信链接的“行为”,因此SQI值的测试非常必要和重要。


    测试方案对比

    • 在TC8 1.0中,使用Technica-Golden Device,在BR+/BR-之间注入电阻噪声的方式进行测试。

    • 在TC8 2.0中,采用Rohde & Schwarz信号发生器仿真高斯噪声,通过定向耦合器将高斯噪声耦合到以太网通信线束上的方式进行测试,此时Link Partner将不会受到噪声的干扰,只关注DUT本身的SQI、Link Status与噪声等级之间的关系,Link Partner的作用被弱化。


    测试原理说明

    TC8 1.0的噪声注入原理图如下所示,通过改变Technica-Golden Device并联在BR+/BR-之间电阻的阻值,以达到改变噪声注入等级的目的。
    在这里插入图片描述
    在这里插入图片描述

    图1 TC8 1.0 IOP SQI测试原理框图

    (图片来源:OPEN Alliance Automotive Ethernet ECU Test Specification_TC8 V1.0)

    TC8 2.0的噪声注入原理图如下所示,Rohde & Schwarz信号发生器仿真的高斯噪声,通过定向耦合器耦合到通信链路上。通过改变仿真的高斯噪声幅值,来改变耦合到通信链路上的噪声等级。


    在这里插入图片描述

    图2 TC8 2.0 IOP SQI测试原理框图



    测试实现说明

    TC8 1.0 IOP SQI测试

    基于Vector公司的CANoe CAPL,北汇信息自主定制开发了TC8 1.0 IOP的自动化测试工程,控制Technica-Golden Device注入电阻噪声,获得DUT SQI与Link状态,自动生成测试报告。


    在这里插入图片描述

    图3 TC8 1.0 IOP SQI测试环境



    TC8 2.0 IOP SQI测试

    基于Vector公司的CANoe CAPL,北汇信息自主定制开发了TC8 2.0 IOP自动化测试工程。

    基于Vector公司的CANoe CAPL,北汇信息自主定制开发了TC8 2.0 IOP自动化测试工程。

    测试步骤:

    a.	将Technica-Golden Device作为Link Partner,设置与DUT相对的Master/Slave模式
    b.	Rohde & Schwarz信号发生器初始化并设置高斯噪声带宽
    c.	设置Rohde & Schwarz信号发生器高斯噪声幅值
    d.	读取DUT SQI/Link状态,次数为100次
    e.	重复步骤c、d(设置高斯噪声幅值递增/递减)
    f.	自动生成测试报告
    

    在这里插入图片描述

    图4 TC8 2.0 IOP SQI测试环境



    为保证测试效率,开发专用的自动化测试脚本,实现:

    • 支持通过RS232、CAN/LIN、ADB通信接口,实现对被测对象的PHY寄存器读写
    • 实现对Rohde & Schwarz信号发生器程控,实现如下功能:
    o 仿真信号类型选择
    o 高斯噪声文件加载、带宽设置、幅值设置
    o 信号发生器通道阻抗设置和通道使能



    测试总结

    方案对比

    在这里插入图片描述

    图5 TC8 1.0/2.0 IOP SQI测试对比图

    测试结果对比

    在这里插入图片描述

    图6 TC8 1.0 IOP SQI测试结果

    在这里插入图片描述

    图7 TC8 2.0 IOP SQI测试结果



    分析

    影响SQI值的因素主要为外部环境的辐射和控制器通信链路的物理特征,如线束材质、长度、绞距以及接入连接器的特性,所引起通信链路阻抗匹配以及突变情况,从而导致传输信号衰减和反射,其中信号反射又对原信号产生“叠加噪声”。

    由此可见,通信链路的阻抗变化为“本因”,噪声为“现象”,本方案通过“本因”和“现象”两种测试方法对比SQI测试结果。

    根据两种测试方法的测试结果,被测控制器出现SQI值不稳定的位置相同,测试结果无太大差异。


    小结

    TC8 1.0与TC8 2.0中注入噪声的类型本质都是高斯噪声,通过上述的实践对比,两种方案均满足IOP SQI的测试要求。
    北汇信息可提供基于Vector公司的CANoe、Technica的Golden Device、Rohde & Schwarz的信号发生器及定向耦合器组合的100BASE-T1 IOP测试解决方案,同时满足TC8 1.0和TC8 2.0的IOP测试要求,提供测试验证服务。
    感谢Vector、Rohde & Schwarz、Technica对本测试方案给予的专业支持。
    基于现有的Vector-VN5640、Technica-Golden Device等设备,北汇信息已实现了1000BASE-T1 IOP测试的过渡方案,敬请关注后续分享。


    参考文献

    【1】OPEN Alliance Automotive Ethernet ECU Test Specification_TC8 V1.0
    【2】OPEN Alliance Automotive Ethernet ECU Test Specification_TC8 V2.0
    【3】Datasheet:TJA1100—100BASE-T1 PHY for Automotive Ethernet.pdf
    【4】OA_100BASE-T1_Interoperability_Test_Suite_V1.0
    【5】1000BASE-T1_罗德与施瓦茨 汽车以太网一致性测试.pdf
    【6】Golden Device Manual.pdf

    作者:北汇信息-何适、王培



    ----------------------------------------------------------------------------------------------------------------------



    喜欢此篇文章的话欢迎一键三联支持小编吧~!

    更多相关资讯及业务介绍,欢迎访问上海北汇信息官方网站:上海北汇信息科技有限公司
    北汇官方知乎账号:北汇信息-知乎
    更多技术干货,行业前沿动态,请关注上海北汇信息官方公众号:
    在这里插入图片描述

    联系方式:

    电话:021-34716271
    邮箱:info@polelink.com

    北汇信息成立于2010年,是一家技术驱动的创新型服务企业。北汇信息始终专注于汽车电子领域的新技术和新产品,为整车厂和零部件企业提供完整的研发、测试解决方案。从测试工具、专用测试设备、完整测试方案到实车测试服务,我们与我们的客户一起努力,让中国的汽车变得越来越安全、越来越舒适、越来越智能。

    展开全文
  • 针对强散粒噪声背景下图像聚焦精度差的问题,对聚焦评价函数处理过程进行了深入的研究。在对常规图像系列进行实验的基础上,得出改进的拉普拉斯算子(SML)与拉普拉斯算子聚焦评价函数各方面性能较优。针对强散粒...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 555
精华内容 222
关键字:

噪声背景值