[发明专利]一种随机采样的模拟电路压缩传感测量和信号重构方法有效

专利信息
申请号: 201110280538.9 申请日: 2011-09-20
公开(公告)号: CN102435934A 公开(公告)日: 2012-05-02
发明(设计)人: 袁海英;黎海涛;梅家平 申请(专利权)人: 北京工业大学
主分类号: G01R31/316 分类号: G01R31/316
代理公司: 北京思海天达知识产权代理有限公司 11203 代理人: 刘萍
地址: 100124 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 随机 采样 模拟 电路 压缩 传感 测量 信号 方法
【说明书】:

技术领域

发明涉及电子系统测试与故障诊断等领域,具体涉及一种用于模拟电路压缩传感测量和响应信号重构方法,可应用于军事、通信、电子、航空航天领域所涉及的电子系统设计验证、集成电路测试、制造和封装、自动化测试生产线和测控设备研发中。

背景技术

常规集成电路测试方法存在普适性差、测试效率低、测试向量集冗余度高等问题,诸多因素导致复杂大规模集成电路测试成本居高不下,高效的模拟电路测试技术方法有利于提高电子产品性价比。但元件容差、输出响应连续和非线性因素导致模拟电路故障情况复杂多样,电路响应状态往往需要用高维测试数据予以描述。由于模拟电路蕴含的特征信息量庞大,故障诊断方程建模异常困难,传统的故障字典法难以有效提取故障特征;starzyk提出故障字典方法,但该方法仅适用于故障元件建模后的诊断,诊断大规模电路计算开销大。若采用电路输入输出响应分析法,提取时域或频域响应函数级数核作为故障特征,但在线测试诊断难以实现自动化和智能化。将神经网络、小波分析及遗传算法等计算智能技术的最新研究成果用于求解故障诊断方程,避免因计算复杂度和耗时而影响故障诊断的应用性,人工神经网络直接从观测数据(训练样本)学习,作为简便有效的辨识方法和启发式技术得到广泛应用,但大量测试样本数据导致它缺乏实用价值。

综上所述,电子系统测试和故障诊断关键在于有效提取响应信号的特征信息,由于压缩感知理论突破传统采样定理极限,它以低速率采样方式实现宽带信号采样、处理和传输。本发明在此背景下提出一种基于随机采样的模拟电路压缩传感测量和信号重构方法,有助于构造最佳特征集从而提高电子系统测试效率。

发明内容

本发明的目的在于,针对模拟电路输出响应中故障信号本身或在某个变换域下具有稀疏性和可压缩性特点,提供一种基于分布式测试网络和压缩传感测量技术的模拟电路测试方法。利用节点传感器随机采样故障响应信号完成模拟电路压缩测量和信号重构。减少了宽频带模拟信号采样、存储和处理的硬件资源,降低了电子系统测试成本和故障诊断难度。

本发明采用了如下的技术方案及实现步骤:

一种随机采样的模拟电路压缩传感测量和信号重构方法,其特征在于,包括以下步骤:

1.建立待测模拟电路的分布式测试网络模型并获取响应信号

根据待测电路拓扑结构和测试需求,选择待测电路输出节点并设置传感器获取响应信号,构造模拟电路的分布式传感器测试网络。每个传感器对同一个节点输出信号感知测量M次,节点传感器每次返回模拟电路故障响应的M个模拟信号,每路响应信号x(t)经过A/D随机采样转换成长度为N的离散数字信号x,N为离散数字信号长度即采样点个数,M<N,x(t)∈R,R为实数,x∈R1×N

2.响应信号x(t)的稀疏化表示

模拟信号x(t)为一维时域连续信号,它通过离散正交变换基Ψ向变换域向量进行投影。

其中,y^=y1^ΛyN^R1×N,]]>中的非0元素为K个,0元素为N-K个,稀疏度K由响应信号x(t)的傅立叶变换确定。为离散正交基展开系数。正交变换矩阵Ψ取高斯白噪声矩阵,Ψ∈RN×N,ΨH是Ψ的共轭转置矩阵,且ΨΨH=ΨHΨ=I,I为单位矩阵;

利用公式(1)将离散数字信号x由正交基ΨH展开成级数和形式:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201110280538.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top