基于多量程的嵌入式软件能耗测量系统技术方案

技术编号:25123072 阅读:30 留言:0更新日期:2020-08-05 02:51
本发明专利技术涉及一种基于多量程的嵌入式软件能耗测量系统,包括基于多量程的电流测量终端和上位机,电流测量终端的三量程电流测量电路与被测嵌入式系统连接,为被测嵌入式系统供电并通过小、中、大三个量程的电路同时采集其产生的模拟电流信号,通过电流信号采集及处理系统处理后发送给上位机;上位机的收发模块接收电流测量终端发送来的各量程电流信号,经滤波模块过滤噪声后,将小、中、大三个量程的电流数据送入校准模块,校准模块基于校准模型对电流数据进行校准,并将校准后的电流数据存入数据库,被测嵌入式系统运行结束后,上位机的能耗计算模块从数据库中提取电流数据,计算并输出能耗测量报告。该系统有利于提高测量精确度。

【技术实现步骤摘要】
基于多量程的嵌入式软件能耗测量系统
本专利技术涉及嵌入式设备能耗测量
,具体涉及一种基于多量程的嵌入式软件能耗测量系统。
技术介绍
随着物联网技术的不断发展,嵌入式系统已得到大量而广泛的部署。对于电池供电的嵌入式系统而言,能耗已成为开发、运行和维护时重点考虑的质量属性。另据文献报道,嵌入式系统80%的能耗与软件运行活动密切相关。因而设计实现嵌入式系统软件运行时能耗测量系统,对于分析、评估和优化嵌入式系统的能效具有重要的意义和价值。嵌入式系统软件运行时能耗E可由式(1)计算。在式(1)中,T0和Tn为软件运行的开始时刻和结束时刻,而Tj和Tj+1分别表示软件运行中第j时刻和(j+1)时刻功率测量的采样点;Pj和Pj+1分别为第j和(j+1)个采样点测得的瞬时功率。通过累加相邻两个采样时刻点及其对应瞬时功率所形成的梯形的面积,可近似计算嵌入式系统软件运行时能耗,如图1所示。瞬时功率Pj可借助第j个采样点的电压Uj和电流Ij计算。Uj可直接进行测量,而Ij只能通过间接测量。取决于嵌入式系统的工作状态(如待机、数据采集和通本文档来自技高网...

【技术保护点】
1.一种基于多量程的嵌入式软件能耗测量系统,其特征在于,包括基于多量程的电流测量终端和上位机;/n所述电流测量终端包括三量程电流测量电路和电流信号采集及处理系统,所述三量程电流测量电路包括小、中、大三个量程同时进行电流测量的电路,所述三量程电流测量电路与被测嵌入式系统连接,用于为被测嵌入式系统供电并通过小、中、大三个量程的电路同时采集被测嵌入式系统产生的模拟电流信号,所述电流信号采集及处理系统包括三个ADC模块、定时模块、DMA传输模块和通讯模块,所述ADC模块连接三量程电流测量电路,所述定时模块产生中断信号同时启动三个ADC模块,各ADC模块将小、中、大三个量程采集到的三个模拟电流信号分别转...

【技术特征摘要】
1.一种基于多量程的嵌入式软件能耗测量系统,其特征在于,包括基于多量程的电流测量终端和上位机;
所述电流测量终端包括三量程电流测量电路和电流信号采集及处理系统,所述三量程电流测量电路包括小、中、大三个量程同时进行电流测量的电路,所述三量程电流测量电路与被测嵌入式系统连接,用于为被测嵌入式系统供电并通过小、中、大三个量程的电路同时采集被测嵌入式系统产生的模拟电流信号,所述电流信号采集及处理系统包括三个ADC模块、定时模块、DMA传输模块和通讯模块,所述ADC模块连接三量程电流测量电路,所述定时模块产生中断信号同时启动三个ADC模块,各ADC模块将小、中、大三个量程采集到的三个模拟电流信号分别转换为数字电流信号,然后通过DMA传输模块和通讯模块发送给上位机;
所述上位机包括控制模块、收发模块、滤波模块、校准模块、存储模块、数据库和能耗计算模块;所述控制模块用于将嵌入式软件二进制代码烧录至被测嵌入式系统中;所述收发模块接收电流测量终端发送来的各量程电流信号,经滤波模块过滤噪声后,将小、中、大三个量程的电流数据送入校准模块,所述校准模块内设有校准模型,所述校准模块基于校准模型对电流数据进行校准,并将校准后的电流数据通过存储模块存入数据库,被测嵌入式系统运行结束后,所述控制模块控制能耗计算模块从数据库中提取电流数据,计算并输出能耗测量报告。


2.根据权利要求1所述的基于多量程的嵌入式软件能耗测量系统,其特征在于,所述小、中、大三个量程为[0,25mA]、(25mA,250mA]以及(250mA,2500mA]。


3.根据权利要求1所述的基于多量程的嵌入式软件能耗测量系统,其特征在于,所述校准模型的构建方法如下:
1)在小、中、大三个量程范围内分别构建出数据集DS1、DS2和DS3,各数据集的每个样本点数据(x1,x2,x3,y)由小、中、大三个量程的电路的读数x1、x2、x3和对应的电流实际值y组成;
2)从三个量程的数据集DS1、DS2和DS3中随机抽取设定数量的样本作为测试样本,形成对应的测试集和进而生成用于小、中、大三个量程校准的训练数据集和以及测试数据集和训练数据集和的定义如式(2)所示,测试数据集和的定义如式(3)所示:






3)构建各量程校准模型:基于机器学习算法,分别构建小、中、大三个量程的最优校准模型和
4)生成合成数据集:根据各量程的最优校准模型和以及训练数据集和生成合成后的训练集DSTr,具体定义...

【专利技术属性】
技术研发人员:倪友聪杜欣肖如良李汪彪
申请(专利权)人:福建师范大学
类型:发明
国别省市:福建;35

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1