回到下面这份代码，也就是上一个版本。
我的需求有三点。整体非常好，整体不要再做大的改动。
1、读眼图，眼图中心点是画线求出来的交点，请除了当前的标志外，在图上画出这两根辅助线，便于读者检查你的取值方式是否符合预期。
2、生成的文件名没有时间戳，要加上。
3、写眼图不需要标眼图中心点。也不需要画横竖线，显示原本的最大眼宽眼高就可以，也不需要算中位数平均值这些。
如果修改画图函数就可以解决上述问题，只需要给我完整的新画图函数。如果需要修改多个函数才能解决，请给我完整代码。
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
数据可视化详解：
1. 创建图表对象：plt.subplots()
2. 设置图表属性：suptitle(), set_title(), set_xlabel()等
3. 绘制散点图：scatter()
4. 添加标注：annotate()
5. 保存图像：savefig()
"""
# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'Microsoft YaHei', 'WenQuanYi Micro Hei'] # 指定支持的字体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
# 计算UI时间（皮秒）
# UI = Unit Interval, 单位时间间隔
ui_ps = (1 / (data_rate * 1e6)) * 1e12
# 解析日志文件（获取处理后的数据和原始数据）
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
# figsize=(20, 20) 设置图表大小（英寸）
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（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（将4x4网格转换为一维数组）
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)
]
# 存储所有DQ的中心点数据（用于计算平均值和中位数）
all_center_vrefs = [] # 存储所有中心点的Vref值
all_center_delays = [] # 存储所有中心点的延迟值
# 遍历16个DQ通道
for dq_index in range(16):
# 计算写眼图指标和中心点
write_width, write_height, write_center_ui, write_center_voltage, write_center_delay, write_center_vref = 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')
# 绘制写眼图
if write_fail:
# zip(*iterable) 解压坐标列表
x_fail, y_fail = zip(*write_fail)
# 绘制失败点（红色，透明度0.1，底层）
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)
# 绘制通过点（绿色，透明度0.5，上层）
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
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), # 坐标（相对坐标轴）
xycoords='axes fraction', # 使用相对坐标
fontsize=9,
ha='right', # 水平对齐方式：右对齐
va='bottom', # 垂直对齐方式：底部对齐
bbox=dict(boxstyle='round', facecolor='white', alpha=0.8) # 文本框样式
)
# 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)
)
# 设置公共轴属性
for ax, direction, center_ui, center_voltage, center_delay, center_vref in [
(axes_write[dq_index], 'Write', write_center_ui, write_center_voltage, write_center_delay, write_center_vref),
(axes_read[dq_index], 'Read', read_center_ui, read_center_voltage, read_center_delay, read_center_vref)
]:
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)
# 设置X轴范围（写眼图0-4UI，读眼图0-2UI）
ax.set_xlim(0, 4 if direction == 'Write' else 2)
ax.set_ylim(0, avddq) # 设置Y轴范围（0到AVDDQ电压）
ax.grid(True, linestyle='--', alpha=0.6) # 添加网格线
ax.legend(handles=legend_elements, loc='upper right', fontsize=9) # 添加图例
ax.tick_params(axis='both', which='major', labelsize=9) # 设置刻度标签大小
# 绘制眼图中心点（如果存在）
if center_ui is not None and center_voltage is not None:
# 绘制中心点
ax.scatter([center_ui], [center_voltage], s=100, marker='*', c='yellow', edgecolors='black', zorder=10)
# 计算原始Vref值
original_vref = int(round((center_voltage * 0x1FF) / avddq))
# 添加中心点标注
center_text = f"Center: ({center_ui:.3f} UI, {center_voltage:.3f} V)\n" \
f"Raw: Vref=0x{original_vref:X}, Delay={center_delay}"
ax.annotate(
center_text,
xy=(center_ui, center_voltage),
xytext=(center_ui + 0.1, center_voltage + 0.05),
arrowprops=dict(facecolor='black', shrink=0.05),
fontsize=8,
ha='left'
)
# 存储中心点数据（用于计算平均值和中位数）
all_center_vrefs.append(original_vref)
all_center_delays.append(center_delay)
# 计算所有DQ中心点的平均值和中位数
if all_center_vrefs and all_center_delays:
# 计算Vref平均值和中位数
avg_vref = sum(all_center_vrefs) / len(all_center_vrefs)
sorted_vrefs = sorted(all_center_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(all_center_delays) / len(all_center_delays)
sorted_delays = sorted(all_center_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]
# 创建汇总文本
summary_text = f"All DQ Center Points: " \
f"Avg Vref=0x{int(round(avg_vref)):X}, " \
f"Median Vref=0x{int(median_vref):X}, " \
f"Avg Delay={avg_delay:.1f}, " \
f"Median Delay={median_delay:.1f}"
# 在图像底部添加汇总信息
fig_write.text(0.5, 0.01, summary_text, ha='center', fontsize=12, bbox=dict(facecolor='white', alpha=0.8))
fig_read.text(0.5, 0.01, summary_text, ha='center', fontsize=12, bbox=dict(facecolor='white', alpha=0.8))
# 调整布局（rect参数指定子图区域）
fig_write.tight_layout(rect=[0, 0, 1, 0.96])
fig_read.tight_layout(rect=[0, 0, 1, 0.96])
# 文件路径处理
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
write_filename = os.path.join(log_dir, f"{log_name}_ddr_write_eye.png")
read_filename = os.path.join(log_dir, f"{log_name}_ddr_read_eye.png")
# 保存图像（高分辨率300dpi）
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
本文通过一个具体的C语言代码示例，详细解析了如何使用可变参数函数。示例展示了va_start, va_arg 和 va_end宏的用法，以及如何在函数中遍历并打印所有传入的可变参数。
扫一扫
77
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
