瑞萨的can的资料CAN的入门书。做的很好的资料
瑞萨的can的资料CAN的入门书，很好的学习资料，RENESAS应用手册是什么?是的缩写(以下称为),是国际标准化的串行通信协议。在当前的汽车产业中,出于对安全性、舒适性、方便性、低公害、低成本的要求,各种各样的电子控制系统被开发了出来。巾于这些系统之间通信所用的数据类型及对可靠性的要求不尽相同,巾多条总线构成的情况很多,线束的数量也随之增加。为适应“诚少线束的数量”、“通过多个,进行大量数据的高速通信”的需要牛德国电气商博世公司开发出面向汽车的通信协议。此后,通过及行了标准化,现在在欢洲已是汽车网络的标准协议。现在,的高性能和可靠性已被认同,并被广泛地应用于工业自动化、船舶、医疗设备、工业设备等方面。图是车载网终的构想示意图。等通信协议的开发,使多种通过网关进行数据交换得以实现。马达马达。。马达开关开关。安全画乘客检测空调子网车门雷达且且且子网白线检测伙表级遥控车身部自逗应引爆管巡航前大灯窗电动组合灯网关囊控制发动机胎压部信息部MCcD音视频父通信电子防发动机转向制动子网碟盒息导航盗系统动变底盘部故障诊断部(规格)诊断工具图车载网络构想注】国际标准化组织为戴姆勒克莱斯勒公司注册商标。RENESAS应用手册的应用示例图为的应用示例图的应用示例ENESAS应用手册总线拓扑图控制器根据两根线上的电位差来判断总线电平。总线电平分为显性电平和隐性电平,者必居其一。发送方通过使总线电平发生变化,将消息发送给接收方。图是的连接小意图收发器收发器连接图R∈NEs∧s应用手册的特点协议只有以下特点多主控制在总线空闲吋,所有的单元都可开始发送消息(多主控制)最先访问总线的单元可获得发送权(方式)。多个单元同时开始发送时,发送高优先级消息的单元可获得发送权。消息的发送在协议中,所有的消息都以固定的柊式发送。总线空闲时,所有与总线相连的单元都可以开始发送新消息。两个以上的单元同时开始发送消息时,根据标识符(以下称为)决定优先级。并不是表示发送的目的地址,而是表示访问总线的消息的优先级。两个以上的单元同时开始发送消息时,对各消息的每个位进行逐个仲裁比较。仲裁获胜(被判定为优先级最扃)的单元可继续发送消息,仲裁失利的单元则立刻停止发送而进行接收工作。系统的柔软性与总线相连的单元没有类似于“地址”的信息。因此在总线上增加单元时,连接在总线上的其它单元的软硬件及应用层都不需要改变通信速度根据整个网络的规模,可设定适合的通信速度。在同一网络中,所冇单元必须改定成统一的通信速度。即使有一个单元的通信速度与其它的不一样,此单元也会输岀错误信号,妨碍整个网络的通信。不同网终间则可以有不同的通信速度。远程数据请求可通过发送“遥控帧”请求其他单元发送数据。错误检测功能·错误通知功能·错误恢复功能所有的单元都可以检测错误(错误检测功能)。检测出错误的单元会立即同时通知其他所有单元(错误通知功能)正在发送消息的单元一旦检测出错误,会强制结東当前的发送。强制结束发送的单元会不断反复地重新发送此消息直到成功发送为止(错误恢复功能)。故障封闭可以判断出错误的类型是总线上暂时的数据错误(如外部噪声等)还是持续的效据错误(如单元内部改障、驱动器故障、断线等)。由此功能,当总线上发生持续数据错误时,可将引起此故障的单元从总线上隔离出去。连接总线是可同时连接多个单元的总线。可连接的单元总数理论上是没有限制的。但实际上可连接的单元数受总线上的吋间延迟及电气负载的限制。降低通信速度,可连接的单元数增加;提扃通信速度,则可连接的单元数减少。【注】R∈NEs∧s应用手册错误错误状态的种类单元始终处于种状态之一。主动错误状态动错误状态是可以正常参加总线通信的状态处于主动错误状态的单元检测出错误时,输出主动错误标志被动错误状态被动错误状态是易引起错误的状态。处于被动错误状态的单元虽能参加总线通信,但为不妨碍其它单元邇信,接收时不能秋极地发送错误通知。处于被动错误状态的单元即使检测出错误,而貫它处于主动错误状态的单元如果没发现错误,整个总线也被认为是没有错误的处于被动错误状态的单元检测出错误时,输出被动错误标志。另外,处于被动错误状态的单元在发送结束后不能马上再次开始发送。在开始下次发送前,在间隔帧期间内凶须插入“延迟传送个位的隐性位总线关闭态总线关闭态是不能参加总线上通信的状态信息的接收和发送均被禁止。这些状态依靠发送错误计数和接收错误计数来管理,根据计数值决定进入何种状态。错误状态和计数值的关系如表及图所小。表错误状态和计数值单元错误状态发送错误计数值()接收错误计数值()主动错误状态被动错误状态且或总线关闭态ENESAS应用手册初始状态主动错误状态或在总线上检测到次连续的个位的隐性位被动错误状态总线关闭态发送错误计数值接收错误计数值图单元的错误状态R∈NEs∧s应用手册错误计数值发送错误计数值和接收错误计数值根据一定的条件发生变化。错误计数值的变动条件如表所示。一次数据的接收和发送可能同时满足多个条件错误计数器在错误标志的第一个位出现的时间点上开始计数。表错误计数值的变动条件接受和发送错误计数值的变动条件发送错误计数值接收错误计数值接收单元检测出错误时例外:接收单元在发送错误标志或过载标志中检测出“位错误”时,接收错误计数值不增加接收单元在发送完错误标志后检测到的第一个位为显性电平时。发送单元在输出错误标志时发送单元在发送主动错误标志或过载标志时,检测出位错误接收单元在发送主动错误标志或过载标志时,检测出位错误各单元从主动错误标志、过载标志的最开始检测出连续发送时接收时个位的显性位时之后,每检测出连续的个位的显性位时。检测岀在被动错误标志后追加的连续个位的显性位时。发送时接收时发送单元正常发送数据结束时(返回且到帧结束也未检测出错误时)。时±接收单元正常接收数据结束时(到未检测出错误且正时常返回时)时设处于总线关闭态的单元,检测到连续个位的隐性位。R∈NEs∧s应用手册协议的基本概念协议如表所示涵盖了规定的基本参照模型中的传输层、数据链路层及物理层协议中关于基本参照模型中的传输层、数据链路层及物理层,具体有哪些定义如图所示。表基本参照模型基本参照模型各层定义的主要项目层:应用层由实际应用程序提供可利用的服务。层:表示层进行数据表现形式的转换。如:文字设定、数据压缩、加密等的控制指层:会话层为建立会话式的通信,控制数据正确地接收和发送。探层:传输层控制数据传输的顺序、传送错误的恢复等,保证通信的品质。如:错误修正、再传输控制。层:网络层进行数据传送的路由选择或中继如:单元间的数据交换、地址管理。层:数据链路层将物理层收到的信号(位序列)组成有意义的数据,提供传输错误控制等数据传输控制流程。如:访问的方法、数据的形式通信方式、连接控制方式、同步方式、检错方式一共应答方式、通信方式、包(帧)的构成。位的调制方式(包括位时序条件)。层:物理层规定了通信时使用的电缆、连接器等的媒体、电气信号规格等,以实现设备间的信号传送。如:信号电平、收发器、电缆、连接器等的形态【注】(开放式系统间互联)
- 2020-12-10下载
- 积分：1
张贤达的《高阶统计量信号处理方法》
高阶统计量分析方法是一种重要的非高斯信号分析方法，在此上传张贤达的这本书，希望对大家的学习有所帮助专题内容概述高阶统计量的定义、性质和估计155()高阶矩、高阶累积量及其谱·*·····“········““··“·(二)高阶累积量与高阶谱的性质三)高阶累积量与高阶谱的估计…......19、非最小相位系统的辨识21(一)基本问题21(二)MA系统的辨识.25(三)ARMA系统的辨识…135四、谐波恢复42()基本问题42()谐波恢复的高阶累积量方法……………·………43五、空间窄带信号源的波达方向估计()基本问题46(二)基于二阶统计量的DOA估计方法及其不足.147(三)基于高阶统计量的DOA估计方法53、概述高阶统计量( (Higher-order Statistics)是指比二阶统计量更高阶的随机变量或随机过程的统计量。二阶统计量有:〉随机变量(矢量):方差、协方差(相关矩)、二阶矩。随机过程:自相关函数、功率谱、互相关函数、互功率谱、自协方差函数等高阶统计量有:随机变量(矢量):高阶矩( Higher-order Moment),高阶累积量(Higher-order Cumulant)随机过程:高阶矩、高阶累积量、高阶谱( Higher- order Spectra,Polyspectra)。从统计学的角度,对正态分布的随机变量(矢量),用一阶和二阶统计量就可以完备地表示其统计特征。如对一个高斯分布的随机矢量,知道了其数学期望和协方差矩阵,就可以知道它的联合概率密度函数。对一个高斯随机过程,知道了均值和自相关函数(或自协方差函数),就可以知道它的概率结构,即知道它的整个统计特征。但是,对不服从髙斯分布的随机变量(矢量)或随机过程,一阶和二阶统计量不能完备地表示其统计特征。或者说,信息没有全部包含在一二阶统计量中,更高阶的统计量中也包含了大量有用的信息。高阶统计量信号处理方法,就是从非高斯信号的高阶统计量中提取信号的有用信息,特别是从一、二阶统计量中无法提取的信息的方法。从这个角度来说,高阶统计量方法不仅是对基于相关函数或功率谱的随机信号处理方法的重要补充,而且可以为二阶统计量方法无法解决的许多信号处理问题提供手段。可以亳不夸张地说,凡是使用功率谱或相关函数进行过分析与处理,而又未得到满意结果的任何问题,都值得重新试用高阶统计量方法。高阶统计量的概念于1889年提出。高阶统计量的研究始于六十年代初,主要是数学家和统计学家们在做基础理论的研究,以及针对光学、流体动力学、地球物理、信号处理等领域特定问题的应用研究。直到八十年代中、后期,在信号处理和系统理论领域才掀起了高阶统计量方法的研究热潮。标志性的事件有:1. K. S. Lii. m. rosenblatt "Deconvolution and Estimation of TransferFunction phase and Coefficients for non-Gaussian Linear processes AnnStatistcs, Vol, 10, pp. 1195-1208, 1982首次用高阶统计量解决了非最小相位系统的盲辩识问题。2.C.L. Nikias,M.R. Raghuveer的综述文章“ Bispectrum Estimation:ADigital Signal Processing Framework”在Proc.正EE发表,1987July3.1989、1991、1993、1995、1997、1999年举办了六届关于高阶统计量的信号处理专题研讨会(海军研究办公室,NSF, IEEE Control SystemSociety, IEEE ASSP Society, IEEE Geoscience and Remote sensingSociety4. IEEE Trans.onAC1990年1月专辑5. IEEE Trans, on AssP1990年7月专辑。6.J.M. Mendel的综述文章 Tutorial on Higher- Order statistics( Spectra)inSignal Processing and System Theory: Theoretical Results and SomeApplications”.Proc,正E,1991(主要是关于非最小相位系统辨识)。7.C.L. Nikias&A.P. Petropula的专著 Higher-order Spectral Analysis:ANonlinear Processing Framework,由 Prentice-Hall I1993出版。8. Signal Processing,19944月专辑。9. Circuits, Systems, and Signal Processing,1994.6月专辑。高阶统计量方法已在雷达、声纳、通信、海洋学、电磁学、等离子体物理、结晶学、地球物理、生物医学、故障诊断、振动分析、流体动力学等领域的信号处理问题中获得应用。典型的信号处理应用包括系统辨识与时间序列分析建模、自适应估计与滤波、信号重构、信号检测、谐波恢复、图像处理、阵列信号处理、盲反卷积与盲均衡等。在信号处理中使用高阶统计量的主要动机可以归纳成四点1、抑制未知功率谱的加性有色噪声的影响。2、辨识非最小相位系统或重构非最小相位信号。自相关函数或功率谱是相盲的,即不包含信号或系统的相位信息。仅当系统或信号是最小相位时,二阶统计量的方法才能获得正确的结果。相反,高阶统计量既包含了幅度信息,又保留了信号的相位信息,因而可以用来解决非最小相位系统的辨识或非最小相位信号的重构问题。3、提取由于高斯性偏离带来的各种信息对于非高斯信号,其高阶统计量中也包含了大量的信息。对模式识别、信号检测、分类等问题,有可能从高阶统计量获得信号的显著分类特征,4、检测和表征信号中的非线性以及辨识非线性系统。如用来解决非线性引起的二次、三次相位耦合问题。参考资料:1、张贤达,《时间序列分析一高阶统计量方法》,清华大学出版社,1996。2、沈凤麟等,《生物医学随机信号处理》(第9章),中国科学技术大学出版社,1999。3 J M. Mendel. "Tutorial on Higher-order Statistics(Spectra) in SignalProcessing and Systems Theory: Theoretical Results and SomeApplications. Proc. IEEE, Vol. 79, pp. 278-305, 19914, C. L. Nikias A. P, Petropulu. Higher-order Spectral Analysis: ANonlinear Processing Framework. Prentice-Hall. 19935 C L. Nikias J. M. Mendel.Signal Processing with Higher-orderSpectra. IEEE Signal Processing Magazine, Vol 10, July, pp 10-37, 19936 C. L Nikias M. R Raghuveer." Bispectrum Estimation: A DigitalSignal Processing Firamewoork". Proc. IEEE, Vol. 75, pp. 869-891, 19877 P. A. Delaney d. O. Walsh. " A Bibliography of Higher-Order Spectraand Cumulants". IEEE Signal Processing Magazine, Vol 11 July, pp. 61-7019948、J.A. Cadzow.“ Blind Deconvolution via Cumulant Extrema”.IEEESignal Processing Magazine, Vol 13, No 3, pp 24-42, 1996www.ant,uni-bremen.edu.de/hoshome二、高阶统计量的定义、性质和估计(一)高阶矩、高阶累积量及其谱从随机变量→随机矢量→随机过程)1、随机变量的特征函数与累积量定义:设随机变量x具有概率密度fx),其特征函数定义为(s)=f()edx=Eel其中s为特征函数的参数。(可看作八x)的拉普拉斯变换)特征函数Φ(s)只是参数s的函数。对Φ)求k次导数,可得Φ^(s)=Exe因此(O)=E}=m也就是说)在原点阶导数等孩x阶筹k。因此,Φ(s)也称作矩生成函数(又叫第一特征函数)。矩生成函数可以唯一地、完全地确定一个概率分布。这可由矩生成函数唯一性定理阐明:定理:设F(x)和G(x)是具有相同矩生成函数的分布函数,即:e dF (x)= esdG(x)则F(x)=G(x)由矩生成函数可以定义随机变量κ的累积量生成函数(又叫第二特征函数)及累积量。定义:设随机变量x的矩生成函数为Φ(s),则函数H(s)=nΦ(s)称为x的累积量生成函数,而v()在原点的k阶导数dky(s)ds k0称为x的k阶累积量如果将s)和v展开成 Taylor级数,根据以上定义,就会有①(s)=1+m1S+m2S2+…+,,mkS+…k!(2+4+x12cmk!k1也就是说,x的k阶矩和累积量分别是其矩生成函数和累积量生成函数的Taylor级数展开中s项的系数。2、随机矢量的特征函数与累积量定义:令x=[x,x2,…,x是一随机矢量,且s=s,s2,…,sr,则随机矢量x的矩生成函数定义为Φ(S1SES11+2x2+…+Skxkl52为Ex的累积量生成函数定义为(S1,S2,…,Sk)=lnΦ(s1,x的(vy2…,w)阶矩和累积量分别定义为矩生成函数和累积量生成函数的Iayr级数展开中S1S2…S项的函数,即0Φ(S1,s2;…,s)ExVIS"Y(1521512skas1Os2…ask其中vko对v=V2=…=认=1的特殊情况,记随机矢量x的矩和累积量分别为mom(,,cum(Y1X我们下面将用它们来定义随机过程的高阶矩和累积量。3、随机过程的高阶矩和高阶累积量定义:设{x(n)}为k阶平稳随机过程,则该过程的k阶矩定义为ma(z1,z2,…,k-)=mom{x(n),x(n+),…,x(n+xk-1)}而k阶累积量定义为cs(1,z2,…,k-)=cum{x(m),x(nt+),…,x(n+tk1)}根据这一定义,平稳随机过程的k阶矩和k阶累积量实质上就是取x1=x(n),x2=x(n+a),…,x=x(n+k)之后的随机矢量[(n),x(n+z),…,
- 2020-12-03下载
- 积分：1
|
联系客服（QQ：3324461878）
