diff --git a/README.md b/README.md index bcaa7b8..2cea831 100644 --- a/README.md +++ b/README.md @@ -55,7 +55,8 @@ vd-analysis/ ├── 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） + ├── plot_timing_chain.py # 端到端时序图生成（纯 stdlib 手写 SVG，曲线按公式真算） + └── plot_response_compare.py # PD132T↔PD136HA 响应对比图（含"窗主导/τ 主导"分界） ``` ## 分析新增型号流程 diff --git a/docs/img/response-compare-pd132t-pd136ha.png b/docs/img/response-compare-pd132t-pd136ha.png new file mode 100644 index 0000000..e69197c Binary files /dev/null and b/docs/img/response-compare-pd132t-pd136ha.png differ diff --git a/docs/img/response-compare-pd132t-pd136ha.svg b/docs/img/response-compare-pd132t-pd136ha.svg new file mode 100644 index 0000000..60a8307 --- /dev/null +++ b/docs/img/response-compare-pd132t-pd136ha.svg @@ -0,0 +1 @@ +PD132T ↔ PD136HA 响应对比：同一判据口径，不同测量节拍与滤波PD132T: 窗 10.880 ms / α=79 / τ=29.5 ms（产品线口径 35.3 ms） PD136HA: 窗 21.760 ms / α=64 / τ=76.0 ms（产品线口径 87.0 ms） 站点 100 kHz面板 A：CAPVD 响应（时域，一次完全占据）0.0%0.1%0.2%0.3%0.4%0.5%0.6%Δf/f050100150200250300时间（ms）PD132T 档1 0.0916%PD136HA 档1 0.1236%越线时刻与读图要点（同一判据口径）大信号 +0.5%：PD132T 第 1 窗 ⇒ 10.9 ms ｜ PD136HA 第 1 窗 ⇒ 21.8 ms近阈值 +0.15%：PD132T 第 3 窗 ⇒ 32.6 ms ｜ PD136HA 第 7 窗 ⇒ 152.3 ms⇒ 大信号由「窗长」决定（2×）；近阈值由「τ」决定（≈4.7×）面板 B：右侧平坦段 = 1 窗下限；左侧陡升 = IIR(τ) 主导；阈值以下永不检到蓝 = PD132T，橙 = PD136HA；实线 = 大信号（+0.5%），虚线 = 近阈值（+0.15%）面板 B：检测延迟随信号强度（对数扫描）4 ms10 ms30 ms100 ms300 ms1000 ms3000 ms0.02%0.05%0.1%0.2%0.5%1%2%5%车辆引起的 Δf/f（%，对数轴）典型车型 0.1%~1%PD132T 档1 0.0916%≈1 窗 10.88 msPD136HA 档1 0.1236%≈1 窗 21.76 ms← 阈值以下：永远检不到（灰区）公式（与 measurement-window-quantization.md §1~§4 同源）CAPVD_n = Δf/f·[1 − (1−α/256)^n]（n = 第 n 次窗更新）；延迟 = 首个满足 CAPVD_n ≥ 判据 的 (n+1)·T_win注未计输出级 50 ms 主节拍量化（实际继电器动作再加 ≤50 ms）；两型号均为单次越线判定（无进入/离开确认）。 \ No newline at end of file diff --git a/docs/measurement-window-quantization.md b/docs/measurement-window-quantization.md index 1ca82d8..a93f032 100644 --- a/docs/measurement-window-quantization.md +++ b/docs/measurement-window-quantization.md @@ -251,6 +251,20 @@ loop1_CAPVD = loop1_CapSum; loop1_Origin = loop1_CAPVD; loop1_INI_LOOP = 0; --- +## 10. 响应速度的跨型号对照（图） + +同一判据口径下 PD132T（窗 10.880 ms / α79）与 PD136HA（窗 21.760 ms / α64）的响应对比，含"窗主导 vs τ 主导"分界： + +![PD132T vs PD136HA 响应对比](img/response-compare-pd132t-pd136ha.png) + +| Δf/f | PD132T | PD136HA | +|---|---|---| +| +0.5% | 10.9 ms（1 窗） | 21.8 ms（1 窗） | +| +0.15% | 32.6 ms（3 窗） | 152.3 ms（7 窗） | +| +0.10% | 76.2 ms（7 窗） | ❌ 档1 检不到（判据 0.1236%） | + +数值与生成脚本：`tools/plot_response_compare.py`；详细结论见 [pd132t-vs-pd136ha-comparison.md](pd132t-vs-pd136ha-comparison.md) §5.5。 + ## 相关文档 - 双型号对比：`docs/pd132t-vs-pd136ha-comparison.md`（§3 测量与归一化） diff --git a/docs/pd132t-vs-pd136ha-comparison.md b/docs/pd132t-vs-pd136ha-comparison.md index b90501c..ad285fe 100644 --- a/docs/pd132t-vs-pd136ha-comparison.md +++ b/docs/pd132t-vs-pd136ha-comparison.md @@ -235,6 +235,23 @@ loop1_dlt_ORG = (Origin * SensTable1[SensLevel]) >> 16; // 离开表 --- +### 5.5 响应速度对比（图 + 数值） + +![PD132T vs PD136HA 响应对比](img/response-compare-pd132t-pd136ha.png) + +（矢量版 `docs/img/response-compare-pd132t-pd136ha.svg`；生成脚本 `tools/plot_response_compare.py`，曲线按本节公式真算） + +| 车辆信号 Δf/f | PD132T（窗 10.880ms / α79） | PD136HA（窗 21.760ms / α64） | 比值 | +|---|---|---|---| +| **+0.5%**（大型车完全占据） | **10.9 ms**（第 1 窗） | **21.8 ms**（第 1 窗） | 2.0× | +| **+0.15%**（中型车 / 边角占压） | **32.6 ms**（第 3 窗） | **152.3 ms**（第 7 窗） | 4.7× | +| **+0.10%** | **76.2 ms**（第 7 窗） | ❌ **档1 检不到**（判据 0.1236% > 0.10%） | — | + +> - 判据：`CAPVD_n = Δf/f·[1−(1−α/256)^n] ≥ 档位判据`（n = 第 n 次窗更新）⇒ 延迟 = `(n+1)·T_win`；图 B 的**平坦段 = 1 窗下限**、**陡升段 = τ 主导** +> - **大信号由「窗长」决定**（2.0× 全部来自 21.760/10.880）；**近阈值由「τ」决定**（PD136HA 窗 2× 且 τ 2.56× ⇒ ≈4.7×） +> - ⚠ **同一档位号的判据本身不同**（PD132T 档1 = 0.0916% vs PD136HA 档1 = 0.1236%，差 +35%）：0.10% 的信号在 PD132T 档1 能检（76 ms），在 PD136HA 档1 **完全检不到** ⇒ 与 §5.4 的档位偏差结论互为印证 —— **换型必须按 Δf/f 重标定档位，不能照搬档位号** +> - 两处未计入：输出级 **50 ms 主节拍**量化（继电器实际动作再加 ≤50 ms）、无进入确认（两者均为单次越线判定） + ## 6. 状态机、输出与时序 ### 6.1 数据流（两代同构） diff --git a/tools/plot_response_compare.py b/tools/plot_response_compare.py new file mode 100644 index 0000000..9c4424f --- /dev/null +++ b/tools/plot_response_compare.py @@ -0,0 +1,209 @@ +#!/usr/bin/env python3 +# -*- coding: utf-8 -*- +"""PD132T vs PD136HA 响应对比图（纯 stdlib 手写 SVG） + +面板 A：同一判据下的 CAPVD 响应（时域；Δf/f = +0.5% 大信号 与 +0.15% 近阈值两组） +面板 B：检测延迟 vs Δf/f（对数扫描）—— 看「窗主导」与「τ 主导」的分界 + +转 PNG：chromium --headless=new --disable-gpu --no-sandbox \ + --screenshot=docs/img/response-compare.svg.png --window-size=1520,980 \ + file://$PWD/docs/img/response-compare-pd132t-pd136ha.svg +""" +import math + +FONT = "'Noto Serif CJK SC','Source Han Serif SC','WenQuanYi Zen Hei',sans-serif" +W, H = 1520.0, 980.0 +o = [] +def add(s): o.append(s) +def esc(s): return s.replace('&', '&').replace('<', '<').replace('>', '>') +def txt(x, y, s, fs=14, fill='#222', anchor='start', w='400'): + add(f'{esc(s)}') +def line(x1, y1, x2, y2, col='#888', w=1, dash=None): + d = f' stroke-dasharray="{dash}"' if dash else '' + add(f'') +def rect(x, y, w_, h_, fill='none', stroke='#999', sw=1, rx=4, op=1.0): + add(f'') +def poly(pts, col, w=2.2, dash=None): + d = f' stroke-dasharray="{dash}"' if dash else '' + p = ' '.join(f'{x:.1f},{y:.1f}' for x, y in pts) + add(f'') +def dot(x, y, r=4.2, col='#c1121f'): + add(f'') +def note(x, y, w_, h_, title, lines_, col='#0b6'): + rect(x, y, w_, h_, fill='#f7fbff', stroke=col) + txt(x + 12, y + 26, title, 15, '#0b4f7a', w='700') + for i, s in enumerate(lines_): + txt(x + 12, y + 52 + i * 21, s, 14, '#333') + +# ============ 模型参数（与 measurement-window-quantization.md 同源公式） ============ +def model(name, f_cap, edge, alfa, sens_in, color, f_coil=100e3, base=32768, div=32): + xn0 = round(div * f_cap / (edge * f_coil)) + lp = base // xn0 + tw = lp * xn0 / f_cap + return dict(name=name, color=color, alfa=alfa, thr=sens_in / 65536.0, + tw=tw, xn0=xn0, lp=lp, tau=-tw / math.log(1 - alfa / 256.0), + tau_pl=tw * 256.0 / alfa) + +PT = model('PD132T', 3.0e6, 2, 79, 60, '#1565c0') +PH = model('PD136HA', 1.5e6, 1, 64, 81, '#e65100') + +def resp(m, df, n): + """第 n 次（0-based）CAPVD 更新后的 Δf/f（相对值）""" + return df * (1.0 - (1.0 - m['alfa'] / 256.0) ** (n + 1)) + +def delay_ms(m, df, cap=20000): + """返回 (窗数-截止更新序号 idx, 时间 ms)；idx=None 表示 cap 内不可检""" + n = 0 + while n < cap: + if resp(m, df, n) >= m['thr']: + return n, (n + 1) * m['tw'] * 1e3 + n += 1 + return None, None + +# ================== 面板 A：时域响应 ================== +AX0, AX1, AY0, AY1 = 110.0, 700.0, 640.0, 150.0 +TMAX = 300.0 # ms +VMAX = 0.62 # % +ax = lambda t: AX0 + (t / TMAX) * (AX1 - AX0) # t in ms +ay = lambda v: AY0 - (v / VMAX) * (AY0 - AY1) # v in % + +txt(30, 40, 'PD132T ↔ PD136HA 响应对比：同一判据口径，不同测量节拍与滤波', 21, '#111', w='700') +txt(30, 66, 'PD132T: 窗 10.880 ms / α=79 / τ=29.5 ms（产品线口径 35.3 ms） ' + 'PD136HA: 窗 21.760 ms / α=64 / τ=76.0 ms（产品线口径 87.0 ms） 站点 100 kHz', 13.5, '#555') + +txt(AX0 - 10, AY1 - 18, '面板 A：CAPVD 响应（时域，一次完全占据）', 15.5, '#0b4f7a', 'start', '700') +rect(AX0, AY1, AX1 - AX0, AY0 - AY1, fill='#fcfcfc', stroke='#ccc') +base_l = AY0 + 38 +line(AX0, AY0, AX1, AY0, '#888', 1.5) +line(AX0, AY1, AX0, AY0, '#888', 1.5) +for i in range(7): + v = i * 0.1 + line(AX0, ay(v), AX1, ay(v), '#eee', 1) + txt(AX0 - 8, ay(v) + 5, '%.1f%%' % v, 12.5, '#666', 'end') +txt(AX0 + 10, AY1 + 22, 'Δf/f', 13, '#444', w='700') +for t in range(0, 301, 50): + line(ax(t), AY0, ax(t), AY0 + 6, '#888', 1) + txt(ax(t), base_l, str(t), 12.5, '#666', 'middle') +txt((AX0 + AX1) / 2, base_l + 24, '时间（ms）', 13.5, '#444', 'middle', '700') + +# 阈值线（各型号档1 进入） +line(AX0, ay(PT['thr'] * 100), AX1, ay(PT['thr'] * 100), '#1565c0', 1.4, '6,4') +line(AX0, ay(PH['thr'] * 100), AX1, ay(PH['thr'] * 100), '#e65100', 1.4, '6,4') +txt(ax(205), ay(PT['thr'] * 100) + 20, 'PD132T 档1 0.0916%', 12.5, '#1565c0') +txt(ax(205), ay(PH['thr'] * 100) + 20, 'PD136HA 档1 0.1236%', 12.5, '#e65100') + +# 两条响应（阶梯） +def stair_ms(m, df, tmax=TMAX): + pts = [(ax(0.0), ay(0.0))] + t = 0.0 + n = 0 + while t <= tmax: + pts.append((ax(t), ay(resp(m, df * 100, n) if False else resp(m, df, n) * 100))) + t += m['tw'] * 1e3 + n += 1 + return pts + +for m in (PT, PH): + for df, dash, lw in ((0.005, None, 2.6), (0.0015, '7,5', 1.8)): + pts = [(ax(0.0), ay(0.0))] + t = 0.0 + n = 0 + while t <= TMAX: + pts.append((ax(t), ay(resp(m, df, n) * 100))) + t += m['tw'] * 1e3 + n += 1 + poly(pts, m['color'], lw, dash) +# 越线标记 +for m, df in ((PT, 0.005), (PH, 0.005), (PT, 0.0015), (PH, 0.0015)): + i, ms = delay_ms(m, df) + if i is None: + continue + dot(ax(ms), ay(resp(m, df, i) * 100), 4.6 if df == 0.005 else 3.4, m['color']) + +iT5, msT5 = delay_ms(PT, 0.005); iH5, msH5 = delay_ms(PH, 0.005) +iT15, msT15 = delay_ms(PT, 0.0015); iH15, msH15 = delay_ms(PH, 0.0015) +note(110, 716, 580, 158, '越线时刻与读图要点（同一判据口径）', [ + '大信号 +0.5%%：PD132T 第 %d 窗 ⇒ %.1f ms ｜ PD136HA 第 %d 窗 ⇒ %.1f ms' % (iT5 + 1, msT5, iH5 + 1, msH5), + '近阈值 +0.15%%：PD132T 第 %d 窗 ⇒ %.1f ms ｜ PD136HA 第 %d 窗 ⇒ %.1f ms' % (iT15 + 1, msT15, iH15 + 1, msH15), + '⇒ 大信号由「窗长」决定（2×）；近阈值由「τ」决定（≈4.7×）', + '面板 B：右侧平坦段 = 1 窗下限；左侧陡升 = IIR(τ) 主导；阈值以下永不检到', +], '#0b6') +txt(110, 890, '蓝 = PD132T，橙 = PD136HA；实线 = 大信号（+0.5%），虚线 = 近阈值（+0.15%）', 13, '#555') + +# ================== 面板 B：检测延迟 vs Δf/f（对数扫描） ================== +BX0, BX1, BYB, BYT = 830.0, 1430.0, 830.0, 170.0 +DLO, DHI = 4.0, 3000.0 # ms +RLO, RHI = 0.02, 5.0 # % +bx = lambda v: BX0 + (math.log10(v / RLO) / math.log10(RHI / RLO)) * (BX1 - BX0) +by = lambda d: BYB - (math.log10(d / DLO) / math.log10(DHI / DLO)) * (BYB - BYT) + +txt(BX0 - 10, BYT - 18, '面板 B：检测延迟随信号强度（对数扫描）', 15.5, '#0b4f7a', 'start', '700') +rect(BX0, BYT, BX1 - BX0, BYB - BYT, fill='#fcfcfc', stroke='#ccc') +line(BX0, BYB, BX1, BYB, '#888', 1.5) +line(BX0, BYT, BX0, BYB, '#888', 1.5) +for d in (4, 10, 30, 100, 300, 1000, 3000): + line(BX0, by(d), BX1, by(d), '#eee', 1) + txt(BX0 - 8, by(d) + 5, ('%g' % d) + ' ms', 12.5, '#666', 'end') +for v in (0.02, 0.05, 0.1, 0.2, 0.5, 1, 2, 5): + line(bx(v), BYB, bx(v), BYB - 6, '#888', 1) + txt(bx(v), BYB + 22, ('%g' % v) + '%', 12.5, '#666', 'middle') +txt((BX0 + BX1) / 2, BYB + 48, '车辆引起的 Δf/f（%，对数轴）', 13.5, '#444', 'middle', '700') + +# 典型车型区间 +rect(bx(0.1), BYT, bx(1.0) - bx(0.1), BYB - BYT, fill='#f2c200', stroke='none', op=0.13) +txt(bx(0.1) + 6, BYT + 20, '典型车型 0.1%~1%', 12.5, '#8a6d00') + +# 曲线 +for m in (PT, PH): + pts = [] + v = RLO * 1.05 + while v <= RHI: + i, ms = delay_ms(m, v / 100.0, cap=4000) + v *= 1.02 + if i is None: + continue + if ms > DHI: + break + pts.append((bx(v), by(ms))) + poly(pts, m['color'], 2.6) + # 阈值竖线 + thrp = m['thr'] * 100 + line(bx(thrp), BYB, bx(thrp), BYT, m['color'], 1.4, '6,4') + anc = 'end' if m is PT else 'start' + off = -6 if m is PT else 6 + txt(bx(thrp) + off, BYT - 6, '%s 档1 %.4f%%' % (m['name'], thrp), 12.5, m['color'], anc) + # 1 窗平台标注 + line(BX0, by(m['tw'] * 1e3), bx(thrp), by(m['tw'] * 1e3), m['color'], 1.2, '3,4') + txt(bx(thrp) + 8, by(m['tw'] * 1e3) - 7, '≈1 窗 %.2f ms' % (m['tw'] * 1e3), 12.5, m['color']) +# 不可检区域（阈值左侧） +for m in (PT, PH): + rect(BX0, BYT, bx(m['thr'] * 100) - BX0, BYB - BYT, fill='#bbb', stroke='none', op=0.18) +txt(BX0 + 8, BYB - 12, '← 阈值以下：永远检不到（灰区）', 12.5, '#555') + +dT_big = iT5 and msT5; dH_big = msH5 + + +# ================== 页脚 ================== +note(30, 912, 700, 62, '公式（与 measurement-window-quantization.md §1~§4 同源）', [ + 'CAPVD_n = Δf/f·[1 − (1−α/256)^n]（n = 第 n 次窗更新）；延迟 = 首个满足 CAPVD_n ≥ 判据 的 (n+1)·T_win', +], '#0b6') +note(750, 912, 740, 62, '注', [ + '未计输出级 50 ms 主节拍量化（实际继电器动作再加 ≤50 ms）；两型号均为单次越线判定（无进入/离开确认）。', +], '#0b6') + +add('') +svg = ('' + '' % (W, H, W, H, W, H)) + ''.join(o) +out = 'docs/img/response-compare-pd132t-pd136ha.svg' +open(out, 'w', encoding='utf-8').write(svg) +print('SVG:', out, len(svg), 'bytes') +print('PD132T : tw=%.3f ms tau=%.1f ms(口径%.1f) 档1=%.4f%%' % (PT['tw'] * 1e3, PT['tau'] * 1e3, PT['tau_pl'] * 1e3, PT['thr'] * 100)) +print('PD136HA: tw=%.3f ms tau=%.1f ms(口径%.1f) 档1=%.4f%%' % (PH['tw'] * 1e3, PH['tau'] * 1e3, PH['tau_pl'] * 1e3, PH['thr'] * 100)) +print('+0.50%%: PD132T %.1f ms(第%d窗) | PD136HA %.1f ms(第%d窗)' % (msT5, iT5 + 1, msH5, iH5 + 1)) +print('+0.15%%: PD132T %.1f ms(第%d窗) | PD136HA %.1f ms(第%d窗)' % (msT15, iT15 + 1, msH15, iH15 + 1)) +print('+0.10%%: PD132T %.1f ms | PD136HA %.1f ms' % (delay_ms(PT, 0.001)[1] or -1, delay_ms(PH, 0.001)[1] or -1)) + +