一种基于云计算的车载多媒体的自动化测试控制系统技术方案

本发明专利技术公开了一种基于云计算的车载多媒体的自动化测试控制系统，包括单片机控制器，单片机控制器的输出端分别与信号发生模块、程控增益放大器、滤波模块和动态模拟模块的输入端电性连接，单片机控制器的输入端分别与图像信息采集处理模块、信号采集模块、电路故障检测模块、计时模块和电源模块的输出端电性连接，单片机控制器分别与数据处理模块、RAM存储器、ROM存储器、数据库和无线射频收发模块电性连接，无线射频收发模块通过GPRS网络与云端服务器连接，无线射频收发模块通过GPRS网络与外部设备连接。该发明专利技术充分利用了云计算的数据处理能力和数据存储能力，提高了测试效率，且对测试结果可有效存储。

【技术实现步骤摘要】

本专利技术属于多媒体
，尤其涉及一种基于云计算的车载多媒体的自动化测试控制系统。
技术介绍
车载多媒体系统是嵌入安装在汽车环境使用的多媒体系统、导航系统，其具有优化交通效率、播放娱乐音频等作用，并在快速地向高性能、高质量、多功能、个性化的方向发展，消费者在选购汽车时也将车载多媒体的性能作为一项重要的考量指标。因此车载多媒体在出厂时，制造商必须要对其性能进行测试。目前，主要靠人工手动对车载多媒体进行测试，测试过程数据及测试结果也需要人工处理，导致测试效率低下，远远跟不上企业新产品研制和新项目开发的进度。有部分企业采用了自动化测试方法测试车载多媒体，但是现有的自动化测试方法也只是完全构建在一些专业的虚拟仪器平台上，或者也只局限于部分性能的自动化测试，这也就导致了这些自动化测试不适于大量数据处理的任务，不能根据产品变化的需求及时更新信号采集的精度；而且目前的测试控制系统数据处理和数据存储能力差，测试准确率不高和操作不便捷。
技术实现思路
本专利技术的目的在于提供一种基于云计算的车载多媒体的自动化测试控制系统，旨在解决目前的测试控制系统数据处理和数据存储能力差，测试准确率不高和操作不便捷的问题。本专利技术是这样实现的，一种基于云计算的车载多媒体的自动化测试控制系统，包括单片机控制器，所述单片机控制器的输出端分别与信号发生模块、程控增益放大器、滤波模块和动态模拟模块的输入端电性连接，所述单片机控制器的输入端分别与图像信息采集处理模块、信号采集模块、电路故障检测模块、计时模块和电源模块的输出端电性连接，所述单片机控制器分别与数据处理模块、RAM存储器、ROM存储器、数据库和无线射频收发模块电性连接，所述无线射频收发模块通过GPRS网络与云端服务器连接，所述无线射频收发模块通过GPRS网络与外部设备连接。进一步，所述图像信息采集处理模块的输入端与摄像头的输出端电性连接。进一步，所述外部设备通过GPRS网络与云端服务器连接。进一步，所述外部设备为电脑、手机等具有网络连接功能的电子产品。进一步，ROM存储器利用编码存储方法进行数据存储，具体包括以下步骤：A：所述编码存储方法的二维码字为C＝[ci,j]；1≤i≤m-1,1≤j≤m+m，元素ci,j表示为第i行，第j列的信息位或校验位；B：当1≤i≤m-1,1≤j≤m-1时，元素ci,j为信息位，用于存放原文件数据；C：当1≤i≤m-1，m≤j≤m+m时，元素ci,j为校验位，用于存放校验数据；D：根据以上三条步骤得出第一列校验位可以按照下述规则构造：E：第r列的冗余校验位如下公式表示，令公共调节因子为：F：根据步骤E得出第r列校验位为：式中：1≤i＜m-1，1≤r≤m。进一步，所述图像信息采集处理模块包括图像采集子模块、图像模糊度评价子模块、模糊度调整子模块；所述图像采集子模块用于采集摄像头拍摄的图像信息；所述模糊度评价子模块用于获取图像采集子模块传输的图像，并计算滤波前后图像统计信息比值；所述模糊度调整子模块与模糊度评价子模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标。进一步，利用模糊度评价字模块、模糊度调整字模块对图像模糊度评价方法为：步骤一，图像获取，通过图像采集子模块获取待评价的图像；步骤二，图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：Gray＝R*0.3+G*0.59+B*0.11；步骤三，图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|；步骤四，图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：步骤五，图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：其中，w1与w2是根据离中心像素的距离设定的权值，w1＝1，w2＝1/3；步骤六，图像模糊度指标计算，将步骤五得出的图像滤波前后边缘灰度统计信息的比值作为模糊度指标，为方便评价，取较大的为分母，较小的为分子，保持该值介于(0,1)之间；步骤七，根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max]；步骤八，图像模糊度调整，若图像模糊度指标小于min，根据步骤六，判定图像滤波前后变化很大，原图像过于锐化，则利用低通滤波器进行滤波调整；若大于max，判定图像滤波前后变化很小，原图像过于模糊，则利用高通滤波器进行滤波调整，以达到更佳视觉效果；步骤九，得出最终图像和该图像模糊度评价指标，传输给单片机控制器。进一步，步骤七中，根据最佳视觉效果的DMOS范围得出对应的一个模糊度指标范围[min,max]，具体为：得出模糊度调整范围，利用步骤一至步骤六中的模糊度评价方法评价LIVE2中的174幅高斯模糊图像，计算出它们各自的模糊度评价值，然后利用拟合工具plot建立评价值value与DMOS之间的映射关系，根据最佳视觉效果对应的DMOS范围得出对应的一个模糊评价值范围[min，max]。进一步，信号采集模块的信号采集方法包括：对采集信号s(t)进行非线性变换，按如下公式进行：其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，fc表示信号的载波频率，表示信号的相位，通过该非线性变换后得到：进一步，信号采集模块的信号采集方法还包括：获取非线性变换后得到的信号，并进行放大处理；信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；小波包去噪；即利用改进小波包算法对采集的信号进行去噪；小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；组成特征向量，即利用主成分分析方法，从上述8个参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有泄漏发生。进一步，所述小波包去噪和小波包分解与重构包括：信号延拓，对小波包分解的各层信号进行抛物线延拓；设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：消去单子带多余频率成分；将延拓后的信号与分解低通滤波器h0卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分本文档来自技高网...

【技术保护点】
一种基于云计算的车载多媒体的自动化测试控制系统，其特征在于，所述基于云计算的车载多媒体的自动化测试控制系统包括单片机控制器；所述单片机控制器的输出端分别与信号发生模块、程控增益放大器、滤波模块和动态模拟模块的输入端电性连接；所述单片机控制器的输入端分别与图像信息采集处理模块、信号采集模块、电路故障检测模块、计时模块和电源模块的输出端电性连接；所述单片机控制器分别与数据处理模块、RAM存储器、ROM存储器、数据库和无线射频收发模块电性连接；所述无线射频收发模块通过GPRS网络与云端服务器连接；所述无线射频收发模块通过GPRS网络与外部设备连接。

【技术特征摘要】
1.一种基于云计算的车载多媒体的自动化测试控制系统，其特征在于，所述基于云计算的车载多媒体的自动化测试控制系统包括单片机控制器；所述单片机控制器的输出端分别与信号发生模块、程控增益放大器、滤波模块和动态模拟模块的输入端电性连接；所述单片机控制器的输入端分别与图像信息采集处理模块、信号采集模块、电路故障检测模块、计时模块和电源模块的输出端电性连接；所述单片机控制器分别与数据处理模块、RAM存储器、ROM存储器、数据库和无线射频收发模块电性连接；所述无线射频收发模块通过GPRS网络与云端服务器连接；所述无线射频收发模块通过GPRS网络与外部设备连接。2.如权利要求1所述的基于云计算的车载多媒体的自动化测试控制系统，其特征在于，所述图像信息采集处理模块的输入端与摄像头的输出端电性连接；所述外部设备通过GPRS网络与云端服务器连接；所述外部设备为电脑、手机具有网络连接功能的电子产品。3.如权利要求1所述的基于云计算的车载多媒体的自动化测试控制系统，其特征在于，ROM存储器利用编码存储方法进行数据存储，具体包括以下步骤：A：所述编码存储方法的二维码字为C＝[ci,j]；1≤i≤m-1,1≤j≤m+m，元素ci,j表示为第i行，第j列的信息位或校验位；B：当1≤i≤m-1,1≤j≤m-1时，元素ci,j为信息位，用于存放原文件数据；C：当1≤i≤m-1，m≤j≤m+m时，元素ci,j为校验位，用于存放校验数据；D：根据以上三条步骤得出第一列校验位可以按照下述规则构造：ci,m=⊕j=0m-1ci,j,1≤i<m-1]]>E：第r列的冗余校验位如下公式表示，令公共调节因子为：Sr=⊕j=1m-1c<m-1+r·j>m,j]]>F：根据步骤E得出第r列校验位为：ci,m+2=Sr⊕(⊕j=0<i+r·j>m≠m-1m-1c<i+r·j>m,j)]]>式中：1≤i＜m-1，1≤r≤m。4.如权利要求1所述的基于云计算的车载多媒体的自动化测试控制系统，其特征在于，所述图像信息采集处理模块包括图像采集子模块、图像模糊度评价子模块、模糊度调整子模块；所述图像采集子模块用于采集摄像头拍摄的图像信息；所述模糊度评价子模块用于获取图像采集子模块传输的图像，并计算滤波前后图像统计信息比值；所述模糊度调整子模块与模糊度评价子模块相连，用于调整原图像模糊度得出最终图像和图像模糊度评价指标。5.如权利要求4所述的基于云计算的车载多媒体的自动化测试控制系统，其特征在于，利用模糊度评价字模块、模糊度调整字模块对图像模糊度评价方法为：步骤一，图像获取，通过图像采集子模块获取待评价的图像；步骤二，图像灰度化，为方便图像的边缘提取，利用数字图像处理中RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化为灰度图像，公式如下：Gray＝R*0.3+G*0.59+B*0.11；步骤三，图像边缘提取，利用数字图像处理方法中的Roberts算子边缘检测技术作用于灰度图像获取图像的边缘，不同的检测算子具有不同的边缘检测模板，根据具体模板计算交叉像素的差分作为当前像素值，使用模板如下：E(i,j)＝|F(i,j)-F(i+1,j+1)|+|F(i+1,j)-F(i,j+1)|；步骤四，图像处理，利用高通/低通滤波器对灰度图像进行滤波处理以构造待评价图像的参考图像，采用3*3均值滤波器，利用滤波模板遍历图像每个像素，每次将模板中心置于当前像素，以模板内所有像素的平均值作为当前像素新值，模板如下：19×111111111;]]>步骤五，图像边缘统计信息计算，分别计算图像滤波前后各自边缘灰度信息，滤波处理前的待评价图像F统计信息为sum_orig,滤波处理后的参考图像F2统计信息为sum_filter,具体计算公式如下：sum_orig=w1×(|F(i,j)-F(i-1,j)|+|F(i,j)-F(i,j-1)|+|F(i,j)-F(i,j+1)|+|F(i,j)-F(i+1,j)|)+w2×(|F(i,j)-F(i-1,j-1)|+|F(i,j)-F(i-1,j+1)|+|F(i,j)-F(i+1,j-1)|+|F(i,j)-F(i+1,j+1)|),]]>sum_filter=w1×(|F2(i,j)-F2(i-1,j)|+|F2(i,j)-F2(i,j-1)|+|F2(i,j)-F2(i,j+1)|+|F2(i,j)-F2(i+1,j)|)+w2×(|F2(i,j)-F2(i-1,j-1)|+|F2(i,j)-F2(i-1,j+...

【专利技术属性】
技术研发人员：王华盛，白蕾，胡迪，栾泽宇，张志义，
申请(专利权)人：北华大学，
类型：发明
国别省市：吉林;22