基于数据拟合的信号锁定指示异常跳变检测方法*

2016-07-05李志强孙健俊董亚国

通信技术 2016年4期

关键词：故障注入

马　赫，李志强，孙健俊，董亚国，殷　君

(解放军理工大学通信工程学院，江苏南京 210007)

基于数据拟合的信号锁定指示异常跳变检测方法*

马赫，李志强，孙健俊，董亚国，殷君

(解放军理工大学通信工程学院，江苏南京 210007)

摘要：为解决卫星在空间应用过程中由于单粒子效应而发生信号锁定指示异常跳变故障的问题，提出了一种基于数据拟合的卫星锁定指示异常跳变检测方法。通过对设计案例进行故障注入试验，分别统计了卫星信号锁定指示正常跳变和异常跳变的频率分布，并使用MATLAB软件的数据拟合工具得到了相应的概率密度函数，运用最大后验概率准则计算得到了给定轨道的最佳判定门限。该方法已经在某低轨卫星中得到了初步验证，取得了满意的效果。

关键词：单粒子效应；故障注入；数据拟合；最佳判决；最大后验概率准则

0引言

基于SRAM工艺的FPGA应用在航空航天领域时，容易受到空间辐射的影响而发生单粒子效应，引发单粒子翻转[1]。单粒子翻转效应是由单个高能带点粒子射入微电子器件敏感区引起的，能够使器件逻辑状态翻转为相反状态，导致系统功能紊乱。SRAM型FPGA需通过配置存储器进行加载，因此配置存储器中的数据控制着FPGA器件各组件的连接关系和逻辑功能，一旦发生单粒子翻转就有可能破坏FPGA器件实现的功能[2]。

随着制作工艺的发展，数字集成电路越来越小，芯片越来越大，越来越复杂，单粒子翻转引发的问题更加突出，在航空航天领域，对于单粒子翻转的防护尤为重要[3]。本文提出的基于数据拟合的卫星信号锁定指示异常跳变检测方法，就是为了解决由于单粒子翻转而引发的卫星信号锁定指示异常跳变的情况，通过设定判决门限，判定跳变是属于正常跳变还是异常跳变，当发现异常跳变时，通过配合回读刷新、重新加载等异常处置方法，纠正系统错误，从而保证系统正常运行。

1异常跳变检测方法

为了检测锁定指示是否存在异常跳变，需要通过异常跳变检验电路进行检测，异常跳变检验电路如图1所示。

图1　信号锁定指示检测流程

当进行信号锁定指示检测时，主控端启动计时器和计数器，在设定时间内对信号锁定指示的跳变沿进行计数，并对得出的结果进行分析，当判定结果为正常时则复位计时器和计数器，继续进行信号锁定指示检测；当判定结果为异常时，则进行异常处置，之后复位计时器和计数器，继续进行信号锁定指示检测。

2故障注入与数据拟合

对于不同的卫星通信系统，由于其设计方案不同，其信号锁定指示的跳变频率是不同的；对于同一种卫星通信系统，由于单粒子效应产生位置的不同，电磁环境的差异等原因，其信号锁定指示的异常跳变情况也是不同的。

为了得到相应的数据信息，需要进行黑盒测试。所谓黑盒测试也称为功能测试或数据驱动测试，是在已知产品所具有的功能，通过测试来检测每个功能是否都能正常使用，在测试时把测试对象看作一个不能打开的黑盒子，在不考虑程序内部结构和内部特征的情况下，在接口处进行测试[4]。

因此可以把整个卫星系统看作一个黑盒子，通过进行故障注入，模拟空间电磁环境，观察卫星信号锁定指示的跳变信息变化，并运用数据拟合得到跳变次数的概率密度函数。

故障注入方法是一种检验容错机制有效性的试验方法，通过有意识的向系统中引入故障来加速测评容错机制的实验过程[5]。由于现有的实验条件无法模拟外天空的高能辐射环境，因此采用软件故障注入的方法来模拟单粒子效应，统计系统正常跳变情况和异常跳变情况跳变次数的概率密度函数，进而确定判决门限。

Xilinx开发的ISE软件中有一种专用的IP核——SEM(Soft Error Mitigation，软错误缓解)，它可以实现模拟FPGA芯片上的逻辑状态的翻转[6]。该IP核能够通过串口通信的方式将一位或多位错误注入到特定的配置寄存器地址，从而实现FPGA的软错误注入[7-8]。

通过遍历注入配置寄存机地址和随机注入配置寄存机地址两种方式，经过多次试验，最终得到正常跳变情况和异常跳变情况的跳变次数频率密度。

在得到了统计数据以后，通过excel软件得到通道状态标志跳变次数的频率密度，运用MATLAB软件的Curve Fitting Tool工具进行数据拟合，最终得到通道状态标志跳变次数的概率密度函数。

MATLAB的曲线拟合工具箱(Curve Fitting Toolbox)集成了用MATLAB建立的图形用户界面(GUIs)和M文件函数。利用这个工具箱可以进行参数拟合，或者通过采用平滑样条或者其他各种插值方法进行非参数拟合[9]。

图2和图3为使用MATLAB软件中的Curve Fitting Tool工具进行数据拟合得到的正常情况和异常情况的跳变概率密度函数拟合曲线。

图2　正常跳变概率密度函数曲线

图3　异常跳变概率密度函数曲线

由软件拟合结果可以得到正常情况和异常情况的概率密度函数分别为：

(1)

(2)

图4为正常跳变情况和异常跳变情况的概率密度函数。

图4　正常跳变情况和异常跳变情况概率密度函数示意

图5为正常跳变情况和异常跳变情况在靠近原点部分的局部放大示意图。

图5　正常跳变情况和异常跳变情况概率

3判定门限确定

用H1表示正常跳变情况，用H0表示异常跳变情况，并做出如下假设：

假设实际情况为正常跳变而判定为异常跳变的错误为第一类错误，用P(D0|H1)表示第一类错误发生的概率，即虚警概率；

假设实际情况为异常跳变而判定为正常跳变的错误为第二类错误，用P(D1|H0)表示第二类错误发生的概率，即漏警概率。

图6所示为虚警概率和漏警概率的示意图，虚警概率为图中B部分，漏警概率为图中A部分。

图6　虚警概率和漏警概率示意

在本策略中，为了做出最合理的判定，选择最大后验概率准则作为判定标准。

用条件概率P(H0|x)表示在得到样本x的条件下H0为真的概率；

用条件概率P(H1|x)表示在得到样本x的条件下H1为真的概率。

于是判定准则就是，若：

P(H0|x)>P(H1|x)

(3)

则判定为H0，反之则判定为H1。

利用贝叶斯公式，可以将上述后验概率表示为：

(4)

为了确定门限，令：

P(H0|x)=P(H1|x)

(5)

化简可得：

f(x|H0)P(H0)=f(x|H1)P(H1)

(6)

式中，P(H0)和P(H1)分别是假设事件H0和H1发生的先验概率，f(x|H0)和f(x|H1)分别是正常跳变情况的概率密度函数和异常跳变情况的概率密度函数。

根据已有试验数据[10]，计算得到Xilinx 300万门FPGA在低地球轨道(轨道高度645 km，轨道倾角97.9°)在轨的单粒子错误率如表1所示。

表1　Xilinx 300万门FPGA在轨单粒子错误率预计

表1中M=1为只考虑银河宇宙射线，不考虑太阳耀斑粒子的情况；M=3为同时考虑银河宇宙射线和太阳耀斑粒子的情况。

假设单粒子翻转发生的概率密度在一天之内服从均匀分布，则可以通过表1的数据计算得到20 s的错误率，并通过MATLAB计算分别得到M=1和M=3的最佳判决门限。

当M=1时，计算结果为10.46，根据四舍五入原则，最佳判决门限取10，如图7所示。

图7　最佳判定门限计算结果(M=1)

当M=3时，计算结果为10.31，根据四舍五入原则，最佳判决门限取10，如图8所示。

图8　最佳判定门限计算结果(M=3)

通过上述方法，根据所在轨道单粒子翻转错误的先验概率，可以求出任何轨道高度的信号锁定指示异常跳变最佳判决门限，从而应对不同轨道条件下的卫星应用情况。

4结语

本文对所提出的一种基于数据拟合的卫星信号锁定指示异常跳变检测方法进行了阐述，通过故障注入和MATLAB拟合的方法，计算得到了正常跳变情况和异常跳变情况的跳变次数概率密度函数，通过运用最大后验概率的方法，确定了最佳的跳变判定门限。由于不同的设计方案其相应的跳变概率密度函数也不同，因此针对不同的设计，需要有针对性的进行故障注入测试来得到相应的跳变次数概率密度函数。该方案在某低轨卫星中得到了初步验证，取得了满意的效果，能够为今后卫星的空间抗辐射应用提供参考。

参考文献：

[1]陈江璋. 基于SRAM的FPGA抗SEU加固技术分析研究[J]. 价值工程, 2013,31(33):105-106.

CHEN Jiang-zhang. Analysis and Research on SRAM-based FPGA Anti SEU Reinforcement Technology[J]. Value Engineering, 2013,31(33):105-106.

[2]江卫, 郑艳, 徐梦茗等. 一种适用于空间飞行器的可重构信息处理平台硬件设计[J]. 通信技术, 2014，47(06):697-701.

JIANG Wei, ZHENG Yan, XU Meng-ming, et al. Platform Hardware Design for Spacecraft Reconfigurable Information Processing[J]. Communications Technology, 2014，47(06):697-701.

[3]WANG J J, WANG W, Wolday S, et al. Single Event Upset and Hardening in 0.15 μm Antifuse-based Field Programmable Gate Array[J]. Nuclear Science, IEEE Transactions on, 2003,50(6):2158-2166.

[4]赵宸.浅析黑盒测试与白盒测试[J].硅谷,2010(11):39.

ZHAO Chen. Analysis of Black Box Test and White Box Test[J]. Silicon Valley, 2010(11):39.

[5]孙峻朝, 李运策, 杨孝宗. 故障注入研究的一种理论框架[J].小型微型计算机系统, 1999(11):816-819.

SUN Jun-chao, LI Yun-ce, YANG Xiao-zong. A Theoretical Framework of Fault Injection Research[J]. Mini-Micro Systems. 1999(11):816-819.

[6]洪映森. 基于FPGA的故障注入系统研究[D].哈尔滨:哈尔滨工业大学, 2014.HONG Ying-sen. Rearch of Fault Injection System based on FPGA[D]. Harbin Institute of Technology,2014.

[7]Xilinx. LogiCORE IP Soft Error Mitigation Controller v3.3 Product Guide[EB/OL]. (2012-07-25)[2015-1-12]. http://china.xilinx.com/support/documentation/ip_documentation/sem/v3_3/pg036_sem.pdf.

[8]Xilinx. Spartan-6 FPGA Configuration[EB/OL]. (2015-11-03)[2015-1-12]. http://www.xilinx.com/support/documentation/user_guides/ug380.pdf.

[9]胡庆婉. 使用MATLAB曲线拟合工具箱做曲线拟合[J]. 电脑知识与技术, 2010(21):5822-5823.

HU Qing-wan. Curve Fitting by Curve Fitting Toolbox of Matlab[J]. Computer Knowledge and Technology, 2010(21):5822-5823.

[10]于庆奎, 张大宇, 张海明等. SRAM FPGA电离辐射效应试验研究[J]. 航天器环境工程, 2009(03):229-231.

YU Qing-kui, ZHANG Da-yu, ZHANG Hai-ming, et al. Tests on Total Dose Effects and Single Event Effects on SRAM FPGA[J]. Spacecraft Environment Engineering, 2009(03):229-231.

A Satellite Abnormal Signal Lock Indicator Shift Detection Method based on Data Fitting

MA He, LI Zhi-qiang, SUN Jian-jun, DONG Ya-guo, YIN Jun

(College of Communications Engineering, PLA University of Science and Technology, Nanjing 210007，China)

Abstract：To solve the problem of abnormal signal lock indicator of satellite shift in space applications caused by the single-event effects, a satellite signal lock indicator abnormal shifting detection method based on data fitting is proposed.Through fault injection test on the designed case, the frequency distributions of both normal signal lock indicator shift and abnormal signal lock indicator shift are analyzed,and then, the corresponding probability density function is acquired with Curve Fitting Toolbox of MATLAB software. Finally, in accordance with the criterion of maximum posterior probability estimationthe,the best decision threshold in given orbit is calculated.This method is preliminarily verified, and achieves satisfactory results in a LEO satellite.

Key words：single event effects; fault injection; data fitting; optimal decision; maximum posterior probability estimation

doi:10.3969/j.issn.1002-0802.2016.04.023

*收稿日期：2015-11-26；修回日期：2016-02-28Received date:2015-11-26；Revised date：2016-02-28

基金项目：国家自然科学基金资助项目(No.61571464)

Foundation Item:National Natural Science Foundation of China(No.61571464)

中图分类号：TN407

文献标志码：A

文章编号：1002-0802(2016)04-0500-04

作者简介：