WIFI信号EVM测试分析，以及相关调试经验
上传时间： 2022-01-25
上传用户：hai7ying
专业书籍 《超大规模集成电路测试-数字、存储器和混合信号系统》[蒋安平][电子版][书签版][国外电子与通信教材系列][电子工业出版社]
上传时间： 2022-03-29
上传用户：yiyewumian
随着新研发单板上高速Serdes信号的增多，信号完整性测试显的越来越重要，本文档围绕Serdes信号的眼图抖动测试总结一些测试注意事项。新研发单板上高速Serdes信号速率高达2.45G，一些时钟信号上升/下降沿达到400ps左右，必然需要测量Serdes信号的眼图、抖动，在这里总结一些测试经验和注意事项。UBPG1单板上有如下几种高速数据SERDES信号：1. GE SERDES接口(SGMII接口标准)2. AIF SERDES接口(CPRI接口标准)3. IQ SERDES接口(类CPRI接口标准，自定义帧格式)4. 光口 SERDES接口(CPRI接口标准)对于SERDES信号，其信号电气特性由IEEE协议规定，在协议中会给出相应的眼图测试模板及抖动指标，部分芯片厂家会在DATASHEET中给出单独的眼图测试模板及抖动指标（一般会比协议要求的更宽松）。UBPG1单板上的SERDES接口按电气特性分有两种，一种是SGMII接口（用1000-BASE-CX模板，IEEE协议39节）；一种是CPRI接口（用XAUI模板，IEEE协议49节）。
上传时间： 2022-06-30
上传用户：ddk
专辑类-测试技术专辑-134册-1.93G Agilent-E4438C矢量信号发生器用户指南-364页-5.5M.pdf
上传时间： 2013-04-24
上传用户：lksms
专辑类-测试技术专辑-134册-1.93G 信号检测理论（第二版）-368页-4.9M.pdf
上传时间： 2013-04-24
上传用户：笨小孩
专辑类-测试技术专辑-134册-1.93G 工程检测技术及模拟信号变换-530页-12.9M.pdf
上传时间： 2013-06-19
上传用户：sk5201314
超级电容器是一种介于电池和静电电容之间的新型储能元件，其功率密度比电池高数十倍，能量密度比静电电容高数十倍。具有充放电速度快、对环境无污染、循环寿命长等优点，有希望成为21世纪的新型绿色能源。 设计了一个主回路以BUCK降压电路为主，控制回路以单片机89C51为核心的超级电容器充放电测试系统，用于测试超级电容器充放电性能。本系统通过检测超级电容器的端电压、电流和温度，并将采集到的信号由ADC0809转换为数字信号，送入89C51分析处理后，再经DAC0832输出，调节脉宽调制器TL494的电压信号，调整PWM的输出值，控制BUCK转换电路中MOSFET功率开关的占空比，从而改变输出直流电压的大小，实现恒流控制。超级电容器充电方法采用分阶段恒流充电，依照充电状态的不同，适时调整充电电流大小，避免过充电造成超级电容器损害。在其控制方法和实现手段上，主要通过单片机的设定值与实测值的比较来控制电路的输出，也可以通过模糊控制技术来实现，并用MATLAB进行了仿真实验，仿真结果证明采用模糊控制能够取得更好的效果。在整个系统的保护功能方面，采用了过压、过流以及过热等的保护方法，实现软硬件对系统的保护。 利用本测试系统可以对超级电容器进行恒电流充放电，其充放电曲线基本上呈现线性。模糊控制能针对电容器充电状态的不同，适时给予不同的充电电流，不至于发生大电流过充造成超级电容器受损的情况，确保使用寿命。 解决了系统的电磁兼容，从而能够保证系统能够安全可靠地工作。在电路装置硬件电路、软件以及印制电路板设计中所采取了一些抗干扰措施，可以有效地预防一些干扰带来的误差，提高了系统的可靠性和稳定性。
上传时间： 2013-04-24
上传用户：Kecpolo
电机是现代生产中的重要电气设备，电机的故障会对生产造成重大影响，因此需要监测电机的运行状态。同时，不断提高的环保标准要求控制电机的噪声。测试和分析电机的振动为电机的故障诊断和电机的噪声控制提供了途径，因此有必要建立一个电机振动测试分析系统。 过去20多年来，虚拟仪器技术取得了长足发展，在工程测试等领域得到了广泛的应用。相比于传统仪器，虚拟仪器技术具有性能高，扩展性强等诸多优势。LabVIEW是虚拟仪器软件开发平台中最常用的一个。 本文在虚拟仪器的基础上开发了电机振动测试分析系统，主要内容包括以下几个方面： 1．电机振动测试分析平台的建立，以LabVIEW为软件开发平台，配合数据采集卡，加速度传感器等硬件设备建立了电机振动信号采集与处理的虚拟仪器系统，完成振动信号的采集、显示、处理、数据管理等一系列功能； 2．电机振动信号处理方法的研究，深入分析了傅里叶变换、时频分析、小波分析等在电机振动信号处理中的优缺点，着重研究了独立分量分析等新技术在电机内部振动信号处理上的应用，针对电机振动的特性，给出了各种信号处理方法的参数优化： 3．电机故障诊断的研究，针对电机故障特征量的提取和选择提出了作者自己的见解，建立了基于振动的最小二乘支持向量机电机故障诊断，实例证明了支持向量机在电机故障诊断上的有效性； 4．针对电机故障诊断中故障样本不易获得的特点，提出了基于支持向量数据描述的多层分类器，是一种较有应用价值的新方法。
上传时间： 2013-06-23
上传用户：黄华强
随着电机在工业、农业等领域的广泛应用，如何测试、分析和抑制电机振动和噪声，越来越受到人们的广泛关注。虚拟仪器技术，相比于传统仪器拥有性能高、扩展性强等优点，在工程测试等领域得到越来越广泛的应用。因此，结合虚拟仪器技术，建立电机噪声和振动的测试分析系统是一种可行的解决途径。 本文将虚拟仪器技术应用于电机的噪声和振动问题，建立了基于虚拟仪器的电机噪声振动测试分析系统。全文主要研究工作分为三部分：前两部分分别研究了系统的硬件和软件组成，建立了完整的硬件和软件系统；第三部分进行了噪声振动实验研究，验证了系统的正确性和有效性。本文的主要研究内容如下： 1．硬件部分。探讨了系统的硬件组成，建立了以传感器、信号调理电路和数据采集卡为核心的测试系统。系统硬件部分是正确采集电机噪声和振动信号的关键，是测试分析的基础。 2．软件部分。用LabVIEw虚拟仪器编程语言完成了软件部分的设计，实现了信号采集、显示、处理、诊断、打印报告等一系列功能。针对电机噪声振动的复杂性，建立了以快速傅里叶变换、功率谱函数分析、分数倍频谱分析、小波分析等信号处理方法为核心的信号分析处理功能，并用最小二乘支持向量机实现了电机故障诊断功能。 3．实验研究。实验验证了系统的信号采集、信号分析和故障诊断的正确性。构造三类电机故障，实验研究了采用最小二乘支持向量机进行故障诊断的有效性。 在总结全文的基础上，提出了该电机噪声和振动测试分析系统有待深入研究的若干问题。
上传时间： 2013-07-22
上传用户：hainan_256
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
