E. Median String (26进制)

本文介绍了一种解决特定问题的方法,即如何找出两个26进制字符串的中间子串。通过将每个字符转换为其对应的数值并进行一系列数学运算来实现。文章提供了一个完整的C++代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目链接:https://codeforces.com/contest/1144/problem/E

题意:给你一个26进制的字符串,找出它们的中间子串。

 

题解:26进制转换。

#include<bits/stdc++.h>

using namespace std;

int ans[200010];

string s,t;
int main()
{

    int n;
    cin>>n>>s>>t;

    for(int i=0;i<n;i++)
        ans[i]=(s[i]-'a')+(t[i]-'a');

    for(int i=n-1;i;i--)
    {
        if(ans[i]>=26){
            ans[i]-=26;
            ans[i-1]++;
        }
    }

    for(int i=0;i<n;i++) ///末尾一定可以整除,因为题目要求了
    {
        if(ans[i]%2==0){
            ans[i]/=2;
        }
        else{
            ans[i]/=2;
            ans[i+1]+=26;
        }
    }

    for(int i=0;i<n;i++)
    {
        printf("%c",ans[i]+'a');
    }
    puts("");

    return 0;
}

 

 

我现在有新LOG,但是发现源代码解析不出数据了。输出都是空的。请帮忙在源代码基础上修正。 新LOG片段如下,不用管LOG中的具体值是正式负,主要看格式。 [2025-07-31 21:26:28.200] n萔兄@刃兄`豥@蘊耯@z灶Pggddddd吕J蔲f豥鴍麼OTICE: Booting HSN2155 BL1 Firmware [2025-07-31 21:26:45.758] NOTICE: Built : 15:59:30, Feb 6 2025 [2025-07-31 21:26:45.760] NOTICE: Strap boot mode: 0xde [2025-07-31 21:26:45.762] NOTICE: SPI NAND pagesize: 2048 [2025-07-31 21:26:45.785] VERBOSE: secure_ctrl offset 112. [2025-07-31 21:26:45.788] INFO: Loading BL2 [2025-07-31 21:26:45.791] VERBOSE: Step size x20000 [2025-07-31 21:26:45.792] NOTICE: Booting @ flash address 0x0... [2025-07-31 21:26:45.795] VERBOSE: Header magic looks OK [2025-07-31 21:26:45.848] VERBOSE: Secure flags: 0x0 [2025-07-31 21:26:45.850] NOTICE: Secure boot enable: 0 [2025-07-31 21:26:45.869] VERBOSE: Payload check integrity succeeded [2025-07-31 21:26:45.896] [2025-07-31 21:26:45.896] ###### Hsn2155 Set PLL And Init DDR ###### [2025-07-31 21:26:45.900] Set pcm pll succ! [2025-07-31 21:26:45.902] Set serdes pll succ! [2025-07-31 21:26:45.903] Set cpu pll 1.2G succ! [2025-07-31 21:26:45.905] DDR init succ! [2025-07-31 21:26:45.906] Switch CPU PLL [2025-07-31 21:26:45.908] Switch BUS DIVIDE [2025-07-31 21:26:46.330] zq value check : 0xc0c0c0c [2025-07-31 21:26:46.357] vref: 0x0 [2025-07-31 21:26:46.367] 0x38c: 1f [2025-07-31 21:26:46.379] PHY_160_zq_result : 0x0 [2025-07-31 21:26:46.381] PHY_280_wrlvl_byte0 : 0xff0080 [2025-07-31 21:26:46.384] PHY_380_wrlvl_byte1 : 0xff0080 [2025-07-31 21:26:46.387] PHY_284_gate_byte0 : 0x280 [2025-07-31 21:26:46.389] PHY_384_gate_byte1 : 0x285 [2025-07-31 21:26:46.391] PHY_2a0_read : 0x0 [2025-07-31 21:26:46.393] PHY_2a4_read : 0x0 [2025-07-31 21:26:46.395] PHY_294_read : 0x7f7f7f7f [2025-07-31 21:26:46.397] PHY_298_read : 0x7f7f7f7f [2025-07-31 21:26:46.402] dq0 max_read_point : 0 [2025-07-31 21:26:46.402] dq0 min_read_point : 127 [2025-07-31 21:26:46.404] dq0 read_windows : -127 [2025-07-31 21:26:46.406] dq1 max_read_point : 0 [2025-07-31 21:26:46.408] dq1 min_read_point : 127 [2025-07-31 21:26:46.410] dq1 read_windows : -127 [2025-07-31 21:26:46.413] dq2 max_read_point : 0 [2025-07-31 21:26:46.416] dq2 min_read_point : 127 [2025-07-31 21:26:46.417] dq2 read_windows : -127 [2025-07-31 21:26:46.419] dq3 max_read_point : 0 [2025-07-31 21:26:46.422] dq3 min_read_point : 127 [2025-07-31 21:26:46.424] dq3 read_windows : -127 [2025-07-31 21:26:46.426] dq4 max_read_point : 0 [2025-07-31 21:26:46.427] dq4 min_read_point : 127 [2025-07-31 21:26:46.431] dq4 read_windows : -127 [2025-07-31 21:26:46.432] dq5 max_read_point : 0 [2025-07-31 21:26:46.435] dq5 min_read_point : 127 [2025-07-31 21:26:46.437] dq5 read_windows : -127 [2025-07-31 21:26:46.439] dq6 max_read_point : 0 [2025-07-31 21:26:46.441] dq6 min_read_point : 127 [2025-07-31 21:26:46.443] dq6 read_windows : -127 [2025-07-31 21:26:46.445] dq7 max_read_point : 0 [2025-07-31 21:26:46.447] dq7 min_read_point : 127 [2025-07-31 21:26:46.450] dq7 read_windows : -127 [2025-07-31 21:26:46.451] PHY_3a0_read : 0x0 [2025-07-31 21:26:46.453] PHY_3a4_read : 0x0 [2025-07-31 21:26:46.455] PHY_394_read : 0x7f7f7f7f [2025-07-31 21:26:46.458] PHY_398_read : 0x7f7f7f7f [2025-07-31 21:26:46.459] dq8 max_read_point : 0 [2025-07-31 21:26:46.462] dq8 min_read_point : 127 [2025-07-31 21:26:46.464] dq8 read_windows : -127 [2025-07-31 21:26:46.467] dq9 max_read_point : 0 [2025-07-31 21:26:46.469] dq9 min_read_point : 127 [2025-07-31 21:26:46.471] dq9 read_windows : -127 [2025-07-31 21:26:46.473] dq10 max_read_point : 0 [2025-07-31 21:26:46.475] dq10 min_read_point : 127 [2025-07-31 21:26:46.477] dq10 read_windows : -127 [2025-07-31 21:26:46.480] dq11 max_read_point : 0 [2025-07-31 21:26:46.482] dq11 min_read_point : 127 [2025-07-31 21:26:46.484] dq11 read_windows : -127 [2025-07-31 21:26:46.486] dq12 max_read_point : 0 [2025-07-31 21:26:46.489] dq12 min_read_point : 127 [2025-07-31 21:26:46.491] dq12 read_windows : -127 [2025-07-31 21:26:46.493] dq13 max_read_point : 0 [2025-07-31 21:26:46.495] dq13 min_read_point : 127 [2025-07-31 21:26:46.498] dq13 read_windows : -127 [2025-07-31 21:26:46.500] dq14 max_read_point : 0 [2025-07-31 21:26:46.502] dq14 min_read_point : 127 [2025-07-31 21:26:46.504] dq14 read_windows : -127 [2025-07-31 21:26:46.507] dq15 max_read_point : 0 [2025-07-31 21:26:46.511] dq15 min_read_point : 127 [2025-07-31 21:26:46.512] dq15 read_windows : -127 [2025-07-31 21:26:46.513] PHY_2e0_read : 0x0 [2025-07-31 21:26:46.516] PHY_2e4_read : 0x0 [2025-07-31 21:26:46.517] PHY_2c4_read : 0xffffffff [2025-07-31 21:26:46.520] PHY_2c8_read : 0xffffffff [2025-07-31 21:26:46.522] dq0 max_write_point : 0 [2025-07-31 21:26:46.524] dq0 min_write_point : 255 [2025-07-31 21:26:46.527] dq0 write_windows : -255 [2025-07-31 21:26:46.529] dq1 max_write_point : 0 [2025-07-31 21:26:46.531] dq1 min_write_point : 255 [2025-07-31 21:26:46.533] dq1 write_windows : -255 [2025-07-31 21:26:46.536] dq2 max_write_point : 0 [2025-07-31 21:26:46.538] dq2 min_write_point : 255 [2025-07-31 21:26:46.540] dq2 write_windows : -255 [2025-07-31 21:26:46.542] dq3 max_write_point : 0 [2025-07-31 21:26:46.545] dq3 min_write_point : 255 [2025-07-31 21:26:46.547] dq3 write_windows : -255 [2025-07-31 21:26:46.549] dq4 max_write_point : 0 [2025-07-31 21:26:46.551] dq4 min_write_point : 255 [2025-07-31 21:26:46.554] dq4 write_windows : -255 [2025-07-31 21:26:46.556] dq5 max_write_point : 0 [2025-07-31 21:26:46.558] dq5 min_write_point : 255 [2025-07-31 21:26:46.560] dq5 write_windows : -255 [2025-07-31 21:26:46.563] dq6 max_write_point : 0 [2025-07-31 21:26:46.565] dq6 min_write_point : 255 [2025-07-31 21:26:46.567] dq6 write_windows : -255 [2025-07-31 21:26:46.569] dq7 max_write_point : 0 [2025-07-31 21:26:46.572] dq7 min_write_point : 255 [2025-07-31 21:26:46.574] dq7 write_windows : -255 [2025-07-31 21:26:46.576] PHY_3e0_read : 0x0 [2025-07-31 21:26:46.578] PHY_3e4_read : 0x0 [2025-07-31 21:26:46.580] PHY_3c4_read : 0xffffffff [2025-07-31 21:26:46.583] PHY_3c8_read : 0xffffffff [2025-07-31 21:26:46.585] dq8 max_write_point : 0 [2025-07-31 21:26:46.586] dq8 min_write_point : 255 [2025-07-31 21:26:46.589] dq8 write_windows : -255 [2025-07-31 21:26:46.592] dq9 max_write_point : 0 [2025-07-31 21:26:46.593] dq9 min_write_point : 255 [2025-07-31 21:26:46.596] dq9 write_windows : -255 [2025-07-31 21:26:46.597] dq10 max_write_point : 0 [2025-07-31 21:26:46.600] dq10 min_write_point : 255 [2025-07-31 21:26:46.602] dq10 write_windows : -255 [2025-07-31 21:26:46.606] dq11 max_write_point : 0 [2025-07-31 21:26:46.607] dq11 min_write_point : 255 [2025-07-31 21:26:46.610] dq11 write_windows : -255 [2025-07-31 21:26:46.612] dq12 max_write_point : 0 [2025-07-31 21:26:46.615] dq12 min_write_point : 255 [2025-07-31 21:26:46.617] dq12 write_windows : -255 [2025-07-31 21:26:46.620] dq13 max_write_point : 0 [2025-07-31 21:26:46.621] dq13 min_write_point : 255 [2025-07-31 21:26:46.624] dq13 write_windows : -255 [2025-07-31 21:26:46.626] dq14 max_write_point : 0 [2025-07-31 21:26:46.628] dq14 min_write_point : 255 [2025-07-31 21:26:46.631] dq14 write_windows : -255 [2025-07-31 21:26:46.633] dq15 max_write_point : 0 [2025-07-31 21:26:46.635] dq15 min_write_point : 255 [2025-07-31 21:26:46.638] dq15 write_windows : -255 [2025-07-31 21:26:47.014] zq value check : 0xc0c0c0c [2025-07-31 21:26:47.041] vref: 0x1 [2025-07-31 21:26:47.051] 0x38c: 1f [2025-07-31 21:26:47.064] PHY_160_zq_result : 0x0 [2025-07-31 21:26:47.066] PHY_280_wrlvl_byte0 : 0xff0080 [2025-07-31 21:26:47.069] PHY_380_wrlvl_byte1 : 0xff0080 [2025-07-31 21:26:47.072] PHY_284_gate_byte0 : 0x280 [2025-07-31 21:26:47.074] PHY_384_gate_byte1 : 0x284 [2025-07-31 21:26:47.077] PHY_2a0_read : 0x0 [2025-07-31 21:26:47.078] PHY_2a4_read : 0x0 [2025-07-31 21:26:47.080] PHY_294_read : 0x7f7f7f7f [2025-07-31 21:26:47.082] PHY_298_read : 0x7f7f7f7f [2025-07-31 21:26:47.084] dq0 max_read_point : 0 [2025-07-31 21:26:47.086] dq0 min_read_point : 127 [2025-07-31 21:26:47.089] dq0 read_windows : -127 [2025-07-31 21:26:47.091] dq1 max_read_point : 0 [2025-07-31 21:26:47.093] dq1 min_read_point : 127 [2025-07-31 21:26:47.095] dq1 read_windows : -127 [2025-07-31 21:26:47.097] dq2 max_read_point : 0 [2025-07-31 21:26:47.099] dq2 min_read_point : 127 [2025-07-31 21:26:47.102] dq2 read_windows : -127 [2025-07-31 21:26:47.105] dq3 max_read_point : 0 [2025-07-31 21:26:47.107] dq3 min_read_point : 127 [2025-07-31 21:26:47.109] dq3 read_windows : -127 [2025-07-31 21:26:47.110] dq4 max_read_point : 0 [2025-07-31 21:26:47.113] dq4 min_read_point : 127 [2025-07-31 21:26:47.115] dq4 read_windows : -127 [2025-07-31 21:26:47.117] dq5 max_read_point : 0 [2025-07-31 21:26:47.120] dq5 min_read_point : 127 [2025-07-31 21:26:47.122] dq5 read_windows : -127 [2025-07-31 21:26:47.123] dq6 max_read_point : 0 [2025-07-31 21:26:47.125] dq6 min_read_point : 127 [2025-07-31 21:26:47.129] dq6 read_windows : -127 [2025-07-31 21:26:47.130] dq7 max_read_point : 0 [2025-07-31 21:26:47.132] dq7 min_read_point : 127 [2025-07-31 21:26:47.135] dq7 read_windows : -127 [2025-07-31 21:26:47.136] PHY_3a0_read : 0x0 [2025-07-31 21:26:47.138] PHY_3a4_read : 0x0 [2025-07-31 21:26:47.139] PHY_394_read : 0x7f7f7f7f [2025-07-31 21:26:47.142] PHY_398_read : 0x7f7f7f7f [2025-07-31 21:26:47.144] dq8 max_read_point : 0 [2025-07-31 21:26:47.146] dq8 min_read_point : 127 [2025-07-31 21:26:47.148] dq8 read_windows : -127 [2025-07-31 21:26:47.151] dq9 max_read_point : 0 [2025-07-31 21:26:47.153] dq9 min_read_point : 127 [2025-07-31 21:26:47.155] dq9 read_windows : -127 [2025-07-31 21:26:47.158] dq10 max_read_point : 0 [2025-07-31 21:26:47.159] dq10 min_read_point : 127 [2025-07-31 21:26:47.162] dq10 read_windows : -127 [2025-07-31 21:26:47.165] dq11 max_read_point : 0 [2025-07-31 21:26:47.166] dq11 min_read_point : 127 [2025-07-31 21:26:47.169] dq11 read_windows : -127 [2025-07-31 21:26:47.170] dq12 max_read_point : 0 [2025-07-31 21:26:47.174] dq12 min_read_point : 127 [2025-07-31 21:26:47.175] dq12 read_windows : -127 [2025-07-31 21:26:47.178] dq13 max_read_point : 0 [2025-07-31 21:26:47.180] dq13 min_read_point : 127 [2025-07-31 21:26:47.183] dq13 read_windows : -127 [2025-07-31 21:26:47.184] dq14 max_read_point : 0 [2025-07-31 21:26:47.187] dq14 min_read_point : 127 [2025-07-31 21:26:47.189] dq14 read_windows : -127 [2025-07-31 21:26:47.191] dq15 max_read_point : 0 [2025-07-31 21:26:47.194] dq15 min_read_point : 127 [2025-07-31 21:26:47.195] dq15 read_windows : -127 [2025-07-31 21:26:47.198] PHY_2e0_read : 0x0 [2025-07-31 21:26:47.200] PHY_2e4_read : 0x0 [2025-07-31 21:26:47.202] PHY_2c4_read : 0xffffffff [2025-07-31 21:26:47.204] PHY_2c8_read : 0xffffffff [2025-07-31 21:26:47.206] dq0 max_write_point : 0 [2025-07-31 21:26:47.208] dq0 min_write_point : 255 [2025-07-31 21:26:47.211] dq0 write_windows : -255 [2025-07-31 21:26:47.213] dq1 max_write_point : 0 [2025-07-31 21:26:47.215] dq1 min_write_point : 255 [2025-07-31 21:26:47.217] dq1 write_windows : -255 [2025-07-31 21:26:47.220] dq2 max_write_point : 0 [2025-07-31 21:26:47.222] dq2 min_write_point : 255 [2025-07-31 21:26:47.224] dq2 write_windows : -255 [2025-07-31 21:26:47.226] dq3 max_write_point : 0 [2025-07-31 21:26:47.229] dq3 min_write_point : 255 [2025-07-31 21:26:47.231] dq3 write_windows : -255 [2025-07-31 21:26:47.233] dq4 max_write_point : 0 [2025-07-31 21:26:47.235] dq4 min_write_point : 255 [2025-07-31 21:26:47.238] dq4 write_windows : -255 [2025-07-31 21:26:47.240] dq5 max_write_point : 0 [2025-07-31 21:26:47.243] dq5 min_write_point : 255 [2025-07-31 21:26:47.244] dq5 write_windows : -255 [2025-07-31 21:26:47.247] dq6 max_write_point : 0 [2025-07-31 21:26:47.249] dq6 min_write_point : 255 [2025-07-31 21:26:47.251] dq6 write_windows : -255 [2025-07-31 21:26:47.253] dq7 max_write_point : 0 [2025-07-31 21:26:47.256] dq7 min_write_point : 255 [2025-07-31 21:26:47.258] dq7 write_windows : -255 [2025-07-31 21:26:47.260] PHY_3e0_read : 0x0 [2025-07-31 21:26:47.262] PHY_3e4_read : 0x0 [2025-07-31 21:26:47.264] PHY_3c4_read : 0xffffffff [2025-07-31 21:26:47.267] PHY_3c8_read : 0xffffffff [2025-07-31 21:26:47.268] dq8 max_write_point : 0 [2025-07-31 21:26:47.271] dq8 min_write_point : 255 [2025-07-31 21:26:47.273] dq8 write_windows : -255 [2025-07-31 21:26:47.276] dq9 max_write_point : 0 [2025-07-31 21:26:47.278] dq9 min_write_point : 255 [2025-07-31 21:26:47.280] dq9 write_windows : -255 [2025-07-31 21:26:47.282] dq10 max_write_point : 0 [2025-07-31 21:26:47.285] dq10 min_write_point : 255 [2025-07-31 21:26:47.286] dq10 write_windows : -255 [2025-07-31 21:26:47.290] dq11 max_write_point : 0 [2025-07-31 21:26:47.291] dq11 min_write_point : 255 [2025-07-31 21:26:47.294] dq11 write_windows : -255 [2025-07-31 21:26:47.296] dq12 max_write_point : 0 [2025-07-31 21:26:47.299] dq12 min_write_point : 255 [2025-07-31 21:26:47.300] dq12 write_windows : -255 [2025-07-31 21:26:47.303] dq13 max_write_point : 0 [2025-07-31 21:26:47.306] dq13 min_write_point : 255 [2025-07-31 21:26:47.308] dq13 write_windows : -255 [2025-07-31 21:26:47.310] dq14 max_write_point : 0 [2025-07-31 21:26:47.313] dq14 min_write_point : 255 [2025-07-31 21:26:47.316] dq14 write_windows : -255 [2025-07-31 21:26:47.317] dq15 max_write_point : 0 [2025-07-31 21:26:47.319] dq15 min_write_point : 255 [2025-07-31 21:26:47.322] dq15 write_windows : -255 [2025-07-31 21:26:47.699] zq value check : 0xc0c0c0c 源代码如下: import numpy as np """ NumPy (Numerical Python) - 科学计算基础库 主要功能: - 提供高效的N维数组对象(ndarray) - 支持广播功能函数 - 提供线性代数、傅里叶变换、随机数生成等功能 在本代码中主要用于: - 数值计算和数组操作 - 科学计算支持 """ import matplotlib.pyplot as plt """ Matplotlib - Python中最强大的绘图库 主要功能: - 创建静态、动态和交互式图表 - 支持多种图表类型(线图、散点图、柱状图等) - 高度可定制化(颜色、线型、标签等) 在本代码中主要用于: - 绘制眼图 - 可视化DDR校准数据 - 创建图表和图形界面 """ import re """ re (Regular Expression) - 正则表达式模块 主要功能: - 文本搜索和模式匹配 - 文本替换 - 复杂字符串处理 在本代码中主要用于: - 解析日志文件中的关键数据 - 提取VREF、偏移量、数据点等信息 - 处理复杂的文本匹配任务 """ import datetime """ datetime - 日期和时间处理模块 主要功能: - 日期和时间的表示 - 日期和时间的计算 - 日期和时间的格式化 在本代码中主要用于: - 生成时间戳 - 创建带时间戳的文件名 - 记录报告生成时间 """ from matplotlib.lines import Line2D """ Line2D - 用于创建二维线条对象 主要功能: - 表示二维坐标系中的线条 - 控制线条属性(颜色、线宽、样式等) 在本代码中主要用于: - 创建图例元素 - 自定义图表中的线条样式 """ import os """ os (Operating System) - 操作系统接口模块 主要功能: - 文件和目录操作 - 路径操作 - 进程管理 在本代码中主要用于: - 文件路径处理 - 目录创建 - 文件存在性检查 """ from collections import defaultdict """ defaultdict - 带默认值的字典 主要功能: - 当访问不存在的键时返回默认值 - 避免KeyError异常 在本代码中主要用于: - 存储电压-窗口映射关系 - 简化字典初始化操作 """ import math """ math - 数学函数模块 主要功能: - 提供数学运算函数 - 包括三角函数、对数、取整等 在本代码中新增用于: - 计算中位数 """ # 健壮的文件读取函数 - 详细解释每个编程概念 def robust_read_file(file_path): """ 健壮的文件读取函数,处理不同编码的文件 参数: file_path - 文件在电脑上的完整路径(字符串) 编程概念详解: 1. 函数定义:def关键字用于定义函数,函数是一段可重复使用的代码块 2. 参数传递:file_path是形式参数,调用时传入实际文件路径 3. 异常处理:try-except结构用于捕获和处理运行时错误 4. 上下文管理器:with语句用于资源管理,确保文件正确关闭 5. 编码处理:不同文件可能使用不同编码(UTF-8, Latin-1等) 6. 正则表达式:用于过滤控制字符 """ ########################################################## # try-except 异常处理结构 # try: 尝试执行可能出错的代码块 ########################################################## try: ########################################################## # with 上下文管理器 # 语法:with expression [as variable]: # 特点:自动管理资源(如文件),确保资源正确释放 # open() 函数:打开文件 # 'r':只读模式 # encoding='utf-8':指定UTF-8编码 ########################################################## with open(file_path, 'r', encoding='utf-8') as f: # 文件对象方法:f.read()读取整个文件内容 return f.read() ########################################################## # except 捕获特定异常 # UnicodeDecodeError:当文件编码不匹配时抛出 ########################################################## except UnicodeDecodeError: try: # 尝试使用Latin-1编码(支持所有256个字节值) with open(file_path, 'r', encoding='latin-1') as f: content = f.read() ########################################################## # 正则表达式详解:r'[\x00-\x1F]+' # 用途:匹配并删除控制字符(ASCII 0-31) # 分解: # r'':原始字符串,避免转义字符处理 # []:字符类,匹配括号内任意字符 # \x00-\x1F:十六进制范围,表示ASCII控制字符(0-31) # +:量词,匹配1次或多次 # re.sub():替换匹配项 # 参数1:模式 # 参数2:替换内容(空字符串) # 参数3:输入字符串 ########################################################## return re.sub(r'[\x00-\x1F]+', '', content) ########################################################## # Exception 捕获所有异常 # 通用异常处理,打印错误信息 ########################################################## except Exception as e: # 格式化字符串:f-string (Python 3.6+) print(f"文件解码错误: {e}") return None # 日志解析函数 - 重点讲解正则表达式 def parse_log_file(log_content, normalization_point): """ 解析DDR校准日志文件,提取关键数据 参数: log_content - 日志文件的内容(字符串) normalization_point - 归一化点(十六进制整数) 数据结构说明: data = { vref: { dq_index: { 'read': (min, max, window), 'write': (min, max, window) } } } raw_data = { vref: { dq_index: { 'read': {'min': min_val, 'max': max_val}, 'write': {'min': min_val, 'max': max_val} } } } """ # 初始化数据结构 data = {} # 主数据结构,存储解析后的数据 current_vref = None # 当前处理的vref值 pending_data = {} # 临时存储待处理的数据(字典) current_offset = None # 当前偏移量 raw_data = {} # 存储原始数据(偏移前) # 按行处理日志内容 # 字符串方法:split('\n') 按换行符分割字符串 for line in log_content.split('\n'): # 字符串方法:strip() 移除首尾空白字符 line = line.strip() # 空行检查 if not line: continue # 跳过空行 ########################################################## # 正则表达式1:匹配VREF行 # 模式:r'.*vref:\s*0x([0-9a-fA-F]+)' # 目标示例: "Setting vref: 0x1A3" # # 详细分解: # .* - 匹配任意字符(除换行符外)0次或多次(贪婪匹配) # vref: - 匹配字面字符串 "vref:" # \s* - 匹配0个或多个空白字符(空格、制表符等) # 0x - 匹配字面字符串 "0x" # ( - 开始捕获组 # [0-9a-fA-F] - 字符类,匹配十六进制字符(0-9, a-f, A-F) # + - 匹配前面的元素1次或多次 # ) - 结束捕获组 # # 匹配过程: # "Setting vref: 0x1A3" -> 匹配整个字符串 # 捕获组1: "1A3" ########################################################## vref_match = re.match(r'.*vref:\s*0x([0-9a-fA-F]+)', line) if vref_match: # 获取捕获组内容 hex_str = vref_match.group(1) # int()函数:字符串转整数 # 参数1:字符串 # 参数2:基数(16表示十六进制) current_vref = int(hex_str, 16) # 字典初始化 data[current_vref] = {} # 嵌套字典初始化 raw_data[current_vref] = {} pending_data = {} # 重置临时数据 current_offset = None continue # 跳过后续处理 ########################################################## # 正则表达式2:匹配偏移量行 # 模式:r'.*0x38c:\s*(?:0x)?([0-9a-fA-F]+)' # 目标示例: "Offset 0x38c: 0x25" 或 "0x38c: 25" # # 详细分解: # .* - 匹配任意字符0次或多次 # 0x38c: - 匹配字面字符串 "0x38c:" # \s* - 匹配0个或多个空白字符 # (?: - 开始非捕获组 # 0x - 匹配字面字符串 "0x" # )? - 非捕获组出现0次或1次 # ( - 开始捕获组 # [0-9a-fA-F]+ - 匹配1个或多个十六进制字符 # ) - 结束捕获组 # # 特殊说明: # (?:...) 是非捕获组,匹配但不捕获内容 # 用于处理可选前缀而不创建额外捕获组 ########################################################## offset_match = re.match(r'.*0x38c:\s*(?:0x)?([0-9a-fA-F]+)', line) if offset_match and current_vref is not None: try: hex_str = offset_match.group(1) offset_value = int(hex_str, 16) # 计算偏移量:归一化点 - 读取值 current_offset = normalization_point - offset_value except ValueError: # 异常处理:打印警告信息 print(f"警告: 无法解析偏移量: {offset_match.group(1)}") current_offset = None continue ########################################################## # 正则表达式3:匹配最大值点 # 模式:r'.*dq(\d+)\s+max_(\w+)_point\s*:\s*(-?\d+)' # 目标示例: "dq5 max_read_point: 120" # # 详细分解: # .* - 匹配任意字符0次或多次 # dq - 匹配字面字符串 "dq" # (\d+) - 捕获组1:匹配1个或多个数字(DQ索引) # \s+ - 匹配1个或多个空白字符 # max_ - 匹配字面字符串 "max_" # (\w+) - 捕获组2:匹配1个或多个单词字符(方向:read/write) # _point - 匹配字面字符串 "point" # \s*:\s* - 匹配冒号前后任意空白 # (-?\d+) - 捕获组3:匹配可选负号后跟1个或多个数字 # # 捕获组说明: # 组1: DQ索引 (如 "5") # 组2: 方向 (如 "read") # 组3: 最大值 (如 "120") ########################################################## max_match = re.match(r'.*dq(\d+)\s+max_(\w+)_point\s*:\s*(-?\d+)', line) if max_match and current_vref is not None: # 提取捕获组内容 dq_index = int(max_match.group(1)) # 转换为整数 direction = max_match.group(2) # 字符串 max_val = int(max_match.group(3)) # 转换为整数 # 字典操作:检查键是否存在并初始化 if current_vref not in raw_data: # 字典设置默认值 raw_data[current_vref] = {} if dq_index not in raw_data[current_vref]: raw_data[current_vref][dq_index] = {} if direction not in raw_data[current_vref][dq_index]: # 嵌套字典初始化 raw_data[current_vref][dq_index][direction] = {'min': None, 'max': None} # 存储原始值(不应用偏移) raw_data[current_vref][dq_index][direction]['max'] = max_val # 只有读方向应用偏移 if direction == 'read' and current_offset is not None: # 应用偏移 max_val += current_offset # 存储到临时数据字典 key = (dq_index, direction) # 元组作为字典键 pending_data[key] = {'max': max_val} # 字典值也是字典 continue ########################################################## # 正则表达式4:匹配最小值点(结构类似最大值匹配) # 模式:r'.*dq(\d+)\s+min_(\w+)_point\s*:\s*(-?\d+)' # 目标示例: "dq5 min_read_point: 32" ########################################################## min_match = re.match(r'.*dq(\d+)\s+min_(\w+)_point\s*:\s*(-?\d+)', line) if min_match and current_vref is not None: dq_index = int(min_match.group(1)) direction = min_match.group(2) min_val = int(min_match.group(3)) key = (dq_index, direction) # 存储原始值(类似最大值处理) if current_vref not in raw_data: raw_data[current_vref] = {} if dq_index not in raw_data[current_vref]: raw_data[current_vref][dq_index] = {} if direction not in raw_data[current_vref][dq_index]: raw_data[current_vref][dq_index][direction] = {'min': None, 'max': None} raw_data[current_vref][dq_index][direction]['min'] = min_val # 只有读方向应用偏移 if direction == 'read' and current_offset is not None: min_val += current_offset # 更新临时数据 if key in pending_data: # 字典更新操作 pending_data[key]['min'] = min_val continue ########################################################## # 正则表达式5:匹配窗口行 # 模式:r'.*dq(\d+)\s+(\w+)_windows\s*:\s*(-?\d+)' # 目标示例: "dq5 read_windows: 88" # # 详细分解: # .* - 匹配任意字符0次或多次 # dq - 匹配字面字符串 "dq" # (\d+) - 捕获组1:匹配1个或多个数字(DQ索引) # \s+ - 匹配1个或多个空白字符 # (\w+) - 捕获组2:匹配1个或多个单词字符(方向) # _windows - 匹配字面字符串 "_windows" # \s*:\s* - 匹配冒号前后任意空白 # (-?\d+) - 捕获组3:匹配可选负号后跟1个或多个数字 ########################################################## win_match = re.match(r'.*dq(\d+)\s+(\w+)_windows\s*:\s*(-?\d+)', line) if win_match and current_vref is not None: dq_index = int(win_match.group(1)) direction = win_match.group(2) windows = int(win_match.group(3)) key = (dq_index, direction) # 检查是否已收集最小值和最大值 if key in pending_data and 'min' in pending_data[key] and 'max' in pending_data[key]: min_val = pending_data[key]['min'] max_val = pending_data[key]['max'] # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确保值在有效范围内 min_val = max(0, min_val) # 最小值不小于0 max_val = min(max_delay, max_val) # 最大值不超过最大延迟 # 检查数据有效性 if min_val > max_val or windows < 0: result = None # 无效数据 else: # 计算窗口大小 window_size = max_val - min_val + 1 result = (min_val, max_val, window_size) # 存储到最终数据结构 if dq_index not in data[current_vref]: # 初始化嵌套字典 data[current_vref][dq_index] = {} data[current_vref][dq_index][direction] = result # 从临时数据中移除 del pending_data[key] # 删除字典键 # 返回解析结果 return data, raw_data # 眼图指标计算函数 - 算法详解(修改后) def calculate_eye_metrics(data, avddq, dq_index, direction): """ 计算眼图的最大宽度、最大高度以及中心点 参数: data - 解析后的日志数据(字典结构) avddq - AVDDQ电压值(浮点数) dq_index - DQ索引(0-15,整数) direction - 方向('read'或'write',字符串) 算法说明: 1. 遍历所有VREF值 2. 计算实际电压 = (vref / 0x1FF) * avddq 3. 获取当前DQ和方向的数据 4. 计算窗口大小(UI单位) 5. 确定最大眼宽(所有窗口中的最大值) 6. 计算最大眼高(连续电压范围的最大高度) 7. 计算眼图中心点(最大眼高和最大眼宽的交点) """ # 初始化变量 max_eye_width = 0.0 max_eye_height = 0.0 # 存储每个电压对应的窗口大小(用于计算眼高) voltage_windows = defaultdict(float) # 存储每个电压对应的延迟范围(用于计算眼宽) voltage_delay_ranges = {} # 存储每个延迟位置对应的电压范围(用于计算眼高) delay_voltage_ranges = defaultdict(list) # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确定UI范围(读2UI,写4UI) ui_range = 2 if direction == 'read' else 4 # 遍历所有VREF值 for vref, dq_data in data.items(): # 计算实际电压 # 0x1FF = 511(9位最大值) voltage = (vref / 0x1FF) * avddq # 字典安全访问:get()方法 # 避免KeyError异常 dq_info = dq_data.get(dq_index, {}).get(direction) if dq_info is None: continue # 跳过无数据项 # 解包元组 min_point, max_point, window_size = dq_info # 重新计算窗口大小(确保正确性) window_size = max_point - min_point + 1 # 计算窗口大小(UI单位) window_ui = (window_size / max_delay) * ui_range # 更新最大眼宽 if window_ui > max_eye_width: max_eye_width = window_ui # 存储电压-窗口映射 voltage_windows[voltage] = window_ui # 存储电压-延迟范围映射(用于计算眼宽) voltage_delay_ranges[voltage] = (min_point, max_point) # 存储延迟位置对应的电压范围(用于计算眼高) for delay in range(min_point, max_point + 1): delay_voltage_ranges[delay].append(voltage) # 计算最大眼高(连续电压范围) # 步骤: # 1. 对电压排序 # 2. 遍历排序后的电压 # 3. 计算连续有效窗口的电压范围 sorted_voltages = sorted(voltage_windows.keys()) # 排序电压值 current_height = 0 # 当前连续高度 max_height = 0 # 最大高度 # 遍历排序后的电压(从第二个元素开始) for i in range(1, len(sorted_voltages)): # 计算电压差 voltage_diff = sorted_voltages[i] - sorted_voltages[i-1] # 检查相邻电压点是否都有有效窗口 # 字典键存在性检查 if sorted_voltages[i] in voltage_windows and sorted_voltages[i-1] in voltage_windows: current_height += voltage_diff if current_height > max_height: max_height = current_height else: current_height = 0 # 重置高度计数器 max_eye_height = max_height # 计算最大眼宽对应的延迟位置(新增) # 找到具有最大窗口的电压点 best_voltage = None max_window_ui = 0 for voltage, window_ui in voltage_windows.items(): if window_ui > max_window_ui: max_window_ui = window_ui best_voltage = voltage # 计算最大眼高对应的延迟位置(新增) # 找到具有最宽电压范围的延迟位置 best_delay = None max_voltage_range = 0 for delay, voltages in delay_voltage_ranges.items(): if voltages: min_v = min(voltages) max_v = max(voltages) voltage_range = max_v - min_v if voltage_range > max_voltage_range: max_voltage_range = voltage_range best_delay = delay # 计算眼图中心点 center_ui = None center_voltage = None if best_delay is not None and best_voltage is not None: # 将延迟转换为UI单位 center_ui = (best_delay / max_delay) * ui_range center_voltage = best_voltage # 返回计算结果 return max_eye_width, max_eye_height, center_ui, center_voltage, best_delay, best_voltage # 眼图数据生成函数 - 详细解释算法 def generate_eye_diagram(data, avddq, ui_ps, dq_index, direction): """ 生成眼图数据点 参数: data - 解析后的日志数据(字典) avddq - AVDDQ电压值(浮点数) ui_ps - 每个UI的时间(皮秒) dq_index - DQ索引(0-15,整数) direction - 方向('read'或'write',字符串) 算法说明: 1. 遍历所有VREF值 2. 计算实际电压 = (vref / 0x1FF) * avddq 3. 遍历所有可能的延迟值 4. 将延迟值转换为UI单位 5. 根据数据有效性标记为通过点或失败点 """ pass_points = [] # 存储通过点(绿色) fail_points = [] # 存储失败点(红色) # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确定UI范围(读2UI,写4UI) ui_range = 2 if direction == 'read' else 4 # 遍历所有VREF值 for vref, dq_data in data.items(): # 计算实际电压 voltage = (vref / 0x1FF) * avddq # 获取当前DQ和方向的数据 dq_info = dq_data.get(dq_index, {}).get(direction) # 遍历所有可能的延迟值 for delay in range(0, max_delay + 1): # 将延迟值转换为UI单位 ui_value = (delay / max_delay) * ui_range # 如果没有有效数据,标记为失败点 if dq_info is None: fail_points.append((ui_value, voltage)) else: # 解包元组 min_point, max_point, _ = dq_info # 检查当前延迟是否在有效范围内 if min_point <= delay <= max_point: pass_points.append((ui_value, voltage)) else: fail_points.append((ui_value, voltage)) return pass_points, fail_points # 输出原始数据到新日志 - 文件操作详解 def export_raw_data(raw_data, normalization_point, log_path): """ 输出原始数据到新日志文件(按DQ划分) 参数: raw_data - 原始数据(偏移前) normalization_point - 归一化点 log_path - 原始日志文件路径 文件操作详解: 1. 创建输出目录:os.makedirs() 2. 构建文件路径:os.path.join() 3. 写入文件:open()配合write() 4. 格式化输出:f-string """ # 获取当前时间戳 timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") # 获取日志文件名(不含扩展名) log_filename = os.path.basename(log_path) if '.' in log_filename: # rsplit() 从右边分割字符串,maxsplit=1表示只分割一次 log_name = log_filename.rsplit('.', 1)[0] else: log_name = log_filename # 创建输出目录 log_dir = os.path.dirname(log_path) or os.getcwd() # 获取目录或当前工作目录 output_dir = os.path.join(log_dir, "raw_data_export") # 创建输出目录路径 ########################################################## # os.makedirs() 创建目录(如果不存在) # exist_ok=True 表示目录已存在时不报错 ########################################################## os.makedirs(output_dir, exist_ok=True) # 创建输出文件路径 output_file = os.path.join(output_dir, f"{log_name}_raw_data.txt") # 写入原始数据 with open(output_file, 'w', encoding='utf-8') as f: # 写入标题信息 f.write("=" * 80 + "\n") f.write(f"DDR校准原始数据报告 (归一化点: 0x{normalization_point:X})\n") f.write(f"生成时间: {datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n") f.write(f"原始日志: {log_path}\n") f.write("=" * 80 + "\n\n") # 按vref排序 sorted_vrefs = sorted(raw_data.keys()) for vref in sorted_vrefs: # 写入vref标题 f.write(f"VREF: 0x{vref:03X}\n") # :03X表示3位十六进制大写,不足补0 f.write("-" * 60 + "\n") # 按DQ索引排序 sorted_dq = sorted(raw_data[vref].keys()) for dq_index in sorted_dq: # 写入DQ标题 f.write(f" DQ{dq_index}:\n") # 处理读方向数据 if 'read' in raw_data[vref][dq_index]: rd = raw_data[vref][dq_index]['read'] f.write(f" 读方向:\n") f.write(f" 原始最小值: {rd['min']}\n") f.write(f" 原始最大值: {rd['max']}\n") # 计算并写入窗口大小 window_size = rd['max'] - rd['min'] + 1 f.write(f" 窗口大小: {window_size}\n") # 处理写方向数据 if 'write' in raw_data[vref][dq_index]: wr = raw_data[vref][dq_index]['write'] f.write(f" 写方向:\n") f.write(f" 原始最小值: {wr['min']}\n") f.write(f" 原始最大值: {wr['max']}\n") # 计算并写入窗口大小 window_size = wr['max'] - wr['min'] + 1 f.write(f" 窗口大小: {window_size}\n") f.write("\n") # DQ间空行 f.write("\n") # VREF间空行 print(f"原始数据已导出至: {output_file}") return output_file # 眼图绘制函数 - 数据可视化详解(修改后) def plot_eye_diagrams(log_content, data_rate, avddq, log_path, normalization_point): """ 绘制DDR眼图 参数: log_content - 日志内容 data_rate - 数据速率(Mbps) avddq - AVDDQ电压(V) log_path - 日志文件路径 normalization_point - 归一化点 主要修改: 1. 分组统计信息移到图顶部显示 2. 顶部显示两行分组统计信息 """ # 设置中文字体支持 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'Microsoft YaHei', 'WenQuanYi Micro Hei'] plt.rcParams['axes.unicode_minus'] = False # 计算UI时间(皮秒) ui_ps = (1 / (data_rate * 1e6)) * 1e12 # 解析日志文件 data, raw_data = parse_log_file(log_content, normalization_point) # 导出原始数据到新日志 raw_data_file = export_raw_data(raw_data, normalization_point, log_path) # 检查数据有效性 if not data: print("错误: 无法从日志中解析出有效数据") return None, None, None # 创建图表对象 fig_write, axes_write = plt.subplots(4, 4, figsize=(20, 20)) fig_read, axes_read = plt.subplots(4, 4, figsize=(20, 20)) # 设置标题 norm_title = f" (Normalized to 0x{normalization_point:X}, Raw Data: {os.path.basename(raw_data_file)})" fig_write.suptitle(f'DDR Write Eye Diagram (Data Rate: {data_rate} Mbps, UI: {ui_ps:.2f} ps){norm_title}', fontsize=18) fig_read.suptitle(f'DDR Read Eye Diagram (Data Rate: {data_rate} Mbps, UI: {ui_ps:.2f} ps){norm_title}', fontsize=18) # 展平坐标轴数组 axes_write = axes_write.flatten() axes_read = axes_read.flatten() # 创建图例元素 legend_elements = [ Line2D([0], [0], marker='o', color='w', label='Pass', markerfacecolor='green', markersize=10), Line2D([0], [0], marker='o', color='w', label='Fail', markerfacecolor='red', markersize=10) ] # 存储分组中心点数据(读眼图) group1_center_vrefs = [] # DQ0-DQ7 group1_center_delays = [] # DQ0-DQ7 group2_center_vrefs = [] # DQ8-DQ15 group2_center_delays = [] # DQ8-DQ15 # 遍历16个DQ通道 for dq_index in range(16): # 计算写眼图指标(不计算中心点) write_width, write_height, _, _, _, _ = calculate_eye_metrics(data, avddq, dq_index, 'write') # 生成写眼图数据点 write_pass, write_fail = generate_eye_diagram(data, avddq, ui_ps, dq_index, 'write') # 计算读眼图指标和中心点 read_width, read_height, read_center_ui, read_center_voltage, read_center_delay, read_center_vref = calculate_eye_metrics( data, avddq, dq_index, 'read' ) # 生成读眼图数据点 read_pass, read_fail = generate_eye_diagram(data, avddq, ui_ps, dq_index, 'read') # ================= 写眼图处理 ================= # 绘制写眼图 if write_fail: x_fail, y_fail = zip(*write_fail) axes_write[dq_index].scatter(x_fail, y_fail, s=1, c='red', alpha=0.1, zorder=1) if write_pass: x_pass, y_pass = zip(*write_pass) axes_write[dq_index].scatter(x_pass, y_pass, s=1, c='green', alpha=0.5, zorder=2) # 添加写眼图标注(仅显示最大眼宽和眼高) write_text = f"Max Eye Width: {write_width:.3f} UI\nMax Eye Height: {write_height:.3f} V" axes_write[dq_index].annotate( write_text, xy=(0.98, 0.02), xycoords='axes fraction', fontsize=9, ha='right', va='bottom', bbox=dict(boxstyle='round', facecolor='white', alpha=0.8) ) # 设置写眼图轴属性 axes_write[dq_index].set_title(f'DQ{dq_index} Write Eye', fontsize=12) axes_write[dq_index].set_xlabel('Delay (UI)', fontsize=10) axes_write[dq_index].set_ylabel('Voltage (V)', fontsize=10) axes_write[dq_index].set_xlim(0, 4) # 写眼图0-4UI axes_write[dq_index].set_ylim(0, avddq) axes_write[dq_index].grid(True, linestyle='--', alpha=0.6) axes_write[dq_index].legend(handles=legend_elements, loc='upper right', fontsize=9) axes_write[dq_index].tick_params(axis='both', which='major', labelsize=9) # ================= 读眼图处理 ================= # 绘制读眼图 if read_fail: x_fail, y_fail = zip(*read_fail) axes_read[dq_index].scatter(x_fail, y_fail, s=1, c='red', alpha=0.1, zorder=1) if read_pass: x_pass, y_pass = zip(*read_pass) axes_read[dq_index].scatter(x_pass, y_pass, s=1, c='green', alpha=0.5, zorder=2) # 添加读眼图标注 read_text = f"Max Eye Width: {read_width:.3f} UI\nMax Eye Height: {read_height:.3f} V" axes_read[dq_index].annotate( read_text, xy=(0.98, 0.02), xycoords='axes fraction', fontsize=9, ha='right', va='bottom', bbox=dict(boxstyle='round', facecolor='white', alpha=0.8) ) # 设置读眼图轴属性 axes_read[dq_index].set_title(f'DQ{dq_index} Read Eye', fontsize=12) axes_read[dq_index].set_xlabel('Delay (UI)', fontsize=10) axes_read[dq_index].set_ylabel('Voltage (V)', fontsize=10) axes_read[dq_index].set_xlim(0, 2) # 读眼图0-2UI axes_read[dq_index].set_ylim(0, avddq) axes_read[dq_index].grid(True, linestyle='--', alpha=0.6) axes_read[dq_index].legend(handles=legend_elements, loc='upper right', fontsize=9) axes_read[dq_index].tick_params(axis='both', which='major', labelsize=9) # 绘制读眼图中心点和辅助线 if read_center_ui is not None and read_center_voltage is not None: # 绘制中心点 axes_read[dq_index].scatter( [read_center_ui], [read_center_voltage], s=100, marker='*', c='yellow', edgecolors='black', zorder=10 ) # 计算原始Vref值 original_vref = int(round((read_center_voltage * 0x1FF) / avddq)) # 添加中心点标注 center_text = f"Center: ({read_center_ui:.3f} UI, {read_center_voltage:.3f} V)\n" \ f"Raw: Vref=0x{original_vref:X}, Delay={read_center_delay}" axes_read[dq_index].annotate( center_text, xy=(read_center_ui, read_center_voltage), xytext=(read_center_ui + 0.1, read_center_voltage + 0.05), arrowprops=dict(facecolor='black', shrink=0.05), fontsize=8, ha='left' ) # 绘制辅助线:最大眼宽竖线(蓝色虚线) axes_read[dq_index].axvline( x=read_center_ui, color='blue', linestyle='--', alpha=0.7, label=f'Max Width Line' ) # 绘制辅助线:最大眼高横线(蓝色虚线) axes_read[dq_index].axhline( y=read_center_voltage, color='blue', linestyle='--', alpha=0.7, label=f'Max Height Line' ) # 添加辅助线图例 line_legend = [ Line2D([0], [0], color='blue', linestyle='--', label='Max Width Line'), Line2D([0], [0], color='blue', linestyle='--', label='Max Height Line') ] axes_read[dq_index].legend(handles=legend_elements + line_legend, loc='upper right', fontsize=9) # 根据DQ索引分组存储中心点数据 if dq_index < 8: group1_center_vrefs.append(original_vref) group1_center_delays.append(read_center_delay) else: group2_center_vrefs.append(original_vref) group2_center_delays.append(read_center_delay) # 计算分组统计值 def calculate_group_stats(vrefs, delays): """计算一组中心点的统计值""" if not vrefs: return None, None, None, None # 计算Vref平均值和中位数 avg_vref = sum(vrefs) / len(vrefs) sorted_vrefs = sorted(vrefs) mid = len(sorted_vrefs) // 2 if len(sorted_vrefs) % 2 == 0: median_vref = (sorted_vrefs[mid-1] + sorted_vrefs[mid]) / 2 else: median_vref = sorted_vrefs[mid] # 计算延迟平均值和中位数 avg_delay = sum(delays) / len(delays) sorted_delays = sorted(delays) mid = len(sorted_delays) // 2 if len(sorted_delays) % 2 == 0: median_delay = (sorted_delays[mid-1] + sorted_delays[mid]) / 2 else: median_delay = sorted_delays[mid] return avg_vref, median_vref, avg_delay, median_delay # 计算第一组(DQ0-DQ7)的统计值 stats1 = calculate_group_stats(group1_center_vrefs, group1_center_delays) # 计算第二组(DQ8-DQ15)的统计值 stats2 = calculate_group_stats(group2_center_vrefs, group2_center_delays) # 在图像顶部添加分组汇总信息(两行) if stats1[0] is not None: avg_vref1, median_vref1, avg_delay1, median_delay1 = stats1 # 第一组文本(DQ0-DQ7) summary_text1 = f"DQ0-DQ7 Center Points: " \ f"Avg Vref=0x{int(round(avg_vref1)):X}, " \ f"Median Vref=0x{int(median_vref1):X}, " \ f"Avg Delay={avg_delay1:.1f}, " \ f"Median Delay={median_delay1:.1f}" # 位置:0.95(顶部) fig_read.text(0.5, 0.95, summary_text1, ha='center', fontsize=12, bbox=dict(facecolor='white', alpha=0.8)) if stats2[0] is not None: avg_vref2, median_vref2, avg_delay2, median_delay2 = stats2 # 第二组文本(DQ8-DQ15) summary_text2 = f"DQ8-DQ15 Center Points: " \ f"Avg Vref=0x{int(round(avg_vref2)):X}, " \ f"Median Vref=0x{int(median_vref2):X}, " \ f"Avg Delay={avg_delay2:.1f}, " \ f"Median Delay={median_delay2:.1f}" # 位置:0.92(在上一行下方) fig_read.text(0.5, 0.92, summary_text2, ha='center', fontsize=12, bbox=dict(facecolor='white', alpha=0.8)) # 调整布局 fig_write.tight_layout(rect=[0, 0, 1, 0.96]) # 为读眼图顶部留出空间 fig_read.tight_layout(rect=[0, 0, 1, 0.90]) # 文件路径处理(添加时间戳) log_dir = os.path.dirname(log_path) or os.getcwd() timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") log_filename = os.path.basename(log_path) log_name = log_filename.rsplit('.', 1)[0] if '.' in log_filename else log_filename # 构建输出文件路径(写眼图只加时间戳) write_filename = os.path.join(log_dir, f"{log_name}_ddr_write_eye_{timestamp}.png") # 构建读眼图文件名(包含两组VREF平均值) group1_avg_vref = int(round(stats1[0])) if stats1[0] is not None else 0 group2_avg_vref = int(round(stats2[0])) if stats2[0] is not None else 0 read_filename = os.path.join( log_dir, f"{log_name}_ddr_read_eye_{timestamp}_G1Vref_0x{group1_avg_vref:X}_G2Vref_0x{group2_avg_vref:X}.png" ) # 保存图像 fig_write.savefig(write_filename, dpi=300, bbox_inches='tight') fig_read.savefig(read_filename, dpi=300, bbox_inches='tight') # 关闭图像释放内存 plt.close(fig_write) plt.close(fig_read) # 打印结果 print(f"写眼图已保存至: {write_filename}") print(f"读眼图已保存至: {read_filename}") return write_filename, read_filename, raw_data_file # 主函数 - 程序入口点详解 def main(): """ 主函数,程序入口点 功能: - 获取用户输入 - 读取日志文件 - 解析数据 - 生成眼图 - 导出结果 用户交互详解: 1. 使用input()获取用户输入 2. 使用循环处理无效输入 3. 使用try-except捕获异常 """ # 打印欢迎信息 print("=" * 50) print("DDR眼图生成器(带原始数据导出)") print("=" * 50) # 用户输入DataRate(带异常处理) while True: try: data_rate = float(input("请输入DataRate (Mbps/Pin): ")) break except ValueError: print("错误: 请输入有效的数字") # 用户输入AVDDQ电压(带异常处理) while True: try: avddq = float(input("请输入AVDDQ电压值 (V): ")) break except ValueError: print("错误: 请输入有效的数字") # 归一化点输入处理(带错误检查) while True: norm_input = input("请输入归一化点(十六进制值,如0x40或40): ").strip() if not norm_input: print("错误: 输入不能为空,请重新输入") continue try: # 处理十六进制前缀 if norm_input.startswith(("0x", "0X")): hex_str = norm_input[2:] else: hex_str = norm_input # 字符串转整数(16进制) normalization_point = int(hex_str, 16) break except ValueError: print(f"错误: '{norm_input}' 不是有效的十六进制数,请重新输入") # 日志文件路径输入(带文件存在检查) while True: log_path = input("请输入日志文件路径: ").strip() # 检查文件是否存在 # os.path.exists() 判断路径是否存在 if not os.path.exists(log_path): print(f"错误: 文件 '{log_path}' 不存在,请重新输入") else: # 获取绝对路径 log_path = os.path.abspath(log_path) break # 读取文件内容 log_content = robust_read_file(log_path) if log_content is None: print("无法读取日志文件") return # 尝试生成眼图(带异常处理) try: # 调用眼图生成函数(返回三个值) write_file, read_file, raw_data_file = plot_eye_diagrams( log_content, data_rate, avddq, log_path, normalization_point ) print("\n眼图生成成功!") print(f"原始数据文件: {raw_data_file}") except Exception as e: # 捕获所有异常并打印错误信息 print(f"眼图生成失败: {e}") # 异常对象:e.args 获取异常参数 print(f"错误详情: {e.args}") # Python特殊检查 - 模块执行控制 if __name__ == "__main__": """ __name__ 是Python的内置变量 当脚本直接运行时,__name__ 等于 "__main__" 当脚本被导入时,__name__ 等于模块名 这种结构允许: 1. 直接运行脚本时执行测试代码 2. 作为模块导入时不执行测试代码 """ main() # 调用主函数
08-02
如下代码,有一个BUG。 我的眼图PASS区域顶上和底下夹住PASS区域的Y轴范围,向X轴方向,有两条虚线,这两条我不需要。请帮忙去除。只去掉多的两根横线。眼图中间找中心点的辅助线仍然保留。我勾勒原始数据边界线的闭合曲线仍然要保留,只是说这个功能多产生了两条横线。 有一个新需求。请输入日志文件路径:,这个位置,如果是输入文件夹,就批量处理文件夹下面所有的.txt或者.log文件。如果输入的路径是到文件名,就只处理这一个文件。 import numpy as np “”" NumPy (Numerical Python) - 科学计算基础库 主要功能: 提供高效的N维数组对象(ndarray) 支持广播功能函数 提供线性代数、傅里叶变换、随机数生成等功能 在本代码中主要用于: 数值计算和数组操作 科学计算支持 “”" import matplotlib.pyplot as plt “”" Matplotlib - Python中最强大的绘图库 主要功能: 创建静态、动态和交互式图表 支持多种图表类型(线图、散点图、柱状图等) 高度可定制化(颜色、线型、标签等) 在本代码中主要用于: 绘制眼图 可视化DDR校准数据 创建图表和图形界面 “”" import re “”" re (Regular Expression) - 正则表达式模块 主要功能: 文本搜索和模式匹配 文本替换 复杂字符串处理 在本代码中主要用于: 解析日志文件中的关键数据 提取VREF、偏移量、数据点等信息 处理复杂的文本匹配任务 “”" import datetime “”" datetime - 日期和时间处理模块 主要功能: 日期和时间的表示 日期和时间的计算 日期和时间的格式化 在本代码中主要用于: 生成时间戳 创建带时间戳的文件名 记录报告生成时间 “”" from matplotlib.lines import Line2D “”" Line2D - 用于创建二维线条对象 主要功能: 表示二维坐标系中的线条 控制线条属性(颜色、线宽、样式等) 在本代码中主要用于: 创建图例元素 自定义图表中的线条样式 “”" import os “”" os (Operating System) - 操作系统接口模块 主要功能: 文件和目录操作 路径操作 进程管理 在本代码中主要用于: 文件路径处理 目录创建 文件存在性检查 “”" from collections import defaultdict “”" defaultdict - 带默认值的字典 主要功能: 当访问不存在的键时返回默认值 避免KeyError异常 在本代码中主要用于: 存储电压-窗口映射关系 简化字典初始化操作 “”" import math “”" math - 数学函数模块 主要功能: 提供数学运算函数 包括三角函数、对数、取整等 在本代码中新增用于: 计算中位数 “”" 新旧日志格式识别标志 OLD_LOG_FORMAT = 0 NEW_LOG_FORMAT = 1 def detect_log_format(log_content): “”“自动检测日志格式”“” # 检测新日志的时间戳模式 if re.search(r’ ParseError: KaTeX parse error: Undefined control sequence: \d at position 1: \̲d̲{4}-\d{2}-\d{2}… ‘, log_content): return NEW_LOG_FORMAT # 检测旧日志的特征行 elif re.search(r’NOTICE:\s+Booting’, log_content): return OLD_LOG_FORMAT # 默认作为新日志处理 return NEW_LOG_FORMAT 健壮的文件读取函数 - 详细解释每个编程概念 def robust_read_file(file_path): “”" 健壮的文件读取函数,处理不同编码的文件 参数: file_path - 文件在电脑上的完整路径(字符串) 编程概念详解: 1. 函数定义:def关键字用于定义函数,函数是一段可重复使用的代码块 2. 参数传递:file_path是形式参数,调用时传入实际文件路径 3. 异常处理:try-except结构用于捕获和处理运行时错误 4. 上下文管理器:with语句用于资源管理,确保文件正确关闭 5. 编码处理:不同文件可能使用不同编码(UTF-8, Latin-1等) 6. 正则表达式:用于过滤控制字符 """ ########################################################## # 增强:支持多种编码格式,特别是Tera Term日志 ########################################################## # 尝试的编码列表(针对Windows环境) encodings = ['utf-8', 'latin-1', 'cp1252', 'gbk', 'big5', 'shift_jis', 'utf-16le'] for encoding in encodings: try: with open(file_path, 'rb') as f: raw_content = f.read() # 尝试解码 content = raw_content.decode(encoding, errors='replace') # 移除ANSI转义序列 (例如: \x1b[32m 颜色代码) ansi_escape = re.compile(r'\x1B(?:[@-Z\\-_]|\[[0-?]*[ -/]*[@-~])') content = ansi_escape.sub('', content) # 移除其他控制字符 (保留换行符) content = re.sub(r'[\x00-\x09\x0B-\x1F\x7F]', '', content) # 修复常见的乱码模式(特定于Tera Term) content = re.sub(r'[^\x20-\x7E\r\n\u4e00-\u9FFF]', ' ', content) return content except UnicodeDecodeError: continue # 回退方案:使用二进制读取并过滤 try: with open(file_path, 'rb') as f: raw_content = f.read() # 使用错误替换并移除不可打印字符 return raw_content.decode('utf-8', errors='replace').encode('utf-8', errors='replace').decode('utf-8', errors='ignore') except Exception as e: print(f"严重错误: 无法读取文件 {file_path}: {e}") return None 日志解析函数 - 重点讲解正则表达式 def parse_log_file(log_content, normalization_point): “”" 解析DDR校准日志文件,提取关键数据 参数: log_content - 日志文件的内容(字符串) normalization_point - 归一化点(十六进制整数) 数据结构说明: data = { vref: { dq_index: { 'read': (min, max, window), 'write': (min, max, window) } } } raw_data = { vref: { dq_index: { 'read': {'min': min_val, 'max': max_val}, 'write': {'min': min_val, 'max': max_val} } } } """ # 检测日志格式并调用相应的解析函数 log_format = detect_log_format(log_content) if log_format == OLD_LOG_FORMAT: print("检测到旧日志格式") return parse_old_log(log_content, normalization_point) else: print("检测到新日志格式(Tera Term)") return parse_tera_term_log(log_content, normalization_point) def parse_old_log(log_content, normalization_point): “”" 解析旧日志格式(原始格式) 参数: log_content - 日志文件的内容(字符串) normalization_point - 归一化点(十六进制整数) “”" # 初始化数据结构 data = {} # 主数据结构,存储解析后的数据 current_vref = None # 当前处理的vref值 pending_data = {} # 临时存储待处理的数据(字典) current_offset = None # 当前偏移量 raw_data = {} # 存储原始数据(偏移前) # 按行处理日志内容 # 字符串方法:split('\n') 按换行符分割字符串 for line in log_content.split('\n'): # 字符串方法:strip() 移除首尾空白字符 line = line.strip() # 空行检查 if not line: continue # 跳过空行 ########################################################## # 正则表达式1:匹配VREF行 # 模式:r'.*vref:\s*0x([0-9a-fA-F]+)' # 目标示例: "Setting vref: 0x1A3" # # 详细分解: # .* - 匹配任意字符(除换行符外)0次或多次(贪婪匹配) # vref: - 匹配字面字符串 "vref:" # \s* - 匹配0个或多个空白字符(空格、制表符等) # 0x - 匹配字面字符串 "0x" # ( - 开始捕获组 # [0-9a-fA-F] - 字符类,匹配十六进制字符(0-9, a-f, A-F) # + - 匹配前面的元素1次或多次 # ) - 结束捕获组 # # 匹配过程: # "Setting vref: 0x1A3" -> 匹配整个字符串 # 捕获组1: "1A3" ########################################################## vref_match = re.match(r'.*vref:\s*0x([0-9a-fA-F]+)', line) if vref_match: # 获取捕获组内容 hex_str = vref_match.group(1) # int()函数:字符串转整数 # 参数1:字符串 # 参数2:基数(16表示十六进制) current_vref = int(hex_str, 16) # 字典初始化 data[current_vref] = {} # 嵌套字典初始化 raw_data[current_vref] = {} pending_data = {} # 重置临时数据 current_offset = None continue # 跳过后续处理 ########################################################## # 正则表达式2:匹配偏移量行 # 模式:r'.*0x38c:\s*(?:0x)?([0-9a-fA-F]+)' # 目标示例: "Offset 0x38c: 0x25" 或 "0x38c: 25" # # 详细分解: # .* - 匹配任意字符0次或多次 # 0x38c: - 匹配字面字符串 "0x38c:" # \s* - 匹配0个或多个空白字符 # (?: - 开始非捕获组 # 0x - 匹配字面字符串 "0x" # )? - 非捕获组出现0次或1次 # ( - 开始捕获组 # [0-9a-fA-F]+ - 匹配1个或多个十六进制字符 # ) - 结束捕获组 # # 特殊说明: # (?:...) 是非捕获组,匹配但不捕获内容 # 用于处理可选前缀而不创建额外捕获组 ########################################################## offset_match = re.match(r'.*0x38c\s*:\s*(?:0x)?([0-9a-fA-F]+)', line) if offset_match and current_vref is not None: try: hex_str = offset_match.group(1) offset_value = int(hex_str, 16) # 计算偏移量:归一化点 - 读取值 current_offset = normalization_point - offset_value except ValueError: # 异常处理:打印警告信息 print(f"警告: 无法解析偏移量: {offset_match.group(1)}") current_offset = None continue ########################################################## # 正则表达式3:匹配最大值点 # 模式:r'.*dq(\d+)\s+max_(\w+)_point\s*:\s*(-?\d+)' # 目标示例: "dq5 max_read_point: 120" # # 详细分解: # .* - 匹配任意字符0次或多次 # dq - 匹配字面字符串 "dq" # (\d+) - 捕获组1:匹配1个或多个数字(DQ索引) # \s+ - 匹配1个或多个空白字符 # max_ - 匹配字面字符串 "max_" # (\w+) - 捕获组2:匹配1个或多个单词字符(方向:read/write) # _point - 匹配字面字符串 "point" # \s*:\s* - 匹配冒号前后任意空白 # (-?\d+) - 捕获组3:匹配可选负号后跟1个或多个数字 # # 捕获组说明: # 组1: DQ索引 (如 "5") # 组2: 方向 (如 "read") # 组3: 最大值 (如 "120") ########################################################## max_match = re.match(r'.*dq(\d+)\s*max_(\w+)_point\s*:\s*(-?\d+)', line) if max_match and current_vref is not None: # 提取捕获组内容 dq_index = int(max_match.group(1)) # 转换为整数 direction = max_match.group(2) # 字符串 max_val = int(max_match.group(3)) # 转换为整数 # 字典操作:检查键是否存在并初始化 if current_vref not in raw_data: # 字典设置默认值 raw_data[current_vref] = {} if dq_index not in raw_data[current_vref]: raw_data[current_vref][dq_index] = {} if direction not in raw_data[current_vref][dq_index]: # 嵌套字典初始化 raw_data[current_vref][dq_index][direction] = {'min': None, 'max': None} # 存储原始值(不应用偏移) raw_data[current_vref][dq_index][direction]['max'] = max_val # 只有读方向应用偏移 if direction == 'read' and current_offset is not None: # 应用偏移 max_val += current_offset # 存储到临时数据字典 key = (dq_index, direction) # 元组作为字典键 if key not in pending_data: pending_data[key] = {} pending_data[key]['max'] = max_val # 字典值也是字典 continue ########################################################## # 正则表达式4:匹配最小值点(结构类似最大值匹配) # 模式:r'.*dq(\d+)\s+min_(\w+)_point\s*:\s*(-?\d+)' # 目标示例: "dq5 min_read_point: 32" ########################################################## min_match = re.match(r'.*dq(\d+)\s*min_(\w+)_point\s*:\s*(-?\d+)', line) if min_match and current_vref is not None: dq_index = int(min_match.group(1)) direction = min_match.group(2) min_val = int(min_match.group(3)) key = (dq_index, direction) # 存储原始值(类似最大值处理) if current_vref not in raw_data: raw_data[current_vref] = {} if dq_index not in raw_data[current_vref]: raw_data[current_vref][dq_index] = {} if direction not in raw_data[current_vref][dq_index]: raw_data[current_vref][dq_index][direction] = {'min': None, 'max': None} raw_data[current_vref][dq_index][direction]['min'] = min_val # 只有读方向应用偏移 if direction == 'read' and current_offset is not None: min_val += current_offset # 更新临时数据 if key in pending_data: # 字典更新操作 pending_data[key]['min'] = min_val else: pending_data[key] = {'min': min_val} continue ########################################################## # 正则表达式5:匹配窗口行 # 模式:r'.*dq(\d+)\s+(\w+)_windows\s*:\s*(-?\d+)' # 目标示例: "dq5 read_windows: 88" # # 详细分解: # .* - 匹配任意字符0次或多次 # dq - 匹配字面字符串 "dq" # (\d+) - 捕获组1:匹配1个或多个数字(DQ索引) # \s+ - 匹配1个或多个空白字符 # (\w+) - 捕获组2:匹配1个或多个单词字符(方向) # _windows - 匹配字面字符串 "_windows" # \s*:\s* - 匹配冒号前后任意空白 # (-?\d+) - 捕获组3:匹配可选负号后跟1个或多个数字 ########################################################## win_match = re.match(r'.*dq(\d+)\s*(\w+)_windows\s*:\s*(-?\d+)', line) if win_match and current_vref is not None: dq_index = int(win_match.group(1)) direction = win_match.group(2) windows = int(win_match.group(3)) key = (dq_index, direction) # 检查是否已收集最小值和最大值 if key in pending_data and 'min' in pending_data[key] and 'max' in pending_data[key]: min_val = pending_data[key]['min'] max_val = pending_data[key]['max'] # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确保值在有效范围内 min_val = max(0, min_val) # 最小值不小于0 max_val = min(max_delay, max_val) # 最大值不超过最大延迟 # 检查数据有效性 if min_val > max_val or windows < 0: result = None # 无效数据 else: # 计算窗口大小 window_size = max_val - min_val + 1 result = (min_val, max_val, window_size) # 存储到最终数据结构 if dq_index not in data[current_vref]: # 初始化嵌套字典 data[current_vref][dq_index] = {} data[current_vref][dq_index][direction] = result # 从临时数据中移除 del pending_data[key] # 删除字典键 # 返回解析结果 return data, raw_data def parse_tera_term_log(log_content, normalization_point): “”" 解析Tera Term生成的新日志格式 参数: log_content - 日志文件的内容(字符串) normalization_point - 归一化点(十六进制整数) “”" # 初始化数据结构 data = {} current_vref = None pending_data = {} current_offset = None raw_data = {} # 预处理:移除行首时间戳 (例如: [2025-07-31 21:26:46.357]) log_content = re.sub(r'$$\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2}\.\d{3}$$\s*', '', log_content) for line in log_content.split('\n'): line = line.strip() if not line: continue # 增强的VREF匹配 - 容忍乱码前缀 vref_match = re.search(r'vref\D*0x([0-9a-fA-F]{1,3})', line, re.IGNORECASE) if vref_match: try: hex_str = vref_match.group(1) current_vref = int(hex_str, 16) data[current_vref] = {} raw_data[current_vref] = {} pending_data = {} current_offset = None except ValueError: print(f"警告: 无法解析VREF值: {hex_str}") continue # 增强的偏移量匹配 offset_match = re.search(r'0x38c\D*([0-9a-fA-F]{2})', line, re.IGNORECASE) if offset_match and current_vref is not None: try: hex_str = offset_match.group(1) offset_value = int(hex_str, 16) current_offset = normalization_point - offset_value except (ValueError, TypeError): print(f"警告: 无法解析偏移量: {offset_match.group(1)}") current_offset = None continue # 增强的数据点匹配 - 容忍乱码和格式变化 # 匹配模式: dqX max_Y_point: value point_pattern = r'dq(\d+)\s*(max|min)\s*_(\w+)_point\s*[:=]\s*(-?\d+)' point_match = re.search(point_pattern, line, re.IGNORECASE) if point_match and current_vref is not None: try: dq_index = int(point_match.group(1)) point_type = point_match.group(2).lower() # 'max' or 'min' direction = point_match.group(3).lower() # 'read' or 'write' value = int(point_match.group(4)) # 初始化数据结构 if current_vref not in raw_data: raw_data[current_vref] = {} if dq_index not in raw_data[current_vref]: raw_data[current_vref][dq_index] = {} if direction not in raw_data[current_vref][dq_index]: raw_data[current_vref][dq_index][direction] = {'min': None, 'max': None} # 存储原始值 if point_type == 'max': raw_data[current_vref][dq_index][direction]['max'] = value else: # 'min' raw_data[current_vref][dq_index][direction]['min'] = value # 应用偏移(仅读方向) if direction == 'read' and current_offset is not None: value += current_offset # 存储到临时数据 key = (dq_index, direction) if key not in pending_data: pending_data[key] = {} pending_data[key][point_type] = value except (ValueError, IndexError) as e: print(f"解析数据点时出错: {line} -> {e}") continue # 增强的窗口匹配 win_pattern = r'dq(\d+)\s*(\w+)\s*_windows\s*[:=]\s*(-?\d+)' win_match = re.search(win_pattern, line, re.IGNORECASE) if win_match and current_vref is not None: try: dq_index = int(win_match.group(1)) direction = win_match.group(2).lower() windows = int(win_match.group(3)) key = (dq_index, direction) if key in pending_data and 'min' in pending_data[key] and 'max' in pending_data[key]: min_val = pending_data[key]['min'] max_val = pending_data[key]['max'] # 确定最大延迟值 max_delay = 0x7F if direction == 'read' else 0xFF # 确保值在有效范围内 min_val = max(0, min_val) max_val = min(max_delay, max_val) if min_val > max_val or windows < 0: result = None else: window_size = max_val - min_val + 1 result = (min_val, max_val, window_size) # 存储到最终数据结构 if dq_index not in data[current_vref]: data[current_vref][dq_index] = {} data[current_vref][dq_index][direction] = result # 从临时数据中移除 del pending_data[key] except (ValueError, KeyError) as e: print(f"解析窗口时出错: {line} -> {e}") return data, raw_data 眼图指标计算函数 - 算法详解(修改后) def calculate_eye_metrics(data, avddq, dq_index, direction): “”" 计算眼图的最大宽度、最大高度以及中心点 参数: data - 解析后的日志数据(字典结构) avddq - AVDDQ电压值(浮点数) dq_index - DQ索引(0-15,整数) direction - 方向(‘read’或’write’,字符串) 算法说明: 1. 遍历所有VREF值 2. 计算实际电压 = (vref / 0x1FF) * avddq 3. 获取当前DQ和方向的数据 4. 计算窗口大小(UI单位) 5. 确定最大眼宽(所有窗口中的最大值) 6. 计算最大眼高(连续电压范围的最大高度) 7. 计算眼图中心点(最大眼高和最大眼宽的交点) """ # 初始化变量 max_eye_width = 0.0 max_eye_height = 0.0 # 存储每个电压对应的窗口大小(用于计算眼高) voltage_windows = defaultdict(float) # 存储每个电压对应的延迟范围(用于计算眼宽) voltage_delay_ranges = {} # 存储每个延迟位置对应的电压范围(用于计算眼高) delay_voltage_ranges = defaultdict(list) # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确定UI范围(读2UI,写4UI) ui_range = 2 if direction == 'read' else 4 # 遍历所有VREF值 for vref, dq_data in data.items(): # 计算实际电压 # 0x1FF = 511(9位最大值) voltage = (vref / 0x1FF) * avddq # 字典安全访问:get()方法 # 避免KeyError异常 dq_info = dq_data.get(dq_index, {}).get(direction) if dq_info is None: continue # 跳过无数据项 # 解包元组 min_point, max_point, window_size = dq_info # 重新计算窗口大小(确保正确性) window_size = max_point - min_point + 1 # 计算窗口大小(UI单位) window_ui = (window_size / max_delay) * ui_range # 更新最大眼宽 if window_ui > max_eye_width: max_eye_width = window_ui # 存储电压-窗口映射 voltage_windows[voltage] = window_ui # 存储电压-延迟范围映射(用于计算眼宽) voltage_delay_ranges[voltage] = (min_point, max_point) # 存储延迟位置对应的电压范围(用于计算眼高) for delay in range(min_point, max_point + 1): delay_voltage_ranges[delay].append(voltage) # 计算最大眼高(连续电压范围) # 步骤: # 1. 对电压排序 # 2. 遍历排序后的电压 # 3. 计算连续有效窗口的电压范围 sorted_voltages = sorted(voltage_windows.keys()) # 排序电压值 current_height = 0 # 当前连续高度 max_height = 0 # 最大高度 # 遍历排序后的电压(从第二个元素开始) for i in range(1, len(sorted_voltages)): # 计算电压差 voltage_diff = sorted_voltages[i] - sorted_voltages[i-1] # 检查相邻电压点是否都有有效窗口 # 字典键存在性检查 if sorted_voltages[i] in voltage_windows and sorted_voltages[i-1] in voltage_windows: current_height += voltage_diff if current_height > max_height: max_height = current_height else: current_height = 0 # 重置高度计数器 max_eye_height = max_height # 计算最大眼宽对应的延迟位置(新增) # 找到具有最大窗口的电压点 best_voltage = None max_window_ui = 0 for voltage, window_ui in voltage_windows.items(): if window_ui > max_window_ui: max_window_ui = window_ui best_voltage = voltage # 计算最大眼高对应的延迟位置(新增) # 找到具有最宽电压范围的延迟位置 best_delay = None max_voltage_range = 0 for delay, voltages in delay_voltage_ranges.items(): if voltages: min_v = min(voltages) max_v = max(voltages) voltage_range = max_v - min_v if voltage_range > max_voltage_range: max_voltage_range = voltage_range best_delay = delay # 计算眼图中心点 center_ui = None center_voltage = None if best_delay is not None and best_voltage is not None: # 将延迟转换为UI单位 center_ui = (best_delay / max_delay) * ui_range center_voltage = best_voltage # 返回计算结果 return max_eye_width, max_eye_height, center_ui, center_voltage, best_delay, best_voltage 眼图数据生成函数 - 详细解释算法 def generate_eye_diagram(data, avddq, ui_ps, dq_index, direction): “”" 生成眼图数据点 参数: data - 解析后的日志数据(字典) avddq - AVDDQ电压值(浮点数) ui_ps - 每个UI的时间(皮秒) dq_index - DQ索引(0-15,整数) direction - 方向(‘read’或’write’,字符串) 算法说明: 1. 遍历所有VREF值 2. 计算实际电压 = (vref / 0x1FF) * avddq 3. 遍历所有可能的延迟值 4. 将延迟值转换为UI单位 5. 根据数据有效性标记为通过点或失败点 """ pass_points = [] # 存储通过点(绿色) fail_points = [] # 存储失败点(红色) # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确定UI范围(读2UI,写4UI) ui_range = 2 if direction == 'read' else 4 # 遍历所有VREF值 for vref, dq_data in data.items(): # 计算实际电压 voltage = (vref / 0x1FF) * avddq # 获取当前DQ和方向的数据 dq_info = dq_data.get(dq_index, {}).get(direction) # 遍历所有可能的延迟值 for delay in range(0, max_delay + 1): # 将延迟值转换为UI单位 ui_value = (delay / max_delay) * ui_range # 如果没有有效数据,标记为失败点 if dq_info is None: fail_points.append((ui_value, voltage)) else: # 解包元组 min_point, max_point, _ = dq_info # 检查当前延迟是否在有效范围内 if min_point <= delay <= max_point: pass_points.append((ui_value, voltage)) else: fail_points.append((ui_value, voltage)) return pass_points, fail_points 眼图数据生成函数 - 增加边界计算功能 def generate_eye_diagram(data, raw_data, avddq, ui_ps, dq_index, direction): “”" 生成眼图数据点和边界 参数: data - 解析后的日志数据(字典) raw_data - 原始数据(偏移前) avddq - AVDDQ电压值(浮点数) ui_ps - 每个UI的时间(皮秒) dq_index - DQ索引(0-15,整数) direction - 方向(‘read’或’write’,字符串) 返回: pass_points - 通过点列表 fail_points - 失败点列表 adjusted_boundary - 调整后PASS区域的边界点 raw_boundary - 原始数据PASS区域的边界点 """ pass_points = [] # 存储通过点(绿色) fail_points = [] # 存储失败点(红色) # 存储调整后和原始数据的边界点 adjusted_boundary = [] raw_boundary = [] # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确定UI范围(读2UI,写4UI) ui_range = 2 if direction == 'read' else 4 # 存储每个电压对应的延迟范围 adjusted_ranges = {} raw_ranges = {} # 遍历所有VREF值 for vref, dq_data in data.items(): # 计算实际电压 voltage = (vref / 0x1FF) * avddq # 获取当前DQ和方向的数据(调整后) dq_info = dq_data.get(dq_index, {}).get(direction) # 获取原始数据 raw_info = raw_data.get(vref, {}).get(dq_index, {}).get(direction, {}) # 遍历所有可能的延迟值 for delay in range(0, max_delay + 1): # 将延迟值转换为UI单位 ui_value = (delay / max_delay) * ui_range # 处理调整后数据 if dq_info is None: fail_points.append((ui_value, voltage)) else: min_point, max_point, _ = dq_info if min_point <= delay <= max_point: pass_points.append((ui_value, voltage)) else: fail_points.append((ui_value, voltage)) # 收集调整后数据的边界点 if dq_info is not None: min_point, max_point, _ = dq_info min_ui = (min_point / max_delay) * ui_range max_ui = (max_point / max_delay) * ui_range adjusted_ranges[voltage] = (min_ui, max_ui) # 收集原始数据的边界点 if 'min' in raw_info and 'max' in raw_info: min_val = raw_info['min'] max_val = raw_info['max'] min_ui_raw = (min_val / max_delay) * ui_range max_ui_raw = (max_val / max_delay) * ui_range raw_ranges[voltage] = (min_ui_raw, max_ui_raw) # 生成调整后PASS区域的边界点(实线) if adjusted_ranges: # 按电压排序 sorted_voltages = sorted(adjusted_ranges.keys()) # 上边界(最大延迟) for voltage in sorted_voltages: _, max_ui = adjusted_ranges[voltage] adjusted_boundary.append((max_ui, voltage)) # 下边界(最小延迟,反向排序) for voltage in reversed(sorted_voltages): min_ui, _ = adjusted_ranges[voltage] adjusted_boundary.append((min_ui, voltage)) # 闭合图形 if adjusted_boundary: adjusted_boundary.append(adjusted_boundary[0]) # 生成原始数据PASS区域的边界点(虚线) if raw_ranges: # 按电压排序 sorted_voltages = sorted(raw_ranges.keys()) # 上边界(最大延迟) for voltage in sorted_voltages: _, max_ui = raw_ranges[voltage] raw_boundary.append((max_ui, voltage)) # 下边界(最小延迟,反向排序) for voltage in reversed(sorted_voltages): min_ui, _ = raw_ranges[voltage] raw_boundary.append((min_ui, voltage)) # 闭合图形 if raw_boundary: raw_boundary.append(raw_boundary[0]) return pass_points, fail_points, adjusted_boundary, raw_boundary 输出原始数据到新日志 - 文件操作详解 def export_raw_data(raw_data, normalization_point, log_path): “”" 输出原始数据到新日志文件(按DQ划分) 参数: raw_data - 原始数据(偏移前) normalization_point - 归一化点 log_path - 原始日志文件路径 文件操作详解: 1. 创建输出目录:os.makedirs() 2. 构建文件路径:os.path.join() 3. 写入文件:open()配合write() 4. 格式化输出:f-string """ # 获取当前时间戳 timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") # 获取日志文件名(不含扩展名) log_filename = os.path.basename(log_path) if '.' in log_filename: # rsplit() 从右边分割字符串,maxsplit=1表示只分割一次 log_name = log_filename.rsplit('.', 1)[0] else: log_name = log_filename # 创建输出目录 log_dir = os.path.dirname(log_path) or os.getcwd() # 获取目录或当前工作目录 output_dir = os.path.join(log_dir, "raw_data_export") # 创建输出目录路径 ########################################################## # os.makedirs() 创建目录(如果不存在) # exist_ok=True 表示目录已存在时不报错 ########################################################## os.makedirs(output_dir, exist_ok=True) # 创建输出文件路径 output_file = os.path.join(output_dir, f"{log_name}_raw_data.txt") # 写入原始数据 with open(output_file, 'w', encoding='utf-8') as f: # 写入标题信息 f.write("=" * 80 + "\n") f.write(f"DDR校准原始数据报告 (归一化点: 0x{normalization_point:X})\n") f.write(f"生成时间: {datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n") f.write(f"原始日志: {log_path}\n") f.write("=" * 80 + "\n\n") # 按vref排序 sorted_vrefs = sorted(raw_data.keys()) for vref in sorted_vrefs: # 写入vref标题 f.write(f"VREF: 0x{vref:03X}\n") # :03X表示3位十六进制大写,不足补0 f.write("-" * 60 + "\n") # 按DQ索引排序 sorted_dq = sorted(raw_data[vref].keys()) for dq_index in sorted_dq: # 写入DQ标题 f.write(f" DQ{dq_index}:\n") # 处理读方向数据 if 'read' in raw_data[vref][dq_index]: rd = raw_data[vref][dq_index]['read'] f.write(f" 读方向:\n") f.write(f" 原始最小值: {rd['min']}\n") f.write(f" 原始最大值: {rd['max']}\n") # 计算并写入窗口大小 window_size = rd['max'] - rd['min'] + 1 f.write(f" 窗口大小: {window_size}\n") # 处理写方向数据 if 'write' in raw_data[vref][dq_index]: wr = raw_data[vref][dq_index]['write'] f.write(f" 写方向:\n") f.write(f" 原始最小值: {wr['min']}\n") f.write(f" 原始最大值: {wr['max']}\n") # 计算并写入窗口大小 window_size = wr['max'] - wr['min'] + 1 f.write(f" 窗口大小: {window_size}\n") f.write("\n") # DQ间空行 f.write("\n") # VREF间空行 print(f"原始数据已导出至: {output_file}") return output_file 眼图绘制函数 - 数据可视化详解(修改后) 眼图绘制函数 - 数据可视化详解(修改后) def plot_eye_diagrams(log_content, data_rate, avddq, log_path, normalization_point): “”" 绘制DDR眼图 参数: log_content - 日志内容 data_rate - 数据速率(Mbps) avddq - AVDDQ电压(V) log_path - 日志文件路径 normalization_point - 归一化点 “”" # 设置中文字体支持 plt.rcParams[‘font.sans-serif’] = [‘SimHei’, ‘Arial Unicode MS’, ‘Microsoft YaHei’, ‘WenQuanYi Micro Hei’] plt.rcParams[‘axes.unicode_minus’] = False # 计算UI时间(皮秒) ui_ps = (1 / (data_rate * 1e6)) * 1e12 # 解析日志文件 data, raw_data = parse_log_file(log_content, normalization_point) # 导出原始数据到新日志 raw_data_file = export_raw_data(raw_data, normalization_point, log_path) # 检查数据有效性 if not data: print("错误: 无法从日志中解析出有效数据") return None, None, None # 创建图表对象 fig_write, axes_write = plt.subplots(4, 4, figsize=(20, 20)) fig_read, axes_read = plt.subplots(4, 4, figsize=(20, 20)) # 设置标题 norm_title = f" (Normalized to 0x{normalization_point:X}, Raw Data: {os.path.basename(raw_data_file)})" fig_write.suptitle(f'DDR Write Eye Diagram (Data Rate: {data_rate} Mbps, UI: {ui_ps:.2f} ps){norm_title}', fontsize=18) fig_read.suptitle(f'DDR Read Eye Diagram (Data Rate: {data_rate} Mbps, UI: {ui_ps:.2f} ps){norm_title}', fontsize=18) # 展平坐标轴数组 axes_write = axes_write.flatten() axes_read = axes_read.flatten() # 创建图例元素 legend_elements = [ Line2D([0], [0], marker='o', color='w', label='Pass', markerfacecolor='green', markersize=10), Line2D([0], [0], marker='o', color='w', label='Fail', markerfacecolor='red', markersize=10), Line2D([0], [0], color='orange', linestyle='-', label='Post-Norm Boundary'), Line2D([0], [0], color='orange', linestyle='--', label='Pre-Norm Boundary') ] # 存储分组中心点数据(读眼图) group1_center_vrefs = [] # DQ0-DQ7 group1_center_delays = [] # DQ0-DQ7 group2_center_vrefs = [] # DQ8-DQ15 group2_center_delays = [] # DQ8-DQ15 # 遍历16个DQ通道 for dq_index in range(16): # 计算写眼图指标(不计算中心点) write_width, write_height, _, _, _, _ = calculate_eye_metrics(data, avddq, dq_index, 'write') # 计算读眼图指标和中心点 read_width, read_height, read_center_ui, read_center_voltage, read_center_delay, read_center_vref = calculate_eye_metrics( data, avddq, dq_index, 'read' ) # ================= 写眼图处理 ================= # 生成写眼图数据点和边界 write_pass, write_fail, write_adjusted_boundary, write_raw_boundary = generate_eye_diagram( data, raw_data, avddq, ui_ps, dq_index, 'write' ) # 绘制写眼图 if write_fail: x_fail, y_fail = zip(*write_fail) axes_write[dq_index].scatter(x_fail, y_fail, s=1, c='red', alpha=0.1, zorder=1) if write_pass: x_pass, y_pass = zip(*write_pass) axes_write[dq_index].scatter(x_pass, y_pass, s=1, c='green', alpha=0.5, zorder=2) # 添加写眼图标注(仅显示最大眼宽和眼高) write_text = f"Max Eye Width: {write_width:.3f} UI\nMax Eye Height: {write_height:.3f} V" axes_write[dq_index].annotate( write_text, xy=(0.98, 0.02), xycoords='axes fraction', fontsize=9, ha='right', va='bottom', bbox=dict(boxstyle='round', facecolor='white', alpha=0.8) ) # 设置写眼图轴属性 axes_write[dq_index].set_title(f'DQ{dq_index} Write Eye', fontsize=12) axes_write[dq_index].set_xlabel('Delay (UI)', fontsize=10) axes_write[dq_index].set_ylabel('Voltage (V)', fontsize=10) axes_write[dq_index].set_xlim(0, 4) # 写眼图0-4UI axes_write[dq_index].set_ylim(0, avddq) axes_write[dq_index].grid(True, linestyle='--', alpha=0.6) axes_write[dq_index].legend(handles=legend_elements, loc='upper right', fontsize=9) axes_write[dq_index].tick_params(axis='both', which='major', labelsize=9) # ================= 读眼图处理 ================= # 生成读眼图数据点和边界 read_pass, read_fail, read_adjusted_boundary, read_raw_boundary = generate_eye_diagram( data, raw_data, avddq, ui_ps, dq_index, 'read' ) # 绘制读眼图 if read_fail: x_fail, y_fail = zip(*read_fail) axes_read[dq_index].scatter(x_fail, y_fail, s=1, c='red', alpha=0.1, zorder=1) if read_pass: x_pass, y_pass = zip(*read_pass) axes_read[dq_index].scatter(x_pass, y_pass, s=1, c='green', alpha=0.5, zorder=2) # 绘制调整后边界(实线) if read_adjusted_boundary: x_adj, y_adj = zip(*read_adjusted_boundary) axes_read[dq_index].plot(x_adj, y_adj, 'orange', linewidth=1.5, alpha=0.8, zorder=3) # 绘制原始数据边界(虚线) if read_raw_boundary: x_raw, y_raw = zip(*read_raw_boundary) axes_read[dq_index].plot(x_raw, y_raw, 'orange', linewidth=1.0, alpha=0.7, zorder=4) # 添加读眼图标注 read_text = f"Max Eye Width: {read_width:.3f} UI\nMax Eye Height: {read_height:.3f} V" axes_read[dq_index].annotate( read_text, xy=(0.98, 0.02), xycoords='axes fraction', fontsize=9, ha='right', va='bottom', bbox=dict(boxstyle='round', facecolor='white', alpha=0.8) ) # 设置读眼图轴属性 axes_read[dq_index].set_title(f'DQ{dq_index} Read Eye', fontsize=12) axes_read[dq_index].set_xlabel('Delay (UI)', fontsize=10) axes_read[dq_index].set_ylabel('Voltage (V)', fontsize=10) axes_read[dq_index].set_xlim(0, 2) # 读眼图0-2UI axes_read[dq_index].set_ylim(0, avddq) axes_read[dq_index].grid(True, linestyle='--', alpha=0.6) axes_read[dq_index].legend(handles=legend_elements, loc='upper right', fontsize=9) axes_read[dq_index].tick_params(axis='both', which='major', labelsize=9) # 绘制读眼图中心点和辅助线 if read_center_ui is not None and read_center_voltage is not None: # 绘制中心点 axes_read[dq_index].scatter( [read_center_ui], [read_center_voltage], s=100, marker='*', c='yellow', edgecolors='black', zorder=10 ) # 计算原始Vref值 original_vref = int(round((read_center_voltage * 0x1FF) / avddq)) # 添加中心点标注 center_text = f"Center: ({read_center_ui:.3f} UI, {read_center_voltage:.3f} V)\n" \ f"Raw: Vref=0x{original_vref:X}, Delay={read_center_delay}" axes_read[dq_index].annotate( center_text, xy=(read_center_ui, read_center_voltage), xytext=(read_center_ui + 0.1, read_center_voltage + 0.05), arrowprops=dict(facecolor='black', shrink=0.05), fontsize=8, ha='left' ) # 绘制辅助线:最大眼宽竖线(蓝色虚线) axes_read[dq_index].axvline( x=read_center_ui, color='blue', linestyle='--', alpha=0.7, label=f'Max Width Line' ) # 绘制辅助线:最大眼高横线(蓝色虚线) axes_read[dq_index].axhline( y=read_center_voltage, color='blue', linestyle='--', alpha=0.7, label=f'Max Height Line' ) # 添加辅助线图例 line_legend = [ Line2D([0], [0], color='blue', linestyle='--', label='Max Width Line'), Line2D([0], [0], color='blue', linestyle='--', label='Max Height Line') ] axes_read[dq_index].legend(handles=legend_elements + line_legend, loc='upper right', fontsize=9) # 根据DQ索引分组存储中心点数据 if dq_index < 8: group1_center_vrefs.append(original_vref) group1_center_delays.append(read_center_delay) else: group2_center_vrefs.append(original_vref) group2_center_delays.append(read_center_delay) # 计算分组统计值 def calculate_group_stats(vrefs, delays): """计算一组中心点的统计值""" if not vrefs: return None, None, None, None # 计算Vref平均值和中位数 avg_vref = sum(vrefs) / len(vrefs) sorted_vrefs = sorted(vrefs) mid = len(sorted_vrefs) // 2 if len(sorted_vrefs) % 2 == 0: median_vref = (sorted_vrefs[mid-1] + sorted_vrefs[mid]) / 2 else: median_vref = sorted_vrefs[mid] # 计算延迟平均值和中位数 avg_delay = sum(delays) / len(delays) sorted_delays = sorted(delays) mid = len(sorted_delays) // 2 if len(sorted_delays) % 2 == 0: median_delay = (sorted_delays[mid-1] + sorted_delays[mid]) / 2 else: median_delay = sorted_delays[mid] return avg_vref, median_vref, avg_delay, median_delay # 计算第一组(DQ0-DQ7)的统计值 stats1 = calculate_group_stats(group1_center_vrefs, group1_center_delays) # 计算第二组(DQ8-DQ15)的统计值 stats2 = calculate_group_stats(group2_center_vrefs, group2_center_delays) # 在图像顶部添加分组汇总信息(两行) if stats1[0] is not None: avg_vref1, median_vref1, avg_delay1, median_delay1 = stats1 # 第一组文本(DQ0-DQ7) summary_text1 = f"DQ0-DQ7 Center Points: " \ f"Avg Vref=0x{int(round(avg_vref1)):X}, " \ f"Median Vref=0x{int(median_vref1):X}, " \ f"Avg Delay={avg_delay1:.1f}, " \ f"Median Delay={median_delay1:.1f}" # 位置:0.95(顶部) fig_read.text(0.5, 0.95, summary_text1, ha='center', fontsize=12, bbox=dict(facecolor='white', alpha=0.8)) if stats2[0] is not None: avg_vref2, median_vref2, avg_delay2, median_delay2 = stats2 # 第二组文本(DQ8-DQ15) summary_text2 = f"DQ8-DQ15 Center Points: " \ f"Avg Vref=0x{int(round(avg_vref2)):X}, " \ f"Median Vref=0x{int(median_vref2):X}, " \ f"Avg Delay={avg_delay2:.1f}, " \ f"Median Delay={median_delay2:.1f}" # 位置:0.92(在上一行下方) fig_read.text(0.5, 0.92, summary_text2, ha='center', fontsize=12, bbox=dict(facecolor='white', alpha=0.8)) # 调整布局 fig_write.tight_layout(rect=[0, 0, 1, 0.96]) # 为读眼图顶部留出空间 fig_read.tight_layout(rect=[0, 0, 1, 0.90]) # 文件路径处理(添加时间戳) log_dir = os.path.dirname(log_path) or os.getcwd() timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") log_filename = os.path.basename(log_path) log_name = log_filename.rsplit('.', 1)[0] if '.' in log_filename else log_filename # 构建输出文件路径(写眼图只加时间戳) write_filename = os.path.join(log_dir, f"{log_name}_ddr_write_eye_{timestamp}.png") # 构建读眼图文件名(包含两组VREF平均值) group1_avg_vref = int(round(stats1[0])) if stats1[0] is not None else 0 group2_avg_vref = int(round(stats2[0])) if stats2[0] is not None else 0 read_filename = os.path.join( log_dir, f"{log_name}_ddr_read_eye_{timestamp}_G1Vref_0x{group1_avg_vref:X}_G2Vref_0x{group2_avg_vref:X}.png" ) # 保存图像 - 修复变量名拼写错误 fig_write.savefig(write_filename, dpi=300, bbox_inches='tight') fig_read.savefig(read_filename, dpi=300, bbox_inches='tight') # 关闭图像释放内存 plt.close(fig_write) plt.close(fig_read) # 打印结果 print(f"写眼图已保存至: {write_filename}") print(f"读眼图已保存至: {read_filename}") return write_filename, read_filename, raw_data_file 主函数 - 程序入口点详解 def main(): “”" 主函数,程序入口点 功能: - 获取用户输入 - 读取日志文件 - 解析数据 - 生成眼图 - 导出结果 用户交互详解: 1. 使用input()获取用户输入 2. 使用循环处理无效输入 3. 使用try-except捕获异常 """ # 打印欢迎信息 print("=" * 50) print("DDR眼图生成器(带原始数据导出)") print("=" * 50) # 用户输入DataRate(带异常处理) while True: try: data_rate = float(input("请输入DataRate (Mbps/Pin): ")) break except ValueError: print("错误: 请输入有效的数字") # 用户输入AVDDQ电压(带异常处理) while True: try: avddq = float(input("请输入AVDDQ电压值 (V): ")) break except ValueError: print("错误: 请输入有效的数字") # 归一化点输入处理(带错误检查) while True: norm_input = input("请输入归一化点(十六进制值,如0x40或40): ").strip() if not norm_input: print("错误: 输入不能为空,请重新输入") continue try: # 处理十六进制前缀 if norm_input.startswith(("0x", "0X")): hex_str = norm_input[2:] else: hex_str = norm_input # 字符串转整数(16进制) normalization_point = int(hex_str, 16) break except ValueError: print(f"错误: '{norm_input}' 不是有效的十六进制数,请重新输入") # 日志文件路径输入(带文件存在检查) while True: log_path = input("请输入日志文件路径: ").strip() # 检查文件是否存在 # os.path.exists() 判断路径是否存在 if not os.path.exists(log_path): print(f"错误: 文件 '{log_path}' 不存在,请重新输入") else: # 获取绝对路径 log_path = os.path.abspath(log_path) break # 读取文件内容 log_content = robust_read_file(log_path) if log_content is None: print("无法读取日志文件") return # 尝试生成眼图(带异常处理) try: # 调用眼图生成函数(返回三个值) write_file, read_file, raw_data_file = plot_eye_diagrams( log_content, data_rate, avddq, log_path, normalization_point ) print("\n眼图生成成功!") print(f"原始数据文件: {raw_data_file}") except Exception as e: # 捕获所有异常并打印错误信息 print(f"眼图生成失败: {e}") # 异常对象:e.args 获取异常参数 print(f"错误详情: {e.args}") Python特殊检查 - 模块执行控制 if name == “main”: “”" name 是Python的内置变量 当脚本直接运行时,name 等于 “main” 当脚本被导入时,name 等于模块名 这种结构允许: 1. 直接运行脚本时执行测试代码 2. 作为模块导入时不执行测试代码 """ main() # 调用主函数
最新发布
08-02
提示,无有效眼图中心点数据,检查下哪里错了。如果发现问题,直接重头到位新生成一个软件吧,不要怕长。不要删除原有注释,并看看没注释的地方加一下注释。 # ===================================================== # 导入必要的库模块 - 详细解释每个模块的作用 # ===================================================== import numpy as np """ NumPy (Numerical Python) - 科学计算基础库 主要功能: 1. 提供高效的N维数组对象(ndarray) 2. 支持广播功能函数 3. 提供线性代数、傅里叶变换、随机数生成等功能 在本代码中主要用于: - 数值计算和数组操作 - 科学计算支持 """ import matplotlib.pyplot as plt """ Matplotlib - Python中最强大的绘图库 主要功能: 1. 创建静态、动态和交互式图表 2. 支持多种图表类型(线图、散点图、柱状图等) 3. 高度可定制化(颜色、线型、标签等) 在本代码中主要用于: - 绘制眼图 - 可视化DDR校准数据 - 创建图表和图形界面 """ import re """ re (Regular Expression) - 正则表达式模块 主要功能: 1. 文本搜索和模式匹配 2. 文本替换 3. 复杂字符串处理 在本代码中主要用于: - 解析日志文件中的关键数据 - 提取VREF、偏移量、数据点等信息 - 处理复杂的文本匹配任务 """ import datetime """ datetime - 日期和时间处理模块 主要功能: 1. 日期和时间的表示 2. 日期和时间的计算 3. 日期和时间的格式化 在本代码中主要用于: - 生成时间戳 - 创建带时间戳的文件名 - 记录报告生成时间 """ from matplotlib.lines import Line2D """ Line2D - 用于创建二维线条对象 主要功能: 1. 表示二维坐标系中的线条 2. 控制线条属性(颜色、线宽、样式等) 在本代码中主要用于: - 创建图例元素 - 自定义图表中的线条样式 """ import os """ os (Operating System) - 操作系统接口模块 主要功能: 1. 文件和目录操作 2. 路径操作 3. 进程管理 在本代码中主要用于: - 文件路径处理 - 目录创建 - 文件存在性检查 """ from collections import defaultdict """ defaultdict - 带默认值的字典 主要功能: 1. 当访问不存在的键时返回默认值 2. 避免KeyError异常 在本代码中主要用于: - 存储电压-窗口映射关系 - 简化字典初始化操作 """ # ===================================================== # 健壮的文件读取函数 - 详细解释每个编程概念 # ===================================================== def robust_read_file(file_path): """ 健壮的文件读取函数,处理不同编码的文件 参数: file_path - 文件在电脑上的完整路径(字符串) 编程概念详解: 1. 函数定义:def关键字用于定义函数,函数是一段可重复使用的代码块 2. 参数传递:file_path是形式参数,调用时传入实际文件路径 3. 异常处理:try-except结构用于捕获和处理运行时错误 4. 上下文管理器:with语句用于资源管理,确保文件正确关闭 5. 编码处理:不同文件可能使用不同编码(UTF-8, Latin-1等) 6. 正则表达式:用于过滤控制字符 """ ########################################################## # try-except 异常处理结构 # try: 尝试执行可能出错的代码块 ########################################################## try: ########################################################## # with 上下文管理器 # 语法:with expression [as variable]: # 特点:自动管理资源(如文件),确保资源正确释放 # open() 函数:打开文件 # 'r':只读模式 # encoding='utf-8':指定UTF-8编码 ########################################################## with open(file_path, 'r', encoding='utf-8') as f: # 文件对象方法:f.read()读取整个文件内容 return f.read() ########################################################## # except 捕获特定异常 # UnicodeDecodeError:当文件编码不匹配时抛出 ########################################################## except UnicodeDecodeError: try: # 尝试使用Latin-1编码(支持所有256个字节值) with open(file_path, 'r', encoding='latin-1') as f: content = f.read() ########################################################## # 正则表达式详解:r'[\x00-\x1F]+' # 用途:匹配并删除控制字符(ASCII 0-31) # 分解: # r'':原始字符串,避免转义字符处理 # []:字符类,匹配括号内任意字符 # \x00-\x1F:十六进制范围,表示ASCII控制字符(0-31) # +:量词,匹配1次或多次 # re.sub():替换匹配项 # 参数1:模式 # 参数2:替换内容(空字符串) # 参数3:输入字符串 ########################################################## return re.sub(r'[\x00-\x1F]+', '', content) ########################################################## # Exception 捕获所有异常 # 通用异常处理,打印错误信息 ########################################################## except Exception as e: # 格式化字符串:f-string (Python 3.6+) print(f"文件解码错误: {e}") return None # ===================================================== # 日志解析函数 - 重点讲解正则表达式 # ===================================================== def parse_log_file(log_content, normalization_point): """ 解析DDR校准日志文件,提取关键数据 参数: log_content - 日志文件的内容(字符串) normalization_point - 归一化点(十六进制整数) 数据结构说明: data = { vref: { dq_index: { 'read': (min, max, window), 'write': (min, max, window) } } } raw_data = { vref: { dq_index: { 'read': {'min': min_val, 'max': max_val}, 'write': {'min': min_val, 'max': max_val} } } } """ # 初始化数据结构 data = {} # 主数据结构,存储解析后的数据 current_vref = None # 当前处理的vref值 pending_data = {} # 临时存储待处理的数据(字典) current_offset = None # 当前偏移量 raw_data = {} # 存储原始数据(偏移前) # 按行处理日志内容 # 字符串方法:split('\n') 按换行符分割字符串 for line in log_content.split('\n'): # 字符串方法:strip() 移除首尾空白字符 line = line.strip() # 空行检查 if not line: continue # 跳过空行 ########################################################## # 正则表达式1:匹配VREF行 # 模式:r'.*vref:\s*0x([0-9a-fA-F]+)' # 目标示例: "Setting vref: 0x1A3" # # 详细分解: # .* - 匹配任意字符(除换行符外)0次或多次(贪婪匹配) # vref: - 匹配字面字符串 "vref:" # \s* - 匹配0个或多个空白字符(空格、制表符等) # 0x - 匹配字面字符串 "0x" # ( - 开始捕获组 # [0-9a-fA-F] - 字符类,匹配十六进制字符(0-9, a-f, A-F) # + - 匹配前面的元素1次或多次 # ) - 结束捕获组 # # 匹配过程: # "Setting vref: 0x1A3" -> 匹配整个字符串 # 捕获组1: "1A3" ########################################################## vref_match = re.match(r'.*vref:\s*0x([0-9a-fA-F]+)', line) if vref_match: # 获取捕获组内容 hex_str = vref_match.group(1) # int()函数:字符串转整数 # 参数1:字符串 # 参数2:基数(16表示十六进制) current_vref = int(hex_str, 16) # 字典初始化 data[current_vref] = {} # 嵌套字典初始化 raw_data[current_vref] = {} pending_data = {} # 重置临时数据 current_offset = None continue # 跳过后续处理 ########################################################## # 正则表达式2:匹配偏移量行 # 模式:r'.*0x38c:\s*(?:0x)?([0-9a-fA-F]+)' # 目标示例: "Offset 0x38c: 0x25" 或 "0x38c: 25" # # 详细分解: # .* - 匹配任意字符0次或多次 # 0x38c: - 匹配字面字符串 "0x38c:" # \s* - 匹配0个或多个空白字符 # (?: - 开始非捕获组 # 0x - 匹配字面字符串 "0x" # )? - 非捕获组出现0次或1次 # ( - 开始捕获组 # [0-9a-fA-F]+ - 匹配1个或多个十六进制字符 # ) - 结束捕获组 # # 特殊说明: # (?:...) 是非捕获组,匹配但不捕获内容 # 用于处理可选前缀而不创建额外捕获组 ########################################################## offset_match = re.match(r'.*0x38c:\s*(?:0x)?([0-9a-fA-F]+)', line) if offset_match and current_vref is not None: try: hex_str = offset_match.group(1) offset_value = int(hex_str, 16) # 计算偏移量:归一化点 - 读取值 current_offset = normalization_point - offset_value except ValueError: # 异常处理:打印警告信息 print(f"警告: 无法解析偏移量: {offset_match.group(1)}") current_offset = None continue ########################################################## # 正则表达式3:匹配最大值点 # 模式:r'.*dq(\d+)\s+max_(\w+)_point\s*:\s*(-?\d+)' # 目标示例: "dq5 max_read_point: 120" # # 详细分解: # .* - 匹配任意字符0次或多次 # dq - 匹配字面字符串 "dq" # (\d+) - 捕获组1:匹配1个或多个数字(DQ索引) # \s+ - 匹配1个或多个空白字符 # max_ - 匹配字面字符串 "max_" # (\w+) - 捕获组2:匹配1个或多个单词字符(方向:read/write) # _point - 匹配字面字符串 "_point" # \s*:\s* - 匹配冒号前后任意空白 # (-?\d+) - 捕获组3:匹配可选负号后跟1个或多个数字 # # 捕获组说明: # 组1: DQ索引 (如 "5") # 组2: 方向 (如 "read") # 组3: 最大值 (如 "120") ########################################################## max_match = re.match(r'.*dq(\d+)\s+max_(\w+)_point\s*:\s*(-?\d+)', line) if max_match and current_vref is not None: # 提取捕获组内容 dq_index = int(max_match.group(1)) # 转换为整数 direction = max_match.group(2) # 字符串 max_val = int(max_match.group(3)) # 转换为整数 # 字典操作:检查键是否存在并初始化 if current_vref not in raw_data: # 字典设置默认值 raw_data[current_vref] = {} if dq_index not in raw_data[current_vref]: raw_data[current_vref][dq_index] = {} if direction not in raw_data[current_vref][dq_index]: # 嵌套字典初始化 raw_data[current_vref][dq_index][direction] = {'min': None, 'max': None} # 存储原始值(不应用偏移) raw_data[current_vref][dq_index][direction]['max'] = max_val # 只有读方向应用偏移 if direction == 'read' and current_offset is not None: # 应用偏移 max_val += current_offset # 存储到临时数据字典 key = (dq_index, direction) # 元组作为字典键 pending_data[key] = {'max': max_val} # 字典值也是字典 continue ########################################################## # 正则表达式4:匹配最小值点(结构类似最大值匹配) # 模式:r'.*dq(\d+)\s+min_(\w+)_point\s*:\s*(-?\d+)' # 目标示例: "dq5 min_read_point: 32" ########################################################## min_match = re.match(r'.*dq(\d+)\s+min_(\w+)_point\s*:\s*(-?\d+)', line) if min_match and current_vref is not None: dq_index = int(min_match.group(1)) direction = min_match.group(2) min_val = int(min_match.group(3)) key = (dq_index, direction) # 存储原始值(类似最大值处理) if current_vref not in raw_data: raw_data[current_vref] = {} if dq_index not in raw_data[current_vref]: raw_data[current_vref][dq_index] = {} if direction not in raw_data[current_vref][dq_index]: raw_data[current_vref][dq_index][direction] = {'min': None, 'max': None} raw_data[current_vref][dq_index][direction]['min'] = min_val # 只有读方向应用偏移 if direction == 'read' and current_offset is not None: min_val += current_offset # 更新临时数据 if key in pending_data: # 字典更新操作 pending_data[key]['min'] = min_val continue ########################################################## # 正则表达式5:匹配窗口行 # 模式:r'.*dq(\d+)\s+(\w+)_windows\s*:\s*(-?\d+)' # 目标示例: "dq5 read_windows: 88" # # 详细分解: # .* - 匹配任意字符0次或多次 # dq - 匹配字面字符串 "dq" # (\d+) - 捕获组1:匹配1个或多个数字(DQ索引) # \s+ - 匹配1个或多个空白字符 # (\w+) - 捕获组2:匹配1个或多个单词字符(方向) # _windows - 匹配字面字符串 "_windows" # \s*:\s* - 匹配冒号前后任意空白 # (-?\d+) - 捕获组3:匹配可选负号后跟1个或多个数字 ########################################################## win_match = re.match(r'.*dq(\d+)\s+(\w+)_windows\s*:\s*(-?\d+)', line) if win_match and current_vref is not None: dq_index = int(win_match.group(1)) direction = win_match.group(2) windows = int(win_match.group(3)) key = (dq_index, direction) # 检查是否已收集最小值和最大值 if key in pending_data and 'min' in pending_data[key] and 'max' in pending_data[key]: min_val = pending_data[key]['min'] max_val = pending_data[key]['max'] # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确保值在有效范围内 min_val = max(0, min_val) # 最小值不小于0 max_val = min(max_delay, max_val) # 最大值不超过最大延迟 # 检查数据有效性 if min_val > max_val or windows < 0: result = None # 无效数据 else: # 计算窗口大小 window_size = max_val - min_val + 1 result = (min_val, max_val, window_size) # 存储到最终数据结构 if dq_index not in data[current_vref]: # 初始化嵌套字典 data[current_vref][dq_index] = {} data[current_vref][dq_index][direction] = result # 从临时数据中移除 del pending_data[key] # 删除字典键 # 返回解析结果 return data, raw_data # ===================================================== # 眼图指标计算函数 - 算法详解 # ===================================================== def calculate_eye_metrics(data, avddq, dq_index, direction): """ 计算眼图的最大宽度和最大高度(含公共延迟位置) 返回: max_eye_width: 最大眼宽 (UI) max_eye_height: 最大眼高 (V) best_vref: 最大眼宽对应的VREF best_window: 最大眼宽对应的窗口(min, max, size) eye_height_range: 最大眼高对应的电压范围(min_v, max_v) common_delay: 在连续电压范围内都有效的公共延迟位置 """ max_eye_width = 0.0 max_eye_height = 0.0 best_vref = None best_window = None eye_height_range = (0, 0) common_delay = None # 存储每个电压点的窗口信息 voltage_data = {} # 遍历所有VREF值 for vref, dq_data in data.items(): # 计算实际电压 voltage = (vref / 0x1FF) * avddq # 获取当前DQ和方向的数据 dq_info = dq_data.get(dq_index, {}).get(direction) if dq_info is None: continue # 解包元组 min_point, max_point, window_size = dq_info # 确定UI范围(读2UI,写4UI) max_delay = 0x7F if direction == 'read' else 0xFF ui_range = 2 if direction == 'read' else 4 # 计算窗口大小(UI单位) window_ui = (window_size / max_delay) * ui_range # 更新最大眼宽 if window_ui > max_eye_width: max_eye_width = window_ui best_vref = vref best_window = (min_point, max_point, window_size) # 存储电压点信息 voltage_data[voltage] = { 'vref': vref, 'min_delay': min_point, 'max_delay': max_point, 'window_ui': window_ui } # 1. 找到所有连续电压范围 sorted_voltages = sorted(voltage_data.keys()) voltage_ranges = [] if sorted_voltages: current_start = sorted_voltages[0] current_end = sorted_voltages[0] for i in range(1, len(sorted_voltages)): # 检查电压是否连续(考虑浮点精度) if abs(sorted_voltages[i] - current_end) < 1e-6 or abs(sorted_voltages[i] - sorted_voltages[i-1]) < 1e-6: current_end = sorted_voltages[i] else: # 保存当前连续范围 voltage_ranges.append((current_start, current_end)) current_start = sorted_voltages[i] current_end = sorted_voltages[i] # 添加最后一个范围 voltage_ranges.append((current_start, current_end)) # 2. 找出最大眼高的连续电压范围及其公共延迟位置 max_height = 0.0 best_range = (0, 0) for v_start, v_end in voltage_ranges: # 计算当前范围的高度 height = v_end - v_start if height > max_height: max_height = height # 3. 找出该范围内的所有电压点 voltages_in_range = [v for v in sorted_voltages if v_start <= v <= v_end] if voltages_in_range: # 4. 找出所有电压点都有效的公共延迟位置 # 初始化公共延迟范围为第一个电压点的范围 common_min = voltage_data[voltages_in_range[0]]['min_delay'] common_max = voltage_data[voltages_in_range[0]]['max_delay'] # 遍历范围内的所有电压点,找到公共延迟范围 for v in voltages_in_range[1:]: data_point = voltage_data[v] # 更新公共最小延迟(取最大值) common_min = max(common_min, data_point['min_delay']) # 更新公共最大延迟(取最小值) common_max = min(common_max, data_point['max_delay']) # 检查是否存在公共延迟位置 if common_min <= common_max: # 保存最大眼高范围及其公共延迟位置 max_eye_height = height best_range = (v_start, v_end) # 取公共延迟范围的中间值作为公共延迟位置 common_delay = (common_min + common_max) // 2 eye_height_range = best_range return max_eye_width, max_eye_height, best_vref, best_window, eye_height_range, common_delay def plot_eye_center(ax, direction, dq_index, eye_width, eye_height, best_vref, best_window, eye_height_range, common_delay, avddq, normalization_point, ui_range): """ 基于最大眼宽和最大眼高精确计算眼图中心点 参数: ax: 坐标轴对象 direction: 方向 ('write' 或 'read') dq_index: DQ索引 eye_width: 最大眼宽 (UI单位) eye_height: 最大眼高 (电压单位) best_vref: 最大眼宽对应的VREF best_window: 最大眼宽对应的窗口(min, max, size) eye_height_range: 最大眼高对应的电压范围(min_v, max_v) common_delay: 在连续电压范围内都有效的公共延迟位置 avddq: AVDDQ电压 normalization_point: 归一化点 ui_range: UI范围 (写为4,读为2) """ if not best_window or not eye_height_range or common_delay is None: return None # 1. 提取最大眼宽对应的数据 min_point, max_point, _ = best_window max_delay = 0xFF if direction == 'write' else 0x7F # 转换为UI单位 min_ui = (min_point / max_delay) * ui_range max_ui = (max_point / max_delay) * ui_range # 2. 最大眼宽对应的电压(精确值) voltage_best = (best_vref / 0x1FF) * avddq # 3. 提取最大眼高对应的电压范围 min_voltage, max_voltage = eye_height_range # 4. 计算公共延迟位置(UI单位) common_ui = (common_delay / max_delay) * ui_range # 5. 计算原始延迟值(考虑0x38c偏移) center_delay = int(common_delay) # 6. 计算原始Vref值 center_vref = best_vref # 7. 计算原始日志值(减去0x38c偏移) base_offset = normalization_point - 0x38C log_delay = center_delay - base_offset # 8. 绘制眼宽横线(在最佳电压位置) ax.hlines( y=voltage_best, xmin=min_ui, xmax=max_ui, colors='blue', linestyles='-', linewidth=1, zorder=3 ) # 9. 绘制眼高竖线(在公共延迟位置) ax.vlines( x=common_ui, ymin=min_voltage, ymax=max_voltage, colors='blue', linestyles='-', linewidth=1, zorder=3 ) # 10. 计算交点(眼图中心) center_x = common_ui center_y = voltage_best # 11. 标记中心点 ax.scatter(center_x, center_y, s=100, c='gold', marker='*', edgecolors='black', zorder=4) # 12. 添加坐标信息标注 info_text = (f"眼图中心: ({center_x:.2f}UI, {center_y:.3f}V)\n" f"原始值: Vref=0x{center_vref:03X}, Delay={log_delay}\n" f"换算值: Vref=0x{center_vref:03X}, Delay={center_delay}") ax.annotate(info_text, xy=(center_x, center_y), xytext=(center_x + 0.1, center_y + 0.05), arrowprops=dict(arrowstyle='->', color='black'), fontsize=8, bbox=dict(boxstyle='round', facecolor='white', alpha=0.8)) return (center_vref, log_delay) # ===================================================== # 眼图数据生成函数 - 详细解释算法 # ===================================================== def generate_eye_diagram(data, avddq, ui_ps, dq_index, direction): """ 生成眼图数据点 参数: data - 解析后的日志数据(字典) avddq - AVDDQ电压值(浮点数) ui_ps - 每个UI的时间(皮秒) dq_index - DQ索引(0-15,整数) direction - 方向('read'或'write',字符串) 算法说明: 1. 遍历所有VREF值 2. 计算实际电压 = (vref / 0x1FF) * avddq 3. 遍历所有可能的延迟值 4. 将延迟值转换为UI单位 5. 根据数据有效性标记为通过点或失败点 """ pass_points = [] # 存储通过点(绿色) fail_points = [] # 存储失败点(红色) # 确定最大延迟值(读0x7F=127,写0xFF=255) max_delay = 0x7F if direction == 'read' else 0xFF # 确定UI范围(读2UI,写4UI) ui_range = 2 if direction == 'read' else 4 # 遍历所有VREF值 for vref, dq_data in data.items(): # 计算实际电压 voltage = (vref / 0x1FF) * avddq # 获取当前DQ和方向的数据 dq_info = dq_data.get(dq_index, {}).get(direction) # 遍历所有可能的延迟值 for delay in range(0, max_delay + 1): # 将延迟值转换为UI单位 ui_value = (delay / max_delay) * ui_range # 如果没有有效数据,标记为失败点 if dq_info is None: fail_points.append((ui_value, voltage)) else: # 解包元组 min_point, max_point, _ = dq_info # 检查当前延迟是否在有效范围内 if min_point <= delay <= max_point: pass_points.append((ui_value, voltage)) else: fail_points.append((ui_value, voltage)) return pass_points, fail_points # ===================================================== # 输出原始数据到新日志 - 文件操作详解 # ===================================================== def export_raw_data(raw_data, normalization_point, log_path): """ 输出原始数据到新日志文件(按DQ划分) 参数: raw_data - 原始数据(偏移前) normalization_point - 归一化点 log_path - 原始日志文件路径 文件操作详解: 1. 创建输出目录:os.makedirs() 2. 构建文件路径:os.path.join() 3. 写入文件:open()配合write() 4. 格式化输出:f-string """ # 获取当前时间戳 timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") # 获取日志文件名(不含扩展名) log_filename = os.path.basename(log_path) if '.' in log_filename: # rsplit() 从右边分割字符串,maxsplit=1表示只分割一次 log_name = log_filename.rsplit('.', 1)[0] else: log_name = log_filename # 创建输出目录 log_dir = os.path.dirname(log_path) or os.getcwd() # 获取目录或当前工作目录 output_dir = os.path.join(log_dir, "raw_data_export") # 创建输出目录路径 ########################################################## # os.makedirs() 创建目录(如果不存在) # exist_ok=True 表示目录已存在时不报错 ########################################################## os.makedirs(output_dir, exist_ok=True) # 创建输出文件路径 output_file = os.path.join(output_dir, f"{log_name}_raw_data_{timestamp}.txt") # 写入原始数据 with open(output_file, 'w', encoding='utf-8') as f: # 写入标题信息 f.write("=" * 80 + "\n") f.write(f"DDR校准原始数据报告 (归一化点: 0x{normalization_point:X})\n") f.write(f"生成时间: {datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n") f.write(f"原始日志: {log_path}\n") f.write("=" * 80 + "\n\n") # 按vref排序 sorted_vrefs = sorted(raw_data.keys()) for vref in sorted_vrefs: # 写入vref标题 f.write(f"VREF: 0x{vref:03X}\n") # :03X表示3位十六进制大写,不足补0 f.write("-" * 60 + "\n") # 按DQ索引排序 sorted_dq = sorted(raw_data[vref].keys()) for dq_index in sorted_dq: # 写入DQ标题 f.write(f" DQ{dq_index}:\n") # 处理读方向数据 if 'read' in raw_data[vref][dq_index]: rd = raw_data[vref][dq_index]['read'] f.write(f" 读方向:\n") f.write(f" 原始最小值: {rd['min']}\n") f.write(f" 原始最大值: {rd['max']}\n") # 计算并写入窗口大小 window_size = rd['max'] - rd['min'] + 1 f.write(f" 窗口大小: {window_size}\n") # 处理写方向数据 if 'write' in raw_data[vref][dq_index]: wr = raw_data[vref][dq_index]['write'] f.write(f" 写方向:\n") f.write(f" 原始最小值: {wr['min']}\n") f.write(f" 原始最大值: {wr['max']}\n") # 计算并写入窗口大小 window_size = wr['max'] - wr['min'] + 1 f.write(f" 窗口大小: {window_size}\n") f.write("\n") # DQ间空行 f.write("\n") # VREF间空行 print(f"原始数据已导出至: {output_file}") return output_file # ===================================================== # 眼图绘制函数 - 数据可视化详解 # ===================================================== def plot_eye_diagrams(log_content, data_rate, avddq, log_path, normalization_point): """ 绘制DDR眼图(修复版) 修复问题: 1. 数据解析一致性:确保窗口大小计算一致 2. 眼图中心点:基于最大眼宽和最大眼高计算 3. 保留原有的最大眼宽/眼高标注 4. 文件名添加时间戳 """ # 设置中文字体支持 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'Microsoft YaHei', 'WenQuanYi Micro Hei'] plt.rcParams['axes.unicode_minus'] = False # 计算UI时间(皮秒) ui_ps = (1 / (data_rate * 1e6)) * 1e12 # 解析日志文件 data, raw_data = parse_log_file(log_content, normalization_point) # 导出原始数据到新日志 raw_data_file = export_raw_data(raw_data, normalization_point, log_path) # 检查是否解析到有效数据 if not data: print("错误: 无法从日志中解析出有效数据") return None, None, None # 创建图表对象 fig_write, axes_write = plt.subplots(4, 4, figsize=(22, 24)) fig_read, axes_read = plt.subplots(4, 4, figsize=(22, 24)) # 获取带时间戳的文件名 timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") log_dir = os.path.dirname(log_path) or os.getcwd() log_filename = os.path.basename(log_path) log_name = log_filename.rsplit('.', 1)[0] if '.' in log_filename else log_filename # 设置标题(包含原始数据文件路径) norm_title = f" (Normalized to 0x{normalization_point:X}, Raw Data: {os.path.basename(raw_data_file)})" fig_write.suptitle(f'DDR Write Eye Diagram (Data Rate: {data_rate} Mbps, UI: {ui_ps:.2f} ps){norm_title}', fontsize=18) fig_read.suptitle(f'DDR Read Eye Diagram (Data Rate: {data_rate} Mbps, UI: {ui_ps:.2f} ps){norm_title}', fontsize=18) # 展平坐标轴数组 axes_write = axes_write.flatten() axes_read = axes_read.flatten() # 创建图例元素 legend_elements = [ Line2D([0], [0], marker='o', color='w', label='Pass', markerfacecolor='green', markersize=10), Line2D([0], [0], marker='o', color='w', label='Fail', markerfacecolor='red', markersize=10), Line2D([0], [0], color='blue', linestyle='-', label='眼宽眼高连线', linewidth=1), Line2D([0], [0], marker='*', color='w', label='眼图中心', markerfacecolor='gold', markersize=10) ] # 存储所有中心点信息 all_center_points_write = [] all_center_points_read = [] # 遍历16个DQ通道 for dq_index in range(16): # 计算写眼图指标(现在返回6个值) write_width, write_height, best_vref_write, best_window_write, eye_height_range_write, common_delay_write = calculate_eye_metrics( data, avddq, dq_index, 'write' ) write_pass, write_fail = generate_eye_diagram(data, avddq, ui_ps, dq_index, 'write') # 计算读眼图指标(现在返回6个值) read_width, read_height, best_vref_read, best_window_read, eye_height_range_read, common_delay_read = calculate_eye_metrics( data, avddq, dq_index, 'read' ) read_pass, read_fail = generate_eye_diagram(data, avddq, ui_ps, dq_index, 'read') # 绘制写眼图 if write_fail: x_fail, y_fail = zip(*write_fail) axes_write[dq_index].scatter(x_fail, y_fail, s=1, c='red', alpha=0.1, zorder=1) if write_pass: x_pass, y_pass = zip(*write_pass) axes_write[dq_index].scatter(x_pass, y_pass, s=1, c='green', alpha=0.5, zorder=2) # 绘制读眼图 if read_fail: x_fail, y_fail = zip(*read_fail) axes_read[dq_index].scatter(x_fail, y_fail, s=1, c='red', alpha=0.1, zorder=1) if read_pass: x_pass, y_pass = zip(*read_pass) axes_read[dq_index].scatter(x_pass, y_pass, s=1, c='green', alpha=0.5, zorder=2) # 添加原有的眼宽眼高标注 write_text = f"Max Eye Width: {write_width:.3f} UI\nMax Eye Height: {write_height:.3f} V" axes_write[dq_index].annotate( write_text, xy=(0.98, 0.02), xycoords='axes fraction', fontsize=9, ha='right', va='bottom', bbox=dict(boxstyle='round', facecolor='white', alpha=0.8) ) read_text = f"Max Eye Width: {read_width:.3f} UI\nMax Eye Height: {read_height:.3f} V" axes_read[dq_index].annotate( read_text, xy=(0.98, 0.02), xycoords='axes fraction', fontsize=9, ha='right', va='bottom', bbox=dict(boxstyle='round', facecolor='white', alpha=0.8) ) # === 任务一:基于最大眼宽和最大眼高的眼图中心点计算 === # 使用修正后的plot_eye_center函数 center_point = plot_eye_center( axes_write[dq_index], 'write', dq_index, write_width, write_height, best_vref_write, best_window_write, eye_height_range_write, common_delay_write, # 新增:公共延迟位置 avddq, normalization_point, ui_range=4 ) if center_point: all_center_points_write.append(center_point) # 处理读方向眼图中心 center_point = plot_eye_center( axes_read[dq_index], 'read', dq_index, read_width, read_height, best_vref_read, best_window_read, eye_height_range_read, common_delay_read, # 新增:公共延迟位置 avddq, normalization_point, ui_range=2 ) if center_point: all_center_points_read.append(center_point) # 设置公共轴属性 for ax, direction in [(axes_write[dq_index], 'Write'), (axes_read[dq_index], 'Read')]: ax.set_title(f'DQ{dq_index} {direction} Eye', fontsize=12) ax.set_xlabel('Delay (UI)', fontsize=10) ax.set_ylabel('Voltage (V)', fontsize=10) ax.set_xlim(0, 4 if direction == 'Write' else 2) ax.set_ylim(0, avddq) ax.grid(True, linestyle='--', alpha=0.6) ax.legend(handles=legend_elements, loc='upper right', fontsize=9) ax.tick_params(axis='both', which='major', labelsize=9) # 计算统计信息 def calculate_stats(center_points, direction): """计算并返回统计信息字符串""" if not center_points: return f"{direction}方向: 无有效眼图中心点数据" # 分离Vref和Delay值 vrefs = [cp[0] for cp in center_points] delays = [cp[1] for cp in center_points] # 计算平均值 avg_vref = sum(vrefs) / len(vrefs) avg_delay = sum(delays) / len(delays) # 计算中位数 sorted_vrefs = sorted(vrefs) sorted_delays = sorted(delays) median_vref = sorted_vrefs[len(sorted_vrefs) // 2] median_delay = sorted_delays[len(sorted_delays) // 2] # 格式化统计信息 stats = (f"{direction}方向统计 (共{len(center_points)}个DQ):\n" f"平均Vref: 0x{int(avg_vref):03X} (十六进制), " f"平均Delay: {avg_delay:.1f} (进制)\n" f"中位数Vref: 0x{int(median_vref):03X} (十六进制), " f"中位数Delay: {median_delay:.1f} (进制)") return stats # 计算统计信息 write_stats = calculate_stats(all_center_points_write, "写") read_stats = calculate_stats(all_center_points_read, "读") # 添加统计信息到图表底部 fig_write.text(0.5, 0.01, write_stats, ha='center', va='bottom', fontsize=12, bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.8)) fig_read.text(0.5, 0.01, read_stats, ha='center', va='bottom', fontsize=12, bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.8)) # 调整布局 fig_write.tight_layout(rect=[0, 0.03, 1, 0.97]) fig_read.tight_layout(rect=[0, 0.03, 1, 0.97]) # 构建带时间戳的输出文件路径 write_filename = os.path.join(log_dir, f"{log_name}_{timestamp}_ddr_write_eye.png") read_filename = os.path.join(log_dir, f"{log_name}_{timestamp}_ddr_read_eye.png") # 保存图像 fig_write.savefig(write_filename, dpi=300, bbox_inches='tight') fig_read.savefig(read_filename, dpi=300, bbox_inches='tight') # 关闭图像释放内存 plt.close(fig_write) plt.close(fig_read) # 打印结果 print(f"写眼图已保存至: {write_filename}") print(f"读眼图已保存至: {read_filename}") return write_filename, read_filename, raw_data_file # ===================================================== # 主函数 - 程序入口点详解 # ===================================================== def main(): """ 主函数,程序入口点 功能: 1. 获取用户输入 2. 读取日志文件 3. 解析数据 4. 生成眼图 5. 导出结果 用户交互详解: 1. 使用input()获取用户输入 2. 使用循环处理无效输入 3. 使用try-except捕获异常 """ # 打印欢迎信息 print("=" * 50) print("DDR眼图生成器(带原始数据导出)") print("=" * 50) # 用户输入DataRate(带异常处理) while True: try: data_rate = float(input("请输入DataRate (Mbps/Pin): ")) break except ValueError: print("错误: 请输入有效的数字") # 用户输入AVDDQ电压(带异常处理) while True: try: avddq = float(input("请输入AVDDQ电压值 (V): ")) break except ValueError: print("错误: 请输入有效的数字") # 归一化点输入处理(带错误检查) while True: norm_input = input("请输入归一化点(十六进制值,如0x40或40): ").strip() if not norm_input: print("错误: 输入不能为空,请重新输入") continue try: # 处理十六进制前缀 if norm_input.startswith(("0x", "0X")): hex_str = norm_input[2:] else: hex_str = norm_input # 字符串转整数(16进制) normalization_point = int(hex_str, 16) break except ValueError: print(f"错误: '{norm_input}' 不是有效的十六进制数,请重新输入") # 日志文件路径输入(带文件存在检查) while True: log_path = input("请输入日志文件路径: ").strip() # 检查文件是否存在 # os.path.exists() 判断路径是否存在 if not os.path.exists(log_path): print(f"错误: 文件 '{log_path}' 不存在,请重新输入") else: # 获取绝对路径 log_path = os.path.abspath(log_path) break # 读取文件内容 log_content = robust_read_file(log_path) if log_content is None: print("无法读取日志文件") return # 尝试生成眼图(带异常处理) try: # 调用眼图生成函数(返回三个值) write_file, read_file, raw_data_file = plot_eye_diagrams( log_content, data_rate, avddq, log_path, normalization_point ) print("\n眼图生成成功!") print(f"原始数据文件: {raw_data_file}") except Exception as e: # 捕获所有异常并打印错误信息 print(f"眼图生成失败: {e}") # 异常对象:e.args 获取异常参数 print(f"错误详情: {e.args}") # ===================================================== # Python特殊检查 - 模块执行控制 # ===================================================== if __name__ == "__main__": """ __name__ 是Python的内置变量 当脚本直接运行时,__name__ 等于 "__main__" 当脚本被导入时,__name__ 等于模块名 这种结构允许: 1. 直接运行脚本时执行测试代码 2. 作为模块导入时不执行测试代码 """ main() # 调用主函数
08-01
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值