尧图网页设计 
简介基于Matlab的高精度TDC数据分析与图表绘制方法详解面向从事高精度时间测量系统研发的科研人员及具备Matlab编程基础的开发者。内容以串口接收的十六进制数据为起点针对每3个一组的数据格式进行解析系统梳理码密度分析、分辨率分析、DNL/INL非线性分析与RMS精度分析流程同时覆盖单元序号与脉冲数统计、平均分辨率LSB计算、时钟周期5ns下有效延迟单元个数评估以及微分非线性DNL和积分非线性INL图表生成等关键细节并给出码密度直方图、DNL图、INL图及测量时间分布图的绘制要点可支撑高精度定时测量设备的测试评估与异常定位。压缩包共1个docx文档约872KB内容侧重数据处理逻辑与图表生成步骤便于读者对照实现自己的分析脚本也适合在Matlab环境中直接改造复用。该资源已有171人学习适合需要批量处理TDC测量数据、快速产出可视化结果并验证系统时间分辨能力的研发与测试人员。1. TDC 数据分析的起点为什么码密度和 DNL/INL 能暴露计时精度高精度时间数字转换器TDC的测试本质上不是看单次测量值而是看统计分布。一个 TDC 芯片的延迟链由几百个延迟单元组成每个单元的延迟量是否均匀直接决定了 time-to-digital 转换的线性度。实际调试时从串口抓回来的数据往往是凌乱的十六进制帧可能丢帧、错位直接丢进 Matlab 绘直方图出来的码密度图会出现虚假的“零计数”凹陷让人误判为坏点。这时候需要一套完整的数据清洗、码密度统计、DNL/INL 计算和 RMS 精度评估流程。这篇文章把从串口原始帧到最终图表的完整链路拆开帧边界识别与十六进制解析、基于直方图计数原理的码密度表生成、平均分辨率 LSB 计算、微分非线性DNL和积分非线性INL的公式推导与实现、以及延迟时间换算与 RMS 测量分布图的绘制。适合要用 Matlab 处理 TDC 实测数据、又不想在数据预处理上反复踩坑的硬件工程师和算法工程师。代码基于串口助手常见的文本帧格式设计拿到就能改参数跑起来。2. 串口数据流解析与十六进制帧分组2.1 帧边界识别与数据完整性校验Matlab 读取串口数据先要明确物理层协议。常见做法是 TDC 芯片通过 UART 以 ASCII 文本形式输出十六进制数每个数形如A3 2F 7C数之间用空格或换行分隔。问题在于串口助手显示的时候可能把一帧数据切成两半比如本该是A3 2F 7C 1B实际读到A3 2F和7C 1B两段如果直接按固定窗口切后续整组数据全部错位。因此第一步不是hex2dec而是先把字节流恢复成完整的一组。下面的代码展示了一个稳重的解析流程按空格和换行切割字符串过滤掉空元素再校验所有元素都是合法十六进制最后按每组 3 个元素重组。如果末尾残留 1 到 2 个不完整元素放弃并记录丢弃计数。raw readline(s); % 从串口读一行如 A3 2F 7C 1B raw strtrim(raw); tokens regexp(raw, [0-9A-Fa-f], match); if isempty(tokens) return; end frames reshape(tokens(1:3*floor(numel(tokens)/3)), 3, []); if mod(numel(tokens), 3) ~ 0 dropCnt dropCnt mod(numel(tokens), 3); % 记录不完整残留 end逻辑说明regexp从一行文本中提取所有连续的十六进制字符段自动跳过空格、换行和不可见字符。reshape按列填充矩阵的特性在这里有个坑——直接 reshape 是按列读取的所以先转置让每行恰好一组。numel(tokens)/3向下取整保证只处理完整组残留在末尾的数据丢弃避免错位传播。参数dropCnt用来监控串口质量如果短时间内丢弃数持续增长说明波特率不匹配或线序有问题需要检查设备的流控配置。2.2 十六进制转换为十进制计数值一组数据中前两个元素通常对应 fc1 和 fc2 的延迟链输出码第三个元素可能是计数标志或附加信息。转换时用hex2dec即可但要注意数据位宽。多数 TDC 的延迟链码值不超过 12 位0~4095如果串口助手输出的是带符号的补码需要先判断最高位再转负数。conv hex2dec(frames); % 每行为一组 [fc1, fc2, aux] fc1 conv(:,1); fc2 conv(:,2); aux conv(:,3); fc1(fc1 2047) fc1(fc1 2047) - 4096; % 若为12位有符号数则修正转换完成后建议顺手做一次范围检查[min(fc1), max(fc1)]。如果最大值超过延迟链单元数 N 的一半说明数据位宽理解有误或者串口字符之间有丢失。这里2047和4096是对 12 位补码的参数实际芯片手册给到多少位就改成对应值。还有一个容易被忽略的点串口助手输出的十六进制可能带有0x前缀hex2dec不认识需要先strrep(tokens,0x,)去掉前缀。2.2.1 批量读取时的缓冲策略实时读串口时readline一次只取一行但上位机发送间隔可能远大于 Matlab 处理时间导致缓冲区堆积。更稳妥的做法是循环读取直到超时然后一次性解析减少丢帧概率。实践中我通常这样组织代码。s.NumBytesAvailableFcnCount 1; s.NumBytesAvailableFcnMode byte; flush(s); dataBuffer strings(0); for k 1:500 dataBuffer(end1) readline(s); % 循环收集直到串口空 if s.NumBytesAvailable 0 break; end end allText strjoin(dataBuffer, ); tokens regexp(allText, [0-9A-Fa-f], match);这里的关键是先用flush(s)清空串口缓冲区残留旧数据避免把上次实验的数据混入本次统计。NumBytesAvailableFcnCount设为 1 是为了让每次readline都尽快返回不会空等一整帧适合不定长输出。循环收集的最大次数 500 不是死限制根据单次实验数据量调整即可。如果设备是连续高速输出建议改成while s.NumBytesAvailable 0配合parsel逐块拼接防止内存无限增长。3. 码密度表生成与直方图绘制3.1 码密度分析的测量原理码密度测试的思想是向 TDC 输入端施加一个与时钟周期非相关的随机信号这样在足够长的统计时间内落到每个延迟单元区间的随机事件次数应当相等。如果某个单元的延迟偏大落在该区间的概率就高计数偏多反之则偏少。所以码密度直方图的横坐标是 fc1 或 fc2 的码值纵坐标是该码值出现的次数实际就是延迟链每个抽头的统计概率分布。生成码密度表最直接的方法是tabulate或histcounts。前者返回频数和百分比适合快速查看后者能直接控制 bin 边界便于和理论 LSB 对比。下面用histcounts生成从 0 到最大码值的连续 bin并输出表格。表格前三列分别展示单元序号、fc1 的脉冲数和 fc2 的脉冲数后续处理中这列序号就是延迟链单元编号。maxCode max([max(fc1), max(fc2)]); edges -0.5:1:(maxCode 0.5); [cntFc1, ~] histcounts(fc1, edges); [cntFc2, ~] histcounts(fc2, edges); codeTable table((0:maxCode), cntFc1, cntFc2, ... VariableNames, {UnitSeq, PulseFc1, PulseFc2});参数说明edges用半开边界-0.5 : 1 : maxCode0.5这样整数码值落在每个 bin 的中心不会出现因浮点精度导致的跨 bin 问题。histcounts返回的cntFc1是列向量转置后放入表格。如果发现某一段连续码值全部为 0那不是数据问题而是这段区域在上位机里被过滤掉了需要用第 2 章的丢弃计数来区分真实缺失和解析丢失。码密度表生成后务必先看codeTable.PulseFc1的总和是否等于numel(fc1)如果不等说明histcounts有溢出值被排除需要扩大maxCode范围。3.2 码密度直方图与坐标轴规范化直方图绘制要体现“哪个码值不稳定”单纯画竖条很容易被个别离群值拉高纵轴。工程上更实用的做法是同时绘制 fc1 和 fc2 的频数曲线并以平均频数为参考线。平均频数 总样本数 / 有效单元数任何明显超过平均频数 1.5 倍的 bin 都值得怀疑。figure(Color,w); bar(-0.5:maxCode, [cntFc1, cntFc2], histc); % histc让柱子对齐整数值 xlabel(Unit Code (fc1/fc2)); ylabel(Pulse Count (Frequency)); legend({fc1,fc2}, Location,northwest); grid on; hold on; avgCnt numel(fc1) / (maxCode1); yline(avgCnt, r--, Mean Freq); % 参考线代码逻辑bar(..., histc)与histcounts的边界设置是配套的柱子左边界对齐整数码视觉上不会出现半个柱宽偏移。yline在 R2018b 之后可用旧版本用plot([-0.5, maxCode0.5], [avgCnt, avgCnt], r--)。这里的avgCnt是理论均值如果直方图的峰形整体右偏或者有大片凹陷基本可以断定延迟链存在系统性地非线性区段甚至有个别单元短路或开路。3.2.1 码密度表导出与二次校验码密度表除了当前查看还要导出成 CSV 供 labview 或 Python 做交叉验证。writetable会直接生成带表头的文件中文列名在部分旧版 Excel 打开会出现乱码所以列名统一用英文字段。writetable(codeTable, code_density_table.csv);导出后我一般会用 Python 的pandas.read_csv拉回来对比一下PulseFc1求和确认 Matlab 端没有写坏。这个步骤看似多余但实际抓过不少uint32溢出导致 csv 数值被截断的情况。另一个常见坑是码值 0 被 Matlab 当作缺失值剔除导出的表里少了第 0 行后续非线性分析和实际硬件对不上。建议在writetable前显式检查codeTable.UnitSeq(1) 0。4. 平均分辨率、DNL 与 INL 计算实现4.1 平均分辨率与时间基准TDC 的平均分辨率 LSB 定义为时钟周期 T 除以有效延迟单元个数 N。这里 T 取系统时钟周期即 5nsN 是 fc1 或 fc2 实际覆盖的码值范围也就是码密度表中有效单元的数量。注意 N 不是延迟链总级数而是数据中真实出现的不同码值个数。如果某些码值从没出现过N 要剔除这些空洞。下面的代码先把没有计数的 bin 排除再用最大值和最小值之差加 1 得到 N。maxCode maxCode 1; % 码值范围长度 validIdx (cntFc1 0) (cntFc2 0); N sum(validIdx); % 有效延迟单元个数 T_ns 5; % 时钟周期 ns LSB_ps T_ns * 1000 / N; % 平均分辨率 ps困扰很多人的细节是 N 的取值。延迟链的起始点可能不是 0比如 fc1 的最小码是 3最大码是 255此时有效单元数应该是 253 而不是 256。所以在计算前必须先用min(fc1)和max(fc1)校正边界。LSB_ps的单位换算这里统一用 ps方便和芯片手册对比手册写 10ps/LSB 左右时计算结果应当接近偏差超过 20% 就说明 N 的估算有问题。4.2 微分非线性 DNL 的公式与实现第 i 级延迟单元的实际延迟时间 LSBi 由码密度数据估算为:LSBi (ni / M) * T其中 ni 是码值 i 出现的频数M 是总样本数T 是时钟周期。DNL 是实际延迟与理想 LSB 的偏差理想情况下 LSBi 应当等于 LSB因此 DNL_i LSBi - LSB。下面的函数返回每个有效单元的 DNL 值并以表格形式列出。表格前三列分别是单元序号、频数和实际延迟ps第四列是 DNLps。M numel(fc1); % 总样本数 unitIdx (0:maxCode-1); actualDelay_ps (cntFc1 ./ M) * (T_ns * 1000); % 公式 LSBi ni/M*T dnl_ps actualDelay_ps - LSB_ps; dnlTable table(unitIdx, cntFc1, actualDelay_ps, dnl_ps, ... VariableNames, {Unit, Freq, Delay_ps, DNL_ps});实现时最容易出错的是cntFc1和M的长度匹配。如果之前用histcounts时edges定义的 bin 数量大于实际码值范围cntFc1会比unitIdx长矩阵乘法直接报错。安全做法是用min(numel(cntFc1), numel(unitIdx))截断。DNL 的正负号约定要统一正值表示该级延迟比平均值长负值表示偏短。实际测试中如果出现连续多个大正 DNL说明延迟链存在慢速区段可能是布线负载过大的位置。4.3 积分非线性 INL 的累加策略INL 是 DNL 从第 0 级到第 i 级的累积和反映延迟链整体偏移的积累。计算时用cumsum即可但要注意首级 DNL 的参考点。标准定义要求 INL(0) 0所以累计前先把 DNL 向量做一次零均值处理即减去首级 DNL 值否则整条 INL 曲线会整体上移。dnlVec dnl_ps(validIdx); % 只对有效单元积分 inl_ps cumsum([0; dnlVec(2:end)]); % INL(0)0从第2级开始累加 figure(Color,w); subplot(2,1,1); plot(unitIdx(validIdx), dnlVec, -o, MarkerSize,3); xlabel(Unit Code); ylabel(DNL (ps)); grid on; subplot(2,1,2); plot(unitIdx(validIdx), inl_ps, -s, MarkerSize,3); xlabel(Unit Code); ylabel(INL (ps)); grid on;cumsum([0; dnlVec(2:end)])的写法刻意跳过了第一个 DNL 值这样首级 INL 强制为 0符合延迟链校准的标准习惯。绘制 DNL/INL 图时如果 DNL 图形状像正弦波通常是由芯片内部的 DLL 抖动引起的周期性误差如果 INL 呈抛物线形则是延迟链供电电压随负载变化导致的非线性。这两种情况对应的硬件调整方向完全不同前者查时钟抖动后者查电源去耦。在完成 DNL/INL 计算后可以把结果合并成一张汇总表便于复制到论文或测试报告里。汇总表列包括单元序号、实际延迟、DNL、INL以及 DNL 的累计百分比误差。代码如下summaryTable table(unitIdx(validIdx), actualDelay_ps(validIdx), ... dnlVec, inl_ps, ... VariableNames, {Unit,Delay_ps,DNL_ps,INL_ps}); summaryTable.DNLPct summaryTable.DNL_ps / LSB_ps * 100;表格中DNLPct是相对误差百分比能直观看出哪些级延迟偏差超过 5%。这类表格导出后和芯片数据手册上的典型 DNL 曲线对比如果数量级不一致检查一下 M 的样本规模。码密度测试通常需要不少于 10 万次采样2 万以下的数据绘出的 DNL 波动会很大不是芯片问题是统计噪声。5. 延迟时间换算与 RMS 测量精度分布绘制5.1 延迟时间换算公式TDC 原始码值本身不代表时间需要乘 LSB 或按协议换算成物理时间。在输入数据中常见约定是 fc_data × 5 × 10^3其中 5 是时钟周期ns×10^3 是 ns 转 ps 的缩放因子。也就是说延迟时间 T 的单位是 ps公式为 T_ps fc_data × 5 × 10^3。这个公式等价于用 5ns 作为单个 LSB 的基准再放大 1000 倍得到皮秒值。实际应用中如果你已经计算出了更准确的 LSB_ps用 LSB_ps 替换 5000 会更合理因为 LSB 是平均分辨率包含了对延迟链长度 N 的补偿。两者差距在 10% 以内时用固定 5000 更快差距大说明延迟链不够线性优先修硬件问题而不是在软件里补偿。下面的代码同时计算两种结果并画分布delayFixed_ps double(fc1) * 5 * 1e3; % 固定LSB法单位 ps delayMeas_ps double(fc1) * LSB_ps; % 测量LSB法单位 ps figure(Color,w); histogram(delayMes_ps, BinWidth, 20, FaceAlpha, 0.7); xlabel(Delay Time (ps)); ylabel(Occurrence Count); grid on;histogram的BinWidth设置为 20ps一组数据大约 6 万次测量时每个 bin 的统计量足够平滑。如果分布呈双峰或长尾说明 TDC 的延迟链存在系统性的多周期折叠现象例如输入事件跨越了两条时钟沿导致码值整体偏移一个量级。双峰数据不能用简单标准差来描述 RMS需要先按峰谷拆分再分别评估。5.2 RMS 精度与分布图的工程判读RMS 精度定义为延迟时间测量值的标准差反映 TDC 的随机测量误差。Matlab 中用std直接计算即可但必须注明数据单位。如果直接对原始码值 fc1 求标准差得到的是码值波动需要乘 LSB 才是时间域的 RMS。正确顺序是先换算延迟时间再计算标准差顺序反了会导致结果与真实物理意义脱节。rms_ps std(delayMeas_ps); fprintf(RMS Resolution: %.2f ps\n, rms_ps);绘制测量时间分布图时叠加理论正态曲线能让偏差更明显。理论曲线的均值用中位数估计会更稳——TDC 数据偶尔有少量离群点均值会被拉偏而标准差本身对离群点敏感所以先用中位数剔除 3σ 外的点再绘形更接近真实分布中心。做法如下medVal median(delayMeas_ps); sigma std(delayMeas_ps); cleanIdx abs(delayMeas_ps - medVal) 3*sigma; histogram(delayMeas_ps(cleanIdx), BinWidth, 20, Normalization, pdf); hold on; x medVal-3*sigma : 2 : medVal3*sigma; plot(x, normpdf(x, medVal, sigma), r-, LineWidth, 1.5); legend(Measured,Gaussian Fit);Normalization设为pdf后纵轴直接是概率密度方便与理论高斯曲线叠加比较。做 3σ 裁剪时注意保留原数据的数量级别对裁剪后的子集再重新算 sigma否则会裁剪掉真实的大误差事件。如果裁剪比例超过总体样本的 2%说明设备输出里混入了大量不可靠数据优先回到第 2 章检查串口帧边界而不是尝试用滤波掩盖问题。RMS 分布图在调试时还能快速暴露出时钟源抖动——峰形变宽且伴随明显旁瓣一般是参考时钟的相位噪声过大和 TDC 核心电路本身无关。5.3 报告导出与自动化脚本打包图表和表格都生成后把图窗统一导出成矢量图用于论文排版。exportgraphics在 R2020a 之后支持直接设置分辨率避免print在不同平台下的字体渲染差异。脚本整体打包成函数输入参数是串口对象或数据文件名输出码密度表、DNL/INL 表和 RMS 值这样每次实验只需跑一行代码。exportgraphics(gcf, tdc_delay_distribution.pdf, ContentType, vector); exportgraphics(gcf, tdc_delay_distribution.png, Resolution, 300);导出.pdf用来做矢量插图.png用来快速预览。文件名包含日期和实验编号便于追溯例如tdc_20251003_run01_dnl.png。调试阶段图建的比较多建议加一个saveFig辅助函数内部用datestr(now,yyyymmdd_HHMM)自动拼文件名避免手动改名漏掉关键数据。最后把所有关键表写入一个.mat文件save(tdc_result.mat,codeTable,summaryTable,rms_ps)下次分析时load进来直接接着画图省去重新读串口的时间。本文还有配套的精品资源点击获取 基于Matlab的TDC码密度分析与DNL/INL计算实践
简介基于Matlab的高精度TDC数据分析与图表绘制方法详解面向从事高精度时间测量系统研发的科研人员及具备Matlab编程基础的开发者。内容以串口接收的十六进制数据为起点针对每3个一组的数据格式进行解析系统梳理码密度分析、分辨率分析、DNL/INL非线性分析与RMS精度分析流程同时覆盖单元序号与脉冲数统计、平均分辨率LSB计算、时钟周期5ns下有效延迟单元个数评估以及微分非线性DNL和积分非线性INL图表生成等关键细节并给出码密度直方图、DNL图、INL图及测量时间分布图的绘制要点可支撑高精度定时测量设备的测试评估与异常定位。压缩包共1个docx文档约872KB内容侧重数据处理逻辑与图表生成步骤便于读者对照实现自己的分析脚本也适合在Matlab环境中直接改造复用。该资源已有171人学习适合需要批量处理TDC测量数据、快速产出可视化结果并验证系统时间分辨能力的研发与测试人员。1. TDC 数据分析的起点为什么码密度和 DNL/INL 能暴露计时精度高精度时间数字转换器TDC的测试本质上不是看单次测量值而是看统计分布。一个 TDC 芯片的延迟链由几百个延迟单元组成每个单元的延迟量是否均匀直接决定了 time-to-digital 转换的线性度。实际调试时从串口抓回来的数据往往是凌乱的十六进制帧可能丢帧、错位直接丢进 Matlab 绘直方图出来的码密度图会出现虚假的“零计数”凹陷让人误判为坏点。这时候需要一套完整的数据清洗、码密度统计、DNL/INL 计算和 RMS 精度评估流程。这篇文章把从串口原始帧到最终图表的完整链路拆开帧边界识别与十六进制解析、基于直方图计数原理的码密度表生成、平均分辨率 LSB 计算、微分非线性DNL和积分非线性INL的公式推导与实现、以及延迟时间换算与 RMS 测量分布图的绘制。适合要用 Matlab 处理 TDC 实测数据、又不想在数据预处理上反复踩坑的硬件工程师和算法工程师。代码基于串口助手常见的文本帧格式设计拿到就能改参数跑起来。2. 串口数据流解析与十六进制帧分组2.1 帧边界识别与数据完整性校验Matlab 读取串口数据先要明确物理层协议。常见做法是 TDC 芯片通过 UART 以 ASCII 文本形式输出十六进制数每个数形如A3 2F 7C数之间用空格或换行分隔。问题在于串口助手显示的时候可能把一帧数据切成两半比如本该是A3 2F 7C 1B实际读到A3 2F和7C 1B两段如果直接按固定窗口切后续整组数据全部错位。因此第一步不是hex2dec而是先把字节流恢复成完整的一组。下面的代码展示了一个稳重的解析流程按空格和换行切割字符串过滤掉空元素再校验所有元素都是合法十六进制最后按每组 3 个元素重组。如果末尾残留 1 到 2 个不完整元素放弃并记录丢弃计数。raw readline(s); % 从串口读一行如 A3 2F 7C 1B raw strtrim(raw); tokens regexp(raw, [0-9A-Fa-f], match); if isempty(tokens) return; end frames reshape(tokens(1:3*floor(numel(tokens)/3)), 3, []); if mod(numel(tokens), 3) ~ 0 dropCnt dropCnt mod(numel(tokens), 3); % 记录不完整残留 end逻辑说明regexp从一行文本中提取所有连续的十六进制字符段自动跳过空格、换行和不可见字符。reshape按列填充矩阵的特性在这里有个坑——直接 reshape 是按列读取的所以先转置让每行恰好一组。numel(tokens)/3向下取整保证只处理完整组残留在末尾的数据丢弃避免错位传播。参数dropCnt用来监控串口质量如果短时间内丢弃数持续增长说明波特率不匹配或线序有问题需要检查设备的流控配置。2.2 十六进制转换为十进制计数值一组数据中前两个元素通常对应 fc1 和 fc2 的延迟链输出码第三个元素可能是计数标志或附加信息。转换时用hex2dec即可但要注意数据位宽。多数 TDC 的延迟链码值不超过 12 位0~4095如果串口助手输出的是带符号的补码需要先判断最高位再转负数。conv hex2dec(frames); % 每行为一组 [fc1, fc2, aux] fc1 conv(:,1); fc2 conv(:,2); aux conv(:,3); fc1(fc1 2047) fc1(fc1 2047) - 4096; % 若为12位有符号数则修正转换完成后建议顺手做一次范围检查[min(fc1), max(fc1)]。如果最大值超过延迟链单元数 N 的一半说明数据位宽理解有误或者串口字符之间有丢失。这里2047和4096是对 12 位补码的参数实际芯片手册给到多少位就改成对应值。还有一个容易被忽略的点串口助手输出的十六进制可能带有0x前缀hex2dec不认识需要先strrep(tokens,0x,)去掉前缀。2.2.1 批量读取时的缓冲策略实时读串口时readline一次只取一行但上位机发送间隔可能远大于 Matlab 处理时间导致缓冲区堆积。更稳妥的做法是循环读取直到超时然后一次性解析减少丢帧概率。实践中我通常这样组织代码。s.NumBytesAvailableFcnCount 1; s.NumBytesAvailableFcnMode byte; flush(s); dataBuffer strings(0); for k 1:500 dataBuffer(end1) readline(s); % 循环收集直到串口空 if s.NumBytesAvailable 0 break; end end allText strjoin(dataBuffer, ); tokens regexp(allText, [0-9A-Fa-f], match);这里的关键是先用flush(s)清空串口缓冲区残留旧数据避免把上次实验的数据混入本次统计。NumBytesAvailableFcnCount设为 1 是为了让每次readline都尽快返回不会空等一整帧适合不定长输出。循环收集的最大次数 500 不是死限制根据单次实验数据量调整即可。如果设备是连续高速输出建议改成while s.NumBytesAvailable 0配合parsel逐块拼接防止内存无限增长。3. 码密度表生成与直方图绘制3.1 码密度分析的测量原理码密度测试的思想是向 TDC 输入端施加一个与时钟周期非相关的随机信号这样在足够长的统计时间内落到每个延迟单元区间的随机事件次数应当相等。如果某个单元的延迟偏大落在该区间的概率就高计数偏多反之则偏少。所以码密度直方图的横坐标是 fc1 或 fc2 的码值纵坐标是该码值出现的次数实际就是延迟链每个抽头的统计概率分布。生成码密度表最直接的方法是tabulate或histcounts。前者返回频数和百分比适合快速查看后者能直接控制 bin 边界便于和理论 LSB 对比。下面用histcounts生成从 0 到最大码值的连续 bin并输出表格。表格前三列分别展示单元序号、fc1 的脉冲数和 fc2 的脉冲数后续处理中这列序号就是延迟链单元编号。maxCode max([max(fc1), max(fc2)]); edges -0.5:1:(maxCode 0.5); [cntFc1, ~] histcounts(fc1, edges); [cntFc2, ~] histcounts(fc2, edges); codeTable table((0:maxCode), cntFc1, cntFc2, ... VariableNames, {UnitSeq, PulseFc1, PulseFc2});参数说明edges用半开边界-0.5 : 1 : maxCode0.5这样整数码值落在每个 bin 的中心不会出现因浮点精度导致的跨 bin 问题。histcounts返回的cntFc1是列向量转置后放入表格。如果发现某一段连续码值全部为 0那不是数据问题而是这段区域在上位机里被过滤掉了需要用第 2 章的丢弃计数来区分真实缺失和解析丢失。码密度表生成后务必先看codeTable.PulseFc1的总和是否等于numel(fc1)如果不等说明histcounts有溢出值被排除需要扩大maxCode范围。3.2 码密度直方图与坐标轴规范化直方图绘制要体现“哪个码值不稳定”单纯画竖条很容易被个别离群值拉高纵轴。工程上更实用的做法是同时绘制 fc1 和 fc2 的频数曲线并以平均频数为参考线。平均频数 总样本数 / 有效单元数任何明显超过平均频数 1.5 倍的 bin 都值得怀疑。figure(Color,w); bar(-0.5:maxCode, [cntFc1, cntFc2], histc); % histc让柱子对齐整数值 xlabel(Unit Code (fc1/fc2)); ylabel(Pulse Count (Frequency)); legend({fc1,fc2}, Location,northwest); grid on; hold on; avgCnt numel(fc1) / (maxCode1); yline(avgCnt, r--, Mean Freq); % 参考线代码逻辑bar(..., histc)与histcounts的边界设置是配套的柱子左边界对齐整数码视觉上不会出现半个柱宽偏移。yline在 R2018b 之后可用旧版本用plot([-0.5, maxCode0.5], [avgCnt, avgCnt], r--)。这里的avgCnt是理论均值如果直方图的峰形整体右偏或者有大片凹陷基本可以断定延迟链存在系统性地非线性区段甚至有个别单元短路或开路。3.2.1 码密度表导出与二次校验码密度表除了当前查看还要导出成 CSV 供 labview 或 Python 做交叉验证。writetable会直接生成带表头的文件中文列名在部分旧版 Excel 打开会出现乱码所以列名统一用英文字段。writetable(codeTable, code_density_table.csv);导出后我一般会用 Python 的pandas.read_csv拉回来对比一下PulseFc1求和确认 Matlab 端没有写坏。这个步骤看似多余但实际抓过不少uint32溢出导致 csv 数值被截断的情况。另一个常见坑是码值 0 被 Matlab 当作缺失值剔除导出的表里少了第 0 行后续非线性分析和实际硬件对不上。建议在writetable前显式检查codeTable.UnitSeq(1) 0。4. 平均分辨率、DNL 与 INL 计算实现4.1 平均分辨率与时间基准TDC 的平均分辨率 LSB 定义为时钟周期 T 除以有效延迟单元个数 N。这里 T 取系统时钟周期即 5nsN 是 fc1 或 fc2 实际覆盖的码值范围也就是码密度表中有效单元的数量。注意 N 不是延迟链总级数而是数据中真实出现的不同码值个数。如果某些码值从没出现过N 要剔除这些空洞。下面的代码先把没有计数的 bin 排除再用最大值和最小值之差加 1 得到 N。maxCode maxCode 1; % 码值范围长度 validIdx (cntFc1 0) (cntFc2 0); N sum(validIdx); % 有效延迟单元个数 T_ns 5; % 时钟周期 ns LSB_ps T_ns * 1000 / N; % 平均分辨率 ps困扰很多人的细节是 N 的取值。延迟链的起始点可能不是 0比如 fc1 的最小码是 3最大码是 255此时有效单元数应该是 253 而不是 256。所以在计算前必须先用min(fc1)和max(fc1)校正边界。LSB_ps的单位换算这里统一用 ps方便和芯片手册对比手册写 10ps/LSB 左右时计算结果应当接近偏差超过 20% 就说明 N 的估算有问题。4.2 微分非线性 DNL 的公式与实现第 i 级延迟单元的实际延迟时间 LSBi 由码密度数据估算为:LSBi (ni / M) * T其中 ni 是码值 i 出现的频数M 是总样本数T 是时钟周期。DNL 是实际延迟与理想 LSB 的偏差理想情况下 LSBi 应当等于 LSB因此 DNL_i LSBi - LSB。下面的函数返回每个有效单元的 DNL 值并以表格形式列出。表格前三列分别是单元序号、频数和实际延迟ps第四列是 DNLps。M numel(fc1); % 总样本数 unitIdx (0:maxCode-1); actualDelay_ps (cntFc1 ./ M) * (T_ns * 1000); % 公式 LSBi ni/M*T dnl_ps actualDelay_ps - LSB_ps; dnlTable table(unitIdx, cntFc1, actualDelay_ps, dnl_ps, ... VariableNames, {Unit, Freq, Delay_ps, DNL_ps});实现时最容易出错的是cntFc1和M的长度匹配。如果之前用histcounts时edges定义的 bin 数量大于实际码值范围cntFc1会比unitIdx长矩阵乘法直接报错。安全做法是用min(numel(cntFc1), numel(unitIdx))截断。DNL 的正负号约定要统一正值表示该级延迟比平均值长负值表示偏短。实际测试中如果出现连续多个大正 DNL说明延迟链存在慢速区段可能是布线负载过大的位置。4.3 积分非线性 INL 的累加策略INL 是 DNL 从第 0 级到第 i 级的累积和反映延迟链整体偏移的积累。计算时用cumsum即可但要注意首级 DNL 的参考点。标准定义要求 INL(0) 0所以累计前先把 DNL 向量做一次零均值处理即减去首级 DNL 值否则整条 INL 曲线会整体上移。dnlVec dnl_ps(validIdx); % 只对有效单元积分 inl_ps cumsum([0; dnlVec(2:end)]); % INL(0)0从第2级开始累加 figure(Color,w); subplot(2,1,1); plot(unitIdx(validIdx), dnlVec, -o, MarkerSize,3); xlabel(Unit Code); ylabel(DNL (ps)); grid on; subplot(2,1,2); plot(unitIdx(validIdx), inl_ps, -s, MarkerSize,3); xlabel(Unit Code); ylabel(INL (ps)); grid on;cumsum([0; dnlVec(2:end)])的写法刻意跳过了第一个 DNL 值这样首级 INL 强制为 0符合延迟链校准的标准习惯。绘制 DNL/INL 图时如果 DNL 图形状像正弦波通常是由芯片内部的 DLL 抖动引起的周期性误差如果 INL 呈抛物线形则是延迟链供电电压随负载变化导致的非线性。这两种情况对应的硬件调整方向完全不同前者查时钟抖动后者查电源去耦。在完成 DNL/INL 计算后可以把结果合并成一张汇总表便于复制到论文或测试报告里。汇总表列包括单元序号、实际延迟、DNL、INL以及 DNL 的累计百分比误差。代码如下summaryTable table(unitIdx(validIdx), actualDelay_ps(validIdx), ... dnlVec, inl_ps, ... VariableNames, {Unit,Delay_ps,DNL_ps,INL_ps}); summaryTable.DNLPct summaryTable.DNL_ps / LSB_ps * 100;表格中DNLPct是相对误差百分比能直观看出哪些级延迟偏差超过 5%。这类表格导出后和芯片数据手册上的典型 DNL 曲线对比如果数量级不一致检查一下 M 的样本规模。码密度测试通常需要不少于 10 万次采样2 万以下的数据绘出的 DNL 波动会很大不是芯片问题是统计噪声。5. 延迟时间换算与 RMS 测量精度分布绘制5.1 延迟时间换算公式TDC 原始码值本身不代表时间需要乘 LSB 或按协议换算成物理时间。在输入数据中常见约定是 fc_data × 5 × 10^3其中 5 是时钟周期ns×10^3 是 ns 转 ps 的缩放因子。也就是说延迟时间 T 的单位是 ps公式为 T_ps fc_data × 5 × 10^3。这个公式等价于用 5ns 作为单个 LSB 的基准再放大 1000 倍得到皮秒值。实际应用中如果你已经计算出了更准确的 LSB_ps用 LSB_ps 替换 5000 会更合理因为 LSB 是平均分辨率包含了对延迟链长度 N 的补偿。两者差距在 10% 以内时用固定 5000 更快差距大说明延迟链不够线性优先修硬件问题而不是在软件里补偿。下面的代码同时计算两种结果并画分布delayFixed_ps double(fc1) * 5 * 1e3; % 固定LSB法单位 ps delayMeas_ps double(fc1) * LSB_ps; % 测量LSB法单位 ps figure(Color,w); histogram(delayMes_ps, BinWidth, 20, FaceAlpha, 0.7); xlabel(Delay Time (ps)); ylabel(Occurrence Count); grid on;histogram的BinWidth设置为 20ps一组数据大约 6 万次测量时每个 bin 的统计量足够平滑。如果分布呈双峰或长尾说明 TDC 的延迟链存在系统性的多周期折叠现象例如输入事件跨越了两条时钟沿导致码值整体偏移一个量级。双峰数据不能用简单标准差来描述 RMS需要先按峰谷拆分再分别评估。5.2 RMS 精度与分布图的工程判读RMS 精度定义为延迟时间测量值的标准差反映 TDC 的随机测量误差。Matlab 中用std直接计算即可但必须注明数据单位。如果直接对原始码值 fc1 求标准差得到的是码值波动需要乘 LSB 才是时间域的 RMS。正确顺序是先换算延迟时间再计算标准差顺序反了会导致结果与真实物理意义脱节。rms_ps std(delayMeas_ps); fprintf(RMS Resolution: %.2f ps\n, rms_ps);绘制测量时间分布图时叠加理论正态曲线能让偏差更明显。理论曲线的均值用中位数估计会更稳——TDC 数据偶尔有少量离群点均值会被拉偏而标准差本身对离群点敏感所以先用中位数剔除 3σ 外的点再绘形更接近真实分布中心。做法如下medVal median(delayMeas_ps); sigma std(delayMeas_ps); cleanIdx abs(delayMeas_ps - medVal) 3*sigma; histogram(delayMeas_ps(cleanIdx), BinWidth, 20, Normalization, pdf); hold on; x medVal-3*sigma : 2 : medVal3*sigma; plot(x, normpdf(x, medVal, sigma), r-, LineWidth, 1.5); legend(Measured,Gaussian Fit);Normalization设为pdf后纵轴直接是概率密度方便与理论高斯曲线叠加比较。做 3σ 裁剪时注意保留原数据的数量级别对裁剪后的子集再重新算 sigma否则会裁剪掉真实的大误差事件。如果裁剪比例超过总体样本的 2%说明设备输出里混入了大量不可靠数据优先回到第 2 章检查串口帧边界而不是尝试用滤波掩盖问题。RMS 分布图在调试时还能快速暴露出时钟源抖动——峰形变宽且伴随明显旁瓣一般是参考时钟的相位噪声过大和 TDC 核心电路本身无关。5.3 报告导出与自动化脚本打包图表和表格都生成后把图窗统一导出成矢量图用于论文排版。exportgraphics在 R2020a 之后支持直接设置分辨率避免print在不同平台下的字体渲染差异。脚本整体打包成函数输入参数是串口对象或数据文件名输出码密度表、DNL/INL 表和 RMS 值这样每次实验只需跑一行代码。exportgraphics(gcf, tdc_delay_distribution.pdf, ContentType, vector); exportgraphics(gcf, tdc_delay_distribution.png, Resolution, 300);导出.pdf用来做矢量插图.png用来快速预览。文件名包含日期和实验编号便于追溯例如tdc_20251003_run01_dnl.png。调试阶段图建的比较多建议加一个saveFig辅助函数内部用datestr(now,yyyymmdd_HHMM)自动拼文件名避免手动改名漏掉关键数据。最后把所有关键表写入一个.mat文件save(tdc_result.mat,codeTable,summaryTable,rms_ps)下次分析时load进来直接接着画图省去重新读串口的时间。本文还有配套的精品资源点击获取