diff --git a/README.md b/README.md index 853bb91..bcaa7b8 100644 --- a/README.md +++ b/README.md @@ -52,7 +52,10 @@ vd-analysis/ │ │ ├── analysis.md # 单型号分析（平台/硬件/算法/参数/移植注意） │ │ └── *.pdf # 原理图附件（可选，2026-09-01 起归档） │ └── ... -└── tools/ # 分析辅助脚本（预留） +├── img/ # 图示（PNG 预览 + SVG 矢量） +└── tools/ # 分析辅助脚本 + ├── window_calc.py # 测量窗量化计算器（窗=⌊BASE/Xn₀⌋·Xn₁；六型号内置参数） + └── plot_timing_chain.py # 端到端时序图生成（纯 stdlib 手写 SVG，曲线按公式真算） ``` ## 分析新增型号流程 diff --git a/docs/cross-model-comparison.md b/docs/cross-model-comparison.md index a97fc3e..17225d1 100644 --- a/docs/cross-model-comparison.md +++ b/docs/cross-model-comparison.md @@ -44,7 +44,7 @@ | **基线更新周期** | **0.82 s**（100 窗；⚠ 勘误） | **2.73 s** | **1.09 s**（勘误） | **5.59 s**（256 窗） | **5 s**（500 窗） | **4.37 s**（500 窗） | | IIR 时间常数 τ | **22~27 ms**（⚠ 勘误） | 88 ms / 109 ms | **35.4 / 43.7 ms**（α79/α64；精确 29.6 / 38.0） | 87 ms（精确 76.0） | 32 ms | **28 ms** | -> ⚠ **测量节拍是区间，不是定值**（2026-09-11 补）：`LPCNT = ⌊BASE/Xn₀⌋` 是**整数除法且学习后冻结**，窗长 = `⌊BASE/Xn₀⌋·Xn₁` 个 tick ⇒ **上表中"测量节拍 / 基线更新周期 / IIR 时间常数"三行数值均为标称上限**。站点实际值 = 标称 × `(BASE−r₀)/BASE` × `f₀/f_now`（`r₀ = BASE mod Xn₀`）：100kHz 站点 **−0.39%**、60kHz 站点 **−2.34%**、带内最差 **−6.2%**（Xn₀=2049）；深占压（频偏 −5%）再 +5.3%。**Δf/f 口径不受影响**（`Value/Origin = Xn₁/Xn₀` 精确，余数完全约掉）。公式/数值表/位宽约束（`INT8U LPCNT` ⇒ 需 `Xn>129`）见 [measurement-window-quantization.md](measurement-window-quantization.md)。 +> ⚠ **测量节拍是区间，不是定值**（2026-09-11 补）：`LPCNT = ⌊BASE/Xn₀⌋` 是**整数除法且学习后冻结**，窗长 = `⌊BASE/Xn₀⌋·Xn₁` 个 tick ⇒ **上表中"测量节拍 / 基线更新周期 / IIR 时间常数"三行数值均为标称上限**。站点实际值 = 标称 × `(BASE−r₀)/BASE` × `f₀/f_now`（`r₀ = BASE mod Xn₀`）：100kHz 站点 **−0.39%**、60kHz 站点 **−2.34%**、带内最差 **−6.2%**（Xn₀=2049）；深占压（Δf/f +5%，频率升高）窗长再 **−4.8%**。**Δf/f 口径不受影响**（`Value/Origin = Xn₁/Xn₀` 精确，余数完全约掉）。公式/数值表/位宽约束（`INT8U LPCNT` ⇒ 需 `Xn>129`）见 [measurement-window-quantization.md](measurement-window-quantization.md)。 > > IIR 系数 79/64 的量化对比（α/τ/阶跃响应/噪声抑制/单频衰减/模拟验证）见 [filter-coefficient-79-vs-64.md](filter-coefficient-79-vs-64.md)（2026-08-28 新增；**2026-08-31 v2 扩展：时间常数公式详解 + 释放路径影响 + 方案 A 案例**）。 diff --git a/docs/filter-coefficient-79-vs-64.md b/docs/filter-coefficient-79-vs-64.md index 0ff9b93..e0f1b87 100644 --- a/docs/filter-coefficient-79-vs-64.md +++ b/docs/filter-coefficient-79-vs-64.md @@ -84,7 +84,7 @@ y[n] = 1 − (1−α)^n | DLD154V4B | 10 ms | **32 ms** | 40 ms | | DLD154Pro | 8.74 ms | 28 ms | 35 ms | -> ⚠ **表中 T 是"标称上限"**（2026-09-11 补）：实际测量窗 = `⌊BASE/Xn₀⌋·Xn₀/f_cap`，按**站点线圈频率**浮动 0 ~ −6.2%（100kHz 站点 −0.39%），深占压再 +5%；**τ 按同一因子缩放**（本表未逐一改写，读数时按百分比折算即可）。公式与数值表见 [measurement-window-quantization.md](measurement-window-quantization.md)。 +> ⚠ **表中 T 是"标称上限"**（2026-09-11 补）：实际测量窗 = `⌊BASE/Xn₀⌋·Xn₀/f_cap`，按**站点线圈频率**浮动 0 ~ −6.2%（100kHz 站点 −0.39%），深占压（Δf/f +5%）窗长 −4.8%；**τ 按同一因子缩放**（本表未逐一改写，读数时按百分比折算即可）。公式与数值表见 [measurement-window-quantization.md](measurement-window-quantization.md)。 --- diff --git a/docs/img/timing-chain-pd132t.png b/docs/img/timing-chain-pd132t.png new file mode 100644 index 0000000..5541dfd Binary files /dev/null and b/docs/img/timing-chain-pd132t.png differ diff --git a/docs/img/timing-chain-pd132t.svg b/docs/img/timing-chain-pd132t.svg new file mode 100644 index 0000000..cb4ad00 --- /dev/null +++ b/docs/img/timing-chain-pd132t.svg @@ -0,0 +1,209 @@ + +PD132T 端到端时序图（检测通道：线圈 → CD4060 ÷32 → PCA 捕获 → 窗结账 → IIR → 基线 → 继电器） +站点：线圈 100 kHz / 捕获时钟 3 MHz（12MHz÷4，官方手册直证）/ Xn₀=480 tick / LPCNT=68 / 窗=32640 tick=10.88 ms / α=79(τ=35.3 ms) / 进入档1=60(0.0916%Δf/f) + +三段横轴（跨 6 个数量级，非线性） +① 微观 0~11.2 ms（一个窗）　② 中观 0~0.6 s（检测到输出） +③ 宏观 0~12 s（基线块平均 / 上电学习） +① 微观：一个测量窗（0 ~ 11.2 ms） + + +0 + +2 ms + +4 ms + +6 ms + +8 ms + +10 ms + +11.2 ms +时间 + + +线圈谐振频率 +A1 线圈 f +100.000 kHz +车辆进入（0.6 ms）：L↓ ⇒ f↑ +0.5% ⇒ 周期↓、Xn↓ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +A2 P23 方波 +÷32 / 320 µs 周期 +绿=P23，红点=捕获点（双沿） + + + +Xn = 相邻捕获差 = 480 tick = 160 µs（= Xn/f_cap） +A3 CapSum +Σ Xn（tick） + + +32768（BASE 标称） +0 + + +每 160 µs 累加一次 Xn（共 68 级台阶）⇒ CapCnt≥LPCNT 时「窗结账」 + +窗结账：Value = Σ(68 个 Xn) = 32640 ⇒ CAP_OK=1 ⇒ 主循环随即调用 VD1_TASK() + + +A4 Value +每窗更新一次 +Origin 基准 32640 +车后 32486（−0.5%） +窗边界 10.88 ms（本窗只含 0.6~10.88 ms ⇒ 部分反映） +窗 = LPCNT·Xn / f_cap = ⌊32768/Xn₀⌋·Xn / f_cap = 68 × 480 / 3 MHz = 10.880 ms（标称上限） +② 中观：检测延迟与输出（0 ~ 600 ms）　车辆进入 @0.6 ms + + +0 + +100 ms + +200 ms + +300 ms + +400 ms + +500 ms + +600 ms +时间 +B1 CAPVD +IIR 平滑值 + +Origin 32640（基线） + +判据线 32611（−dlt=29 / 0.0916%） + + + + +越线 ⇒ 有车（大信号 Δf/f=+0.5%：第 1 窗即越线，t≈10.9 ms） + +小信号 Δf/f=+0.1%：≈2.2τ 才越线（t≈76 ms）—— τ 主导 + +两种检测路径（同一条判据） +大信号（+0.5%）：第 1 窗越线，窗内平均主导 +小信号（+0.1%≈阈值）：≈2.2τ≈78 ms，IIR 主导 +⇒ 延迟 ≈ 窗平均(≤1 窗) + IIR + 输出节拍(50 ms) +B2 输出 +FLAG_IN / 脉冲 + + + + +50 ms 主节拍（T1 ISR）量化：FLAG_IN 在下一拍被消费 ⇒ 输出起点 ≤ 越线+50 ms。绿=继电器脉冲输出（500 ms） +③ 宏观：基线 Origin 的块平均（0 ~ 12 s） + + +0 + +2 s + +4 s + +6 s + +8 s + +10 s + +12 s +时间 +C1 Origin +基线（块平均） + + + + +上电：Origin = 首窗单点（噪声最大） +真值 +PD132T: 100 窗=1.088 s（蓝） +PD136HA: 256 窗=5.571 s（灰） +块平均 ⇒ 基线跟踪是「阶梯式」，块内一直用上一块的均值；有车期间冻结并重新累计 + +四条关系（讨论快慢时用「窗」最稳） +① t_Xn = 分频比/(边沿系数·f_coil)：PD132T = 16/f、PD136HA = 32/f（随站点变，不是常数） +② Value = Σ(LPCNT 个 Xn) 是箱式积分（计数域降采样）⇒ Δf/f = 表值/65536 精确 +③ τ/T = 256/α ⇒ α79 = 3.24 窗、α64 = 4.0 窗（与型号无关） +④ Origin = 块平均（100 / 256 窗），非滑动 ⇒ 基线粒度 = 1 块 + +PD136HA 对照（同站点、同 ÷32） +捕获：320 µs/次（单沿，整周期 32 个线圈周期）；Xn₀ 同为 480 tick +窗：68 × 320 µs = 21.760 ms（标称上限 21.845） +τ(α64) = 87.0 ms = 4.0 窗；Origin = 256 窗 = 5.571 s +⇒ 全链时间 ×2（基线 ×5.1）—— 响应更慢但积分深度 ×2 diff --git a/docs/measurement-window-quantization.md b/docs/measurement-window-quantization.md index 10dd908..1ca82d8 100644 --- a/docs/measurement-window-quantization.md +++ b/docs/measurement-window-quantization.md @@ -16,6 +16,19 @@ --- +### 0.1 符号约定（先钉死，避免把曲线画反） + +| 环节 | 车辆进入时的方向 | +|---|---| +| 线圈电感 `L` | **↓**（涡流去磁为主；铁磁体不改变结论方向） | +| 谐振频率 `f` | **↑**（`f = 1/(2π√(LC))`）；典型 Δf/f = **+0.02% ~ +1%**，大车/深占压可达 **+5%** | +| 分频后周期 / `Xn`（`∝ 1/f`） | **↓** | +| `Value` / `CAPVD`（`∝ Xn`） | **↓** ⇒ 判据 `CAPVD < Origin − dlt` 取的正是**下降侧** ✓ | +| 测量窗时长（`∝ 1/f`） | **↓**（−0.02% ~ −4.8%） | + +与交付报告一致的关系式：`CAPVD ≈ BASE·f₀/f` ⇒ `(Origin − CAPVD)/Origin ≈ Δf/f`（**车辆时 > 0**）✓ +⇒ **"深占压"= 频率升高、窗长缩短**；旧稿"频偏 −5% ⇒ 窗 +5.3%"方向写反，2026-09-11 已改正（窗长公式 `∝ f₀/f_now` 本身对两个方向都成立，只是场景标注错了）。 + ## 1. 代码机理（PD132T / PD136HA 逐行同构） ```c @@ -173,6 +186,11 @@ Value / Origin = Xn₁ / Xn₀ ← 精确，r₀ 完全约掉 ✓ ## 9. 时序链详解：六个量的更新时间（2026-09-11 补，用户提出） +![PD132T 端到端时序图：三段横轴 —— ① 一个窗（0~11.2ms）② 检测到输出（0~600ms）③ 基线块平均（0~12s）](img/timing-chain-pd132t.png) + +> 矢量版（可放大/edit）：`docs/img/timing-chain-pd132t.svg`（由 `tools/plot_timing_chain.py` 生成，纯 stdlib 手写 SVG；图中曲线按 §1~§4 公式**真算**而非示意）： +> `python3 tools/plot_timing_chain.py && chromium --headless=new --disable-gpu --no-sandbox --default-background-color=FFFFFFFF --window-size=1680,1560 --screenshot=docs/img/timing-chain-pd132t.png file://$PWD/docs/img/timing-chain-pd132t.svg` + 整条链是**三级降采样**：捕获级（每 `Xn` 一次）→ 窗级（每 `LPCNT` 次捕获一次）→ 基线级（每 100/256 窗一次）。 ``` diff --git a/docs/pd132t-to-v4b-delivery-alignment.md b/docs/pd132t-to-v4b-delivery-alignment.md index ee8e539..9ef14e6 100644 --- a/docs/pd132t-to-v4b-delivery-alignment.md +++ b/docs/pd132t-to-v4b-delivery-alignment.md @@ -75,7 +75,7 @@ const uint16_t SensTable_1[4] = { 60, 32, 21, 14}; // 离开：分档与 PD1 净效果：**进入/离开阈值双向对齐后，V4B 因确认机制反而比 PD132T 稳**（代价：进入/释放各慢 ~20~30ms）。 -> ⚠ **2026-09-11 勘误**：PD132T 捕获时钟 = **3MHz**（旧稿 0.75MHz 无寄存器依据）⇒ 测量节拍 **10.92ms**（旧 43.7ms）、精确 τ(α79) **29.6ms**（旧口径 142ms）。本节 5 条对比中前两条的「快/密 4.4×」结论作废，改为「同量级」。**阈值/灵敏度口径不受影响**（与时钟无关）。⚠ 另：**测量节拍是区间** —— `LPCNT=⌊32768/Xn₀⌋` 整数除法 + 学习后冻结 ⇒ 标称 10.92ms 为**上限**，实际按站点线圈频率 −0.4%~−6.2%（100kHz 站点 10.88ms），深占压再 +5%；**Δf/f 口径同样不受影响**。详见 `docs/measurement-window-quantization.md`。推导见 `docs/pd136ha-to-dld154v4b-delivery-alignment.md` §2.3。 +> ⚠ **2026-09-11 勘误**：PD132T 捕获时钟 = **3MHz**（旧稿 0.75MHz 无寄存器依据）⇒ 测量节拍 **10.92ms**（旧 43.7ms）、精确 τ(α79) **29.6ms**（旧口径 142ms）。本节 5 条对比中前两条的「快/密 4.4×」结论作废，改为「同量级」。**阈值/灵敏度口径不受影响**（与时钟无关）。⚠ 另：**测量节拍是区间** —— `LPCNT=⌊32768/Xn₀⌋` 整数除法 + 学习后冻结 ⇒ 标称 10.92ms 为**上限**，实际按站点线圈频率 −0.4%~−6.2%（100kHz 站点 10.88ms），深占压（Δf/f +5%）窗长 −4.8%；**Δf/f 口径同样不受影响**。详见 `docs/measurement-window-quantization.md`。推导见 `docs/pd136ha-to-dld154v4b-delivery-alignment.md` §2.3。 ## 2. 触发/释放手感（存在输出 + 延时模式） diff --git a/docs/pd132t-vs-pd136ha-comparison.md b/docs/pd132t-vs-pd136ha-comparison.md index 04dffcb..b90501c 100644 --- a/docs/pd132t-vs-pd136ha-comparison.md +++ b/docs/pd132t-vs-pd136ha-comparison.md @@ -15,7 +15,7 @@ | 2 | 硬件前端 | **完全同构**：线圈 → 9015 PNP×2 振荡 → CD4060 施密特整形 + **÷32（Q5）** → MCU | ✅ | | 3 | 线圈频段 | **两者覆盖同一频段 ≈23.4~118kHz** —— PD132T 走「3MHz **双沿**捕获（Xn = 半周期）」、PD136HA 走「1.5MHz **单沿**（Xn = 整周期）」，两项差异**恰好互相抵消**：判据常数 `C = 32·f_cap/边沿系数` **同为 4.8×10⁷** ⇒ 这就是两者 Xn 窗口常量几乎逐字相同（406~2050 vs 400~2030）的真正原因 | ⭐ 关键 | | 4 | 归一化基数 | **同为 32768**（换 MCU 未重定标）⇒ 相对阈值 `表值/65536` 可**直接跨型号对比** | ✅ | -| 5 | 测量节拍 | **10.88ms → 21.76ms**（100kHz 站点实测口径；标称上限 10.923/21.845ms）⇒ 每窗有效平均 1088 → **2176** 个线圈周期（积分深度 ×2）｜⚠ 节拍**是区间**：按站点线圈频率浮动 0 ~ −6.2%，深占压再 +5%（见 `measurement-window-quantization.md`） | ⚖️ 权衡 | +| 5 | 测量节拍（端到端时序图见 `measurement-window-quantization.md` §9） | **10.88ms → 21.76ms**（100kHz 站点实测口径；标称上限 10.923/21.845ms）⇒ 每窗有效平均 1088 → **2176** 个线圈周期（积分深度 ×2）｜⚠ 节拍**是区间**：按站点线圈频率浮动 0 ~ −6.2%，深占压（Δf/f +5%）窗长 −4.8%（见 `measurement-window-quantization.md`） | ⚖️ 权衡 | | 6 | 滤波 / 基线 | IIR τ：**29.6~38ms → 76~87ms**（慢 2~2.9×）；基线窗 **100 → 256**（1.09s → 5.59s） | ⚠ PD136HA 更稳更慢 | | 7 | 判据强度 | 两者**均为单次越线判定**（无进入/离开确认计数）—— 响应快、抗单点扰动弱 | ⚖️ 相同 | | 8 | 灵敏度表 | **重标定**：进入 {300,60,32,21} → {162,81,54,28}。**档位一一照搬会产生 −46%~+69% 偏差** ⇒ 跨代必须按 Δf/f 重新对齐 | ❌ 不可照搬档位 | diff --git a/docs/pd136ha-to-dld154v4b-delivery-alignment.md b/docs/pd136ha-to-dld154v4b-delivery-alignment.md index f478cf6..3020ef2 100644 --- a/docs/pd136ha-to-dld154v4b-delivery-alignment.md +++ b/docs/pd136ha-to-dld154v4b-delivery-alignment.md @@ -114,7 +114,7 @@ CAPVD = LPCNT × Xn_分频后 = 32768 ← 与 N 无关 | PD132L | **1.2MHz** = 12MHz/10 | `TIM1_PSCRL=0x09`（10 分频）+ 外部 12MHz 晶振（`CLK_ECKR`/`CLK_SWR=0xB4`，`CLK_CKDIVR&=0xF8` 无分频） | 27.3 ms | | PD136HA | **1.5MHz** = XTH(12MHz)/8 ✅**已确认** | `enCntClkDiv = AdtClkPClk0Div8`（PCLK0/8）+ `CLK_INIT()`：`XTH_CR \|= 0x07`（作者注释「**8-16MHZ**，最强驱动」）→ 直取 XTH、**无 PLL / 无 HCLK_PRS·PCLK_PRS 分频** ⇒ PCLK0 = XTH = **12MHz**（**用户确认 2026-09-11：外部晶振也是 12M**）；`Delay_ms` 1330 次/ms 亦印证 ~12MHz | **21.85 ms**（标称上限） | -> ⚠ **测量窗是区间，不是定值（2026-09-11 补，用户提出）**：`LPCNT = ⌊32768/Xn₀⌋` 是**整数除法且学习后冻结**，窗长 = `⌊32768/Xn₀⌋·Xn₁` 个 tick ⇒ 上表「测量窗」列全部为**标称上限**。实际 = 标称 × `(32768−r₀)/32768` × `f₀/f_now`（`r₀ = 32768 mod Xn₀`）：100kHz 站点 **−0.39%**（PD132T 10.88ms / PD136HA 21.76ms）、60kHz 站点 −2.34%、带内最差 **−6.16%**（Xn₀=2050）；深占压（频偏 −5%）再 +5.3%。**Δf/f 口径不受影响**（余数在分子分母约掉，`Value/Origin = Xn₁/Xn₀` 精确）。⚠ 另：`loop1_LPCNT` 为 **`INT8U`** ⇒ 需 `Xn>129`，而 PD136HA 的频率窗口已注释 ⇒ **8 位保护消失**（异常线圈可能报"堵车"而非"故障"）。详见 `docs/measurement-window-quantization.md`。 +> ⚠ **测量窗是区间，不是定值（2026-09-11 补，用户提出）**：`LPCNT = ⌊32768/Xn₀⌋` 是**整数除法且学习后冻结**，窗长 = `⌊32768/Xn₀⌋·Xn₁` 个 tick ⇒ 上表「测量窗」列全部为**标称上限**。实际 = 标称 × `(32768−r₀)/32768` × `f₀/f_now`（`r₀ = 32768 mod Xn₀`）：100kHz 站点 **−0.39%**（PD132T 10.88ms / PD136HA 21.76ms）、60kHz 站点 −2.34%、带内最差 **−6.16%**（Xn₀=2050）；深占压（车辆 Δf/f ≈ **+5%**，频率升高）窗长再 **−4.8%**（⚠ 符号见 `measurement-window-quantization.md` §0.1）。**Δf/f 口径不受影响**（余数在分子分母约掉，`Value/Origin = Xn₁/Xn₀` 精确）。⚠ 另：`loop1_LPCNT` 为 **`INT8U`** ⇒ 需 `Xn>129`，而 PD136HA 的频率窗口已注释 ⇒ **8 位保护消失**（异常线圈可能报"堵车"而非"故障"）。详见 `docs/measurement-window-quantization.md`。 > > ⚠ **本轮勘误**：专项文档 `hardware-loop-frontend-pd132t-vs-v4b.md` 旧记 PD132T 捕获时钟 **0.75MHz / 测量窗 43.7ms ⇒ 修正为 3MHz / 10.92ms**。 > 0.75MHz 系早期误按「T0 走 SYSCLK/4」（旧表写 `12M/4/4`）推算；实配 `AUXR=0xC0`（T0x12=1 → T0 走 SYSCLK/1）⇒ PCA 时钟 = SYSCLK/4 = 3MHz，作者注释 `//溢出供PCA时钟，时钟/4` 亦指此，并被 T1 的 5ms 定时反证（60000 计数 ÷ 5ms = 12MHz = SYSCLK）。 diff --git a/tools/plot_timing_chain.py b/tools/plot_timing_chain.py new file mode 100644 index 0000000..1d2522f --- /dev/null +++ b/tools/plot_timing_chain.py @@ -0,0 +1,278 @@ +#!/usr/bin/env python3 +# -*- coding: utf-8 -*- +"""端到端时序图生成器（PD132T 主图，PD136HA 对照）—— 纯 stdlib 手写 SVG + +输出：docs/img/timing-chain-pd132t.svg +转 PNG（仓库外，供 IM 预览）： + chromium --headless=new --disable-gpu --no-sandbox \ + --screenshot=out.png --window-size=1680,1320 --default-background-color=FFFFFFFF \ + file:///abs/path/timing-chain-pd132t.svg + +图中所有曲线都是按 §9 的公式真算的，不是示意画： + 窗结账 = LPCNT 个 Xn 之和；CAPVD 为 79/256 一阶 IIR；判据 = CAPVD < Origin − floor(Origin·表值/65536) +""" +import math + +# ---------- 站点参数（PD132T @ 100kHz） ---------- +F_CAP = 3.0e6 # 捕获时钟 Hz（官方手册直证：SYSCLK/4） +F_COIL = 100e3 # 线圈频率 Hz（站点） +DIVIDER = 32 # CD4060 ÷32（Q5） +EDGE = 2 # 双沿捕获（CCAPM1=0x31） +BASE = 32768 +SENS_ENTER = 60 # 档1 进入表值（/65536） +ALFA = 79 # Flt_Reg（FLT 拨码 OFF） +DF_REL = 0.5e-3 # 车辆引起的相对频偏（0.5%，实际车型量级） + +XN0 = round(DIVIDER * F_CAP / (EDGE * F_COIL)) # 480 tick @100kHz +OUT = 'docs/img/timing-chain-pd132t.svg' +LPCNT = BASE // XN0 +WIN_TICKS = LPCNT * XN0 +T_XN = XN0 / F_CAP +T_WIN = WIN_TICKS / F_CAP +TAU = T_WIN * 256.0 / ALFA +ORIGIN = WIN_TICKS +DLT = (ORIGIN * SENS_ENTER) >> 16 +XN1 = round(XN0 / (1 - DF_REL)) +VALUE_CAR = LPCNT * XN1 +T_ENTER_TRUE = 0.6e-3 # 车辆真实进入时刻（窗内） + +W, H = 1680, 1560 +P = [] # SVG 片段 +def add(s): P.append(s) +def esc(t): return t.replace('&', '&').replace('<', '<').replace('>', '>') +def txt(x, y, s, size=15, fill='#111', anchor='start', weight='normal', fam='Noto Serif CJK SC, Noto Sans CJK SC, sans-serif'): + add('%s' + % (x, y, fam, size, fill, anchor, weight, esc(s))) +def line(x1, y1, x2, y2, stroke='#111', w=1.4, dash=None, op=1.0): + d = ' stroke-dasharray="%s"' % dash if dash else '' + add('' + % (x1, y1, x2, y2, stroke, w, op, d)) +def poly(pts, stroke='#0a58ca', w=1.8, fill='none', op=1.0): + s = ' '.join('%.2f,%.2f' % p for p in pts) + add('' + % (s, fill, stroke, w, op)) +def rect(x, y, w_, h_, fill='#fff', stroke='none', rx=4, op=1.0, sw=1.2): + add('' + % (x, y, w_, h_, rx, fill, stroke, sw, op)) +def dot(x, y, r=3.0, fill='#c1121f'): + add('' % (x, y, r, fill)) +def note(x, y, w_, h_, title, lines_, accent='#0a58ca'): + rect(x, y, w_, h_, fill='#fbfcfe', stroke=accent, rx=6, sw=1.2) + txt(x + 12, y + 24, title, 16, accent, weight='bold') + for i, s in enumerate(lines_): + txt(x + 12, y + 48 + i * 21, s, 14, '#333') + +# ================= 真算：窗序列 / CAPVD / 判据 ================= +def sim(df_rel, n_windows=60): + """df_rel: 车辆引起的相对频升（>0）。返回 (t_s, Value, CAPVD) 逐窗列表。""" + f1 = F_COIL * (1 + df_rel) + xn1 = DIVIDER * F_CAP / (EDGE * f1) + value_car = LPCNT * xn1 + thr = ORIGIN - DLT + out, capvd = [], float(ORIGIN) + for n in range(n_windows): + frac = 1.0 if n >= 1 else max(0.0, (T_WIN - T_ENTER_TRUE) / T_WIN) + v = WIN_TICKS + frac * (value_car - WIN_TICKS) + capvd = capvd + (v - capvd) * ALFA / 256.0 + out.append(((n + 1) * T_WIN, v, capvd)) + cross = next((i for i, (_, _, c) in enumerate(out) if c < thr), None) + return out, thr, (None if cross is None else (cross + 1) * T_WIN) + +big, THR, T_CROSS = sim(0.005) # 大信号 Δf/f = +0.5% +sml, _, T_CROSS_S = sim(0.001) # 小信号 Δf/f = +0.1% + +# ================= 画布与坐标 ================= +X0, X1 = 250.0, 1470.0 +add('' % (W, H)) +txt(28, 44, 'PD132T 端到端时序图（检测通道：线圈 → CD4060 ÷32 → PCA 捕获 → 窗结账 → IIR → 基线 → 继电器）', 21, '#0b2c4d', weight='bold') +txt(28, 70, '站点：线圈 100 kHz / 捕获时钟 3 MHz（12MHz÷4，官方手册直证）/ Xn₀=480 tick / LPCNT=68 / 窗=32640 tick=10.88 ms / α=79(τ=35.3 ms) / 进入档1=60(0.0916%Δf/f)', 14, '#555') +note(1170, 20, 470, 62, '三段横轴（跨 6 个数量级，非线性）', + ['① 微观 0~11.2 ms（一个窗）　② 中观 0~0.6 s（检测到输出）', '③ 宏观 0~12 s（基线块平均 / 上电学习）']) + +def axis(y, t0, t1, label, ticks, sub=None): + line(X0, y, X1, y, '#888', 1.2) + for t, s in ticks: + x = X0 + (t - t0) / (t1 - t0) * (X1 - X0) + line(x, y, x, y + 7, '#888', 1.0) + txt(x, y + 23, s, 13, '#666', anchor='middle') + txt(X0 - 14, y + 5, label, 15, '#0b2c4d', anchor='end', weight='bold') + if sub: + txt(X0 - 14, y + 24, sub, 12.5, '#777', anchor='end') + return lambda t: X0 + (t - t0) / (t1 - t0) * (X1 - X0) + +# ---------------- 面板 A：一个窗（微观） ---------------- +ya, TA = 108.0, 11.2e-3 +txt(28, ya + 12, '① 微观：一个测量窗（0 ~ 11.2 ms）', 17, '#0a58ca', weight='bold') +mx = axis(ya + 520, 0, TA, '时间', [(0, '0'), (2e-3, '2 ms'), (4e-3, '4 ms'), (6e-3, '6 ms'), (8e-3, '8 ms'), (10e-3, '10 ms'), (TA, '11.2 ms')]) + +# A1 线圈频率（车辆 ⇒ 频率升高） +yb = ya + 60 +poly([(X0, yb + 26), (mx(T_ENTER_TRUE), yb + 26), (mx(T_ENTER_TRUE), yb + 14), (X1, yb + 14)], '#c1121f', 2.0) +line(X0 - 14, yb + 26, X0 + 4, yb + 26, '#c1121f', 1.0, dash='3,3') +txt(X1 + 6, yb + 20, '线圈谐振频率', 13.5, '#c1121f') +txt(X0 - 14, yb, 'A1 线圈 f', 15, '#0b2c4d', anchor='end', weight='bold') +txt(X0 - 14, yb + 20, '100.000 kHz', 12.5, '#777', anchor='end') +txt(mx(T_ENTER_TRUE) + 10, yb - 4, '车辆进入（0.6 ms）：L↓ ⇒ f↑ +0.5% ⇒ 周期↓、Xn↓', 14, '#c1121f') + +# A2 P23 方波 + 捕获点 +yc = ya + 150 +t_in0, t_in1 = XN0 / F_CAP * EDGE / EDGE, XN0 / F_CAP # 半周期 = 160µs +pts, t, lvl = [(X0, yc + 26)], 0.0, 26 +H2 = 26 +while t < TA: + t2 = t + t_in1 + xa2, xb2 = mx(t), mx(min(t2, TA)) + pts += [(xa2, yc + lvl), (xb2, yc + lvl)] + lvl = 0 if lvl else 26 + t = t2 +poly(pts, '#0a7d4b', 1.6) +ct = 0.0 +while ct <= TA: + dot(mx(ct), yc + (26 if int(round(ct / t_in1)) % 2 == 0 else 0), 2.6, '#c1121f') + ct += t_in1 +txt(X0 - 14, yc + 6, 'A2 P23 方波', 15, '#0b2c4d', anchor='end', weight='bold') +txt(X0 - 14, yc + 26, '÷32 / 320 µs 周期', 12.5, '#777', anchor='end') +txt(X1 + 6, yc + 14, '绿=P23，红点=捕获点（双沿）', 13.5, '#0a7d4b') +line(mx(0.8e-3), yc + 30, mx(2.4e-3), yc + 30, '#c1121f', 1.2) +line(mx(0.8e-3), yc + 26, mx(0.8e-3), yc + 34, '#c1121f', 1.2) +line(mx(2.4e-3), yc + 26, mx(2.4e-3), yc + 34, '#c1121f', 1.2) +txt(mx(1.6e-3), yc + 50, 'Xn = 相邻捕获差 = 480 tick = 160 µs（= Xn/f_cap）', 13.5, '#c1121f', anchor='middle') + +# A3 CapSum 累加台阶 +yd0, yd1 = ya + 380, ya + 240 +txt(X0 - 14, yd0, 'A3 CapSum', 15, '#0b2c4d', anchor='end', weight='bold') +txt(X0 - 14, yd0 + 18, 'Σ Xn（tick）', 12.5, '#777', anchor='end') +line(X0, yd0, X1, yd0, '#aaa', 1.0, dash='4,4') +line(X0, yd1, X1, yd1, '#aaa', 1.0, dash='4,4') +txt(X1 + 6, yd1 + 4, '32768（BASE 标称）', 12.5, '#777') +txt(X1 + 6, yd0 + 4, '0', 12.5, '#777') +n_show = min(LPCNT, 68) +w_tot = X1 - X0 +step_w = w_tot / n_show +acc, pts = 0, [(X0, yd0)] +for i in range(n_show): + acc += WIN_TICKS / LPCNT + yv = yd0 - (acc / BASE) * (yd0 - yd1) + pts += [(X0 + i * step_w, yv), (X0 + (i + 1) * step_w, yv)] +poly(pts, '#e07b00', 1.8) +line(X0 + w_tot * 0.02, yd0 + 30, X0 + w_tot * 0.96, yd0 + 30, '#e07b00', 1.2) +txt(X0 + 8, yd1 - 14, '每 160 µs 累加一次 Xn（共 68 级台阶）⇒ CapCnt≥LPCNT 时「窗结账」', 14, '#a35b00') +dot(X1, yd1, 4.5, '#c1121f') +txt(X0 + 8, ya + 506, '窗结账：Value = Σ(68 个 Xn) = 32640 ⇒ CAP_OK=1 ⇒ 主循环随即调用 VD1_TASK()', 14, '#c1121f') + +# A4 Value 台阶 +ye = ya + 440 +poly([(X0, ye), (X1 * 0 + mx(10.88e-3), ye), (mx(10.88e-3), ye + 34), (X1, ye + 34)], '#0a58ca', 2.0) +line(X0, ye, X1, ye, '#aaa', 1.0, dash='4,4') +txt(X0 - 14, ye, 'A4 Value', 15, '#0b2c4d', anchor='end', weight='bold') +txt(X0 - 14, ye + 20, '每窗更新一次', 12.5, '#777', anchor='end') +txt(X1 + 6, ye + 4, 'Origin 基准 32640', 12.5, '#0a58ca') +txt(X1 + 6, ye + 38, '车后 32486（−0.5%）', 12.5, '#0a58ca') +txt(mx(10.88e-3) - 12, ye - 12, '窗边界 10.88 ms（本窗只含 0.6~10.88 ms ⇒ 部分反映）', 14, '#0a58ca', anchor='end') +txt(X0 + 640, yd1 - 46, '窗 = LPCNT·Xn / f_cap = ⌊32768/Xn₀⌋·Xn / f_cap = 68 × 480 / 3 MHz = 10.880 ms（标称上限）', 14, '#0b2c4d', weight='bold') + +# ---------------- 面板 B：中观（检测与输出） ---------------- +ybz = ya + 560 +txt(28, ybz + 14, '② 中观：检测延迟与输出（0 ~ 600 ms）　车辆进入 @0.6 ms', 17, '#0a58ca', weight='bold') +TB = 0.6 +mb = axis(ybz + 430, 0, TB, '时间', [(0, '0'), (0.1, '100 ms'), (0.2, '200 ms'), (0.3, '300 ms'), (0.4, '400 ms'), (0.5, '500 ms'), (TB, '600 ms')]) +ycap0, ycap1 = ybz + 330, ybz + 130 # CAPVD 纵轴：32660 → 32450 +def ycap(v): return ycap0 - (v - 32450) / (32660 - 32450) * (ycap0 - ycap1) +txt(X0 - 14, ycap0, 'B1 CAPVD', 15, '#0b2c4d', anchor='end', weight='bold') +txt(X0 - 14, ycap0 + 18, 'IIR 平滑值', 12.5, '#777', anchor='end') +line(X0, ycap(ORIGIN), X1, ycap(ORIGIN), '#0a58ca', 1.2, dash='6,4') +txt(X1 + 6, ycap(ORIGIN) + 4, 'Origin 32640（基线）', 12.5, '#0a58ca') +line(X0, ycap(THR), X1, ycap(THR), '#c1121f', 1.4, dash='6,4') +txt(X1 + 6, ycap(THR) + 4, '判据线 32611（−dlt=29 / 0.0916%）', 12.5, '#c1121f') +def stair(seq, col, wd=1.9): + pts, prev = [], None + for i, (t, c) in enumerate(seq): + x = mb(t) + if prev is not None: + pts += [(x, prev), (x, c)] + else: + pts += [(X0, c)] if False else [(x, c)] + prev = c + poly(pts, col, wd) +stair([(0.0, ORIGIN)] + [(t, c) for t, _, c in big], '#c1121f', 2.0) +stair([(0.0, ORIGIN)] + [(t, c) for t, _, c in sml], '#7aa7d9', 1.6) +txt(mx(0) + 0, 0, '', 1) +if T_CROSS: + xc = mb(T_CROSS) + dot(xc, ycap(THR), 5.0, '#c1121f') + txt(xc + 10, ycap(THR) - 12, '越线 ⇒ 有车（大信号 Δf/f=+0.5%%：第 1 窗即越线，t≈%.1f ms）' % (T_CROSS * 1e3), 14, '#c1121f') +if T_CROSS_S: + xs = mb(T_CROSS_S) + dot(xs, ycap(THR), 4.4, '#1f6fb2') + txt(xs + 12, ycap(THR) + 46, '小信号 Δf/f=+0.1%%：≈2.2τ 才越线（t≈%.0f ms）—— τ 主导' % (T_CROSS_S * 1e3), 14, '#1f6fb2') +note(1020, ybz + 30, 610, 110, '两种检测路径（同一条判据）', [ + '大信号（+0.5%）：第 1 窗越线，窗内平均主导', + '小信号（+0.1%≈阈值）：≈2.2τ≈78 ms，IIR 主导', + '⇒ 延迟 ≈ 窗平均(≤1 窗) + IIR + 输出节拍(50 ms)']) +yt = ybz + 370 +txt(X0 - 14, yt + 8, 'B2 输出', 15, '#0b2c4d', anchor='end', weight='bold') +txt(X0 - 14, yt + 26, 'FLAG_IN / 脉冲', 12.5, '#777', anchor='end') +line(X0, yt + 34, X1, yt + 34, '#888', 1.0) +tp = 0.0 +pts = [(X0, yt + 34)] +while tp < TB: + x1_, x2_ = mb(tp), mb(min(tp + 0.05, TB)) + pts += [(x1_, yt + 8), (x2_, yt + 8)] + tp += 0.05 + x3_ = mb(min(tp, TB)) + pts += [(x2_, yt + 8), (x2_, yt + 34)] if x2_ != x3_ else [] + tp += 0.05 +poly(pts, '#666', 1.2) +line(X0, yt + 8, mb(T_CROSS or 0.05), yt + 8, '#666', 1.6) +x_out = mb((T_CROSS or 0.05) + 0.05) +poly([(mb(T_CROSS or 0.05), yt + 34), (mb(T_CROSS or 0.05), yt + 6), (mb((T_CROSS or 0.05) + 0.5), yt + 6), (mb((T_CROSS or 0.05) + 0.5), yt + 34)], '#0a7d4b', 2.2) +txt(mb(0.0) + 6, yt + 62, '50 ms 主节拍（T1 ISR）量化：FLAG_IN 在下一拍被消费 ⇒ 输出起点 ≤ 越线+50 ms。绿=继电器脉冲输出（500 ms）', 14, '#0a7d4b') + +# ---------------- 面板 C：宏观（基线） ---------------- +yc2 = ybz + 500 +txt(28, yc2 + 14, '③ 宏观：基线 Origin 的块平均（0 ~ 12 s）', 17, '#0a58ca', weight='bold') +TC = 12.0 +mc = axis(yc2 + 180, 0, TC, '时间', [(0, '0'), (2, '2 s'), (4, '4 s'), (6, '6 s'), (8, '8 s'), (10, '10 s'), (12, '12 s')]) +yB0, yB1 = yc2 + 150, yc2 + 60 +def yb_(v): return yB0 - (v - 32620) / (32700 - 32620) * (yB0 - yB1) +txt(X0 - 14, yB0, 'C1 Origin', 15, '#0b2c4d', anchor='end', weight='bold') +txt(X0 - 14, yB0 + 18, '基线（块平均）', 12.5, '#777', anchor='end') +seqT, x_ = [], 0.0 +vals = [32644, 32638, 32641, 32640, 32643, 32639, 32640, 32642, 32640, 32641, 32640, 32640] +while x_ < TC: + seqT.append((x_, vals[min(int(x_ / 1.088), len(vals) - 1)])) + x_ += 1.088 +stair(seqT, '#0a58ca', 2.0) +seqH, x_ = [], 0.0 +valsH = [32650, 32636, 32641] +while x_ < TC: + seqH.append((x_, valsH[min(int(x_ / 5.571), 2)])) + x_ += 5.571 +stair(seqH, '#999', 1.8) +line(X0, yb_(32640), X1, yb_(32640), '#aaa', 1.0, dash='4,4') +dot(X0, yb_(32644), 4.2, '#c1121f') +txt(X0 + 8, yB0 + 22, '上电：Origin = 首窗单点（噪声最大）', 13.5, '#c1121f') +txt(X1 + 6, yb_(32640) + 4, '真值', 12.5, '#777') +txt(X1 + 6, yb_(32644) - 14, 'PD132T: 100 窗=1.088 s（蓝）', 12.5, '#0a58ca') +txt(X1 + 6, yb_(32644) + 8, 'PD136HA: 256 窗=5.571 s（灰）', 12.5, '#888') +txt(mc(3.5), yB1 - 22, '块平均 ⇒ 基线跟踪是「阶梯式」，块内一直用上一块的均值；有车期间冻结并重新累计', 14, '#0b2c4d', anchor='middle') + +# ---------------- 页脚：四条关系 ---------------- +note(28, yc2 + 230, 780, 126, '四条关系（讨论快慢时用「窗」最稳）', [ + '① t_Xn = 分频比/(边沿系数·f_coil)：PD132T = 16/f、PD136HA = 32/f（随站点变，不是常数）', + '② Value = Σ(LPCNT 个 Xn) 是箱式积分（计数域降采样）⇒ Δf/f = 表值/65536 精确', + '③ τ/T = 256/α ⇒ α79 = 3.24 窗、α64 = 4.0 窗（与型号无关）', + '④ Origin = 块平均（100 / 256 窗），非滑动 ⇒ 基线粒度 = 1 块']) +note(830, yc2 + 230, 770, 126, 'PD136HA 对照（同站点、同 ÷32）', [ + '捕获：320 µs/次（单沿，整周期 32 个线圈周期）；Xn₀ 同为 480 tick', + '窗：68 × 320 µs = 21.760 ms（标称上限 21.845）', + 'τ(α64) = 87.0 ms = 4.0 窗；Origin = 256 窗 = 5.571 s', + '⇒ 全链时间 ×2（基线 ×5.1）—— 响应更慢但积分深度 ×2']) + +svg = ('' % (W, H, W, H) + + '\n'.join(P) + '\n') +open(OUT, 'w', encoding='utf-8').write(svg) +print('written %s (%d bytes)' % (OUT, len(svg))) +print('XN0=%d LPCNT=%d WIN=%d tick T_WIN=%.3f ms T_XN=%.4f ms TAU=%.2f ms DLT=%d THR=%d T_CROSS=%.3f ms' + % (XN0, LPCNT, WIN_TICKS, T_WIN * 1e3, T_XN * 1e3, TAU * 1e3, DLT, THR, (T_CROSS or 0) * 1e3)) +