车载以太网网络中的噪声减轻
1.相关申请的交叉引用
2.本技术要求于2020年3月9日提交的美国临时专利申请62/987,204的权益，其公开内容通过引用被并入本文中。
技术领域
3.本公开总体涉及通信系统，尤其涉及用于以太网收发器中的噪声减轻的方法和系统。
背景技术：4.诸如车载车内通信系统、某些工业通信系统和智能家居系统的各种应用需要在相对小的距离上以高数据速率进行通信。已经为这种应用提出了若干类型的协议和通信介质。例如，在2015年3月的“ieee 802.3bw-2015-ieee standard for ethernet amendment 1:physical layer specifications and management parameters for 100mb/s operation over a single balanced twisted pair cable(100base-t1)”中规范了双绞线铜线介质上的以太网通信。
5.以上描述是作为本领域相关技术的总体概述而呈现的，并且不应被解释为承认其所包含的任何信息构成了本专利申请的现有技术。
技术实现要素：6.本文中所描述的实施例提供了一种车载以太网物理层(phy)收发器，该车载以太网物理层(phy)收发器包括模拟前端(fe)和数字处理器。fe被配置为在以太网phy收发器在车辆中进行操作的同时通过物理以太网链路接收模拟以太网信号，并且被配置为将所接收的模拟以太网信号转换为数字信号。数字处理器被配置为：保持一个或多个噪声分布，该一个或多个噪声分布对预期破坏所接收的模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用噪声分布，将数字信号中存在的实际噪声信号分类为噪声类型中的一种噪声类型；以及响应于判定实际噪声信号与预定义噪声类型之中的给定噪声类型相匹配，应用响应于给定噪声类型而选择的噪声减轻操作。
7.在一些实施例中，实际噪声信号包括瞬态噪声信号，并且数字处理器被配置为检测瞬态噪声信号的发作事件，并且被配置为从发作事件开始对数字信号中的瞬态噪声信号进行分类。在其它实施例中，响应于判定实际噪声信号与给定噪声类型相匹配，数字处理器被配置为：基于实际噪声信号，调整与给定噪声类型相关联的噪声分布。在又一些其他实施例中，数字处理器被配置为测量数字信号的质量，并且被配置为：基于给定噪声类型和经测量的质量，通过对模拟fe和数字处理器中的一者或两者的操作进行重新配置，应用噪声减轻操作。
8.在一个实施例中，数字处理器被配置为：通过在模拟fe和数字处理器中的一者或两者中对滤波器的频率响应、增益参数和时钟速率中的一者或多者进行重新配置，应用噪
声减轻操作。在另一实施例中，数字处理器被配置为：基于数字信号，生成多个二维数据结构的序列，每个二维数据结构包括从数字信号的多个时间样本导出的多个频域向量，并且被配置为：通过将机器学习模型应用于二维数据结构的序列，对噪声信号进行分类。在又一实施例中，数字处理器被配置为在噪声分布中指定从列表中选择的一个或多个特性，该列表包括：噪声信号的源、噪声信号的频率模式、噪声信号的时间进展特性、以及噪声信号的信号强度。
9.在一些实施例中，数字处理器被配置为：直接从另一车辆获得噪声分布中的一个或多个噪声分布，或者通过访问在多个车辆之间共享噪声类型的噪声分布的云存储来获得噪声分布中的一个或多个噪声分布。在其他实施例中，车载以太网phy收发器属于车辆中的多个互连的车载以太网phy收发器，并且数字处理器被配置为保持未被多个车载以太网phy收发器中的至少另一以太网phy收发器使用的噪声分布。在又一些其他实施例中，模拟fe被配置为：在实际噪声信号中，接收由车辆的电子组件、车辆的机械组件、车辆的机电组件和车辆外部的电磁辐射源中的一者或多者引起的电磁干扰(emi)。
10.在一个实施例中，数字处理器被配置为：至少基于实际噪声信号的根据噪声类型分类而确定的预期衰减属性：i)在预定时间段内应用噪声减轻操作，以及ii)在预定时间段内修改噪声减轻操作。
11.根据本文中所描述的实施例，还提供了一种通信方法，包括：在以太网phy收发器在车辆中进行操作的同时通过物理以太网链路接收模拟以太网信号。接收到的模拟以太网信号被转换为数字信号。保持一个或多个噪声分布，该一个或多个噪声分布对预期破坏所接收的模拟以太网信号的相应预定义噪声类型的噪声信号进行表征。使用噪声分布，将数字信号中存在的实际噪声信号分类为噪声类型中的一种噪声类型。响应于判定实际噪声信号与预定义噪声类型之中的给定噪声类型相匹配，应用响应于给定噪声类型而选择的噪声减轻操作。
12.根据本文中所描述的实施例，提供了一种车载系统，该车载系统包括中央处理器和以太网网络。中央处理器被配置为安装在车辆中。以太网网络包括多个车载以太网物理层(phy)收发器，多个车载以太网物理层(phy)收发器被配置为使用物理以太网链路连接车辆中的中央处理器和外围设备。以太网phy收发器中的每个以太网phy收发器包括模拟前端(fe)和数字处理器。fe被配置为通过物理以太网链路接收模拟以太网信号，并且被配置为将接收到的模拟以太网信号转换为数字信号。数字处理器被配置为：保持一个或多个噪声分布，该一个或多个噪声分布对预期破坏所接收的模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用噪声分布，将数字信号中存在的实际噪声信号分类为噪声类型中的一种噪声类型；以及响应于判定实际噪声信号与预定义噪声类型之中的给定噪声类型相匹配，应用响应于给定噪声类型而选择的噪声减轻操作。
13.在一些实施例中，数字处理器被配置为保持未被多个车载以太网phy收发器中的至少另一以太网phy收发器使用的噪声分布。在其他实施例中，中央处理器被配置为：代表数字处理器，执行对实际噪声信号进行分类的任务的至少部分。
14.根据本文中所描述的实施例，还提供了一种通信方法，包括：在包括被安装在车辆中的中央处理器、以及包括使用物理以太网链路连接车辆中的中央处理器和外围设备的包括给定phy收发器的多个车载以太网物理层(phy)收发器的以太网网络的车载系统中，由给
定phy收发器通过物理以太网链路接收模拟以太网信号。接收到的模拟以太网信号被转换为数字信号。由phy收发器的数字处理器保持一个或多个噪声分布，该一个或多个噪声分布对预期破坏所接收的模拟以太网信号的相应预定义噪声类型的噪声信号进行表征。使用噪声分布，将数字信号中存在的实际噪声信号分类为噪声类型中的一种噪声类型。响应于判定实际噪声信号与预定义噪声类型之中的给定噪声类型相匹配，应用响应于给定噪声类型而选择的噪声减轻操作。
15.从以下结合附图对本公开的实施例的详细描述中将更全面地理解本公开，在附图中：
附图说明
16.图1是示意性地图示了根据本文中所描述的实施例的车载通信系统的框图；
17.图2是示意性地图示了根据本文中所描述的实施例的处理模拟以太网信号的phy设备的组件的框图；
18.图3是示意性地图示了根据本文中所描述的实施例的从瞬态噪声信号产生的、用于使用机器学习模型进行分类的多个图像的图；以及
19.图4是示意性地图示了根据本文中所描述的实施例的用于将信号转换为用于噪声分类的图像序列的方法的流程图。
具体实施方式
20.本文中所描述的实施例提供了用于以太网链路的物理层(phy)接口中的噪声减轻的改进的方法和系统。本文中所描述的实施例是在车载应用(例如，从车辆内的传感器收集数据的系统)的上下文中描述的。然而，这种选择仅仅是为了清楚起见。所公开的技术同样适用于其它应用，例如工业和/或智能家居网络。
21.在一些实施例中，车载通信系统包括中央处理器和多个传感器，中央处理器和多个传感器通过以太网网络彼此连接。在示例网络实现中，中央处理器和传感器经由物理以太网链路被连接到以太网交换机的相应端口。中央处理器和传感器中的每个传感器经由被耦合到以太网phy设备的以太网mac设备被连接到以太网链路。为简洁起见，以太网phy设备也被称为以太网phy收发器或简称为以太网收发器。适配在车辆中的传感器包括例如相机、雷达传感器等。通过在以太网链路上通信，phy设备将由传感器收集的数据传输到中央处理器，并且将控制信息从中央处理器传输到传感器。
22.在极端的环境条件下，通常需要车辆以太网网络以高速和低时延传递大量数据。另一方面，例如出于安全原因，车内通信应当是高度可靠的。车辆内的电子组件可能受到来自各种源的电磁干扰(emi)，这可能破坏电信号(诸如在以太网链路上携带数据的信号)，导致通信错误和系统故障。
23.emi的源可以位于车辆内或车辆外部。示例外部emi源包括例如无线电塔、电力转换线和机场雷达、以及许多其他。车辆内部的示例emi源包括例如车辆发动机以及其他机械和机电组件、挡风擦拭器、移动电话、信息娱乐系统等。
24.原则上，由emi产生的噪声可以使用意于在普通电磁环境中实现底层设备的正确操作的电磁兼容性(emc)方法来减轻。然而，在车辆以太网网络中，emc通常是不足的，并且
phy设备仍然必须处理剩余的emi。此外，期望emi减轻能够适应可能在现场遇到的各种类型的干扰、以及不能被预先表征的未来类型的干扰。
25.在车辆环境中减轻emi的一个挑战是检测和消除瞬态噪声信号，同时对通信吞吐量和时延的影响最小。在本上下文中，瞬态噪声信号包括一个或多个脉冲，每个脉冲由短持续时间高幅度脉冲组成，随后衰减低频振荡。
26.在一些实施例中，车载以太网物理层(phy)收发器包括模拟前端(fe)和数字处理器。模拟fe被配置为在以太网phy收发器在车辆中进行操作的同时通过物理以太网链路接收模拟以太网信号，并且被配置为将接收到的模拟以太网信号转换为数字信号。数字处理器被配置为：保持一个或多个噪声分布，该噪声分布对可以被发现并且将被预期破坏所接收的模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用噪声分布，将数字信号中存在的实际噪声信号分类为噪声类型的一种噪声类型；以及响应于判定实际噪声信号与预定义噪声类型中的给定噪声类型相匹配，应用响应于给定噪声类型而选择的噪声减轻操作。
27.如上面所提及的，实际噪声信号可以包括瞬态噪声信号。在一个实施例中，在减轻瞬态噪声信号中，数字处理器被配置为检测瞬态噪声信号的发作事件，并且被配置为从发作事件开始对数字信号中的瞬态噪声信号进行分类。
28.实际噪声信号的特性通常稍微偏离在匹配的噪声分布中指定的特性，即，即使在不精确匹配的情况下，噪声信号也可以被分类为最接近的噪声类型。在一些实施例中，响应于判定实际噪声信号与给定噪声类型(精确地或接近地)相匹配，数字处理器基于实际噪声信号来适应匹配的噪声类型的分布。这可以改进后续分类操作中的分类性能。
29.在一些实施例中，数字处理器被配置为测量数字信号的质量，并且被配置为：基于给定噪声类型和所测量的质量，通过对模拟fe和数字处理器中的一者或两者的操作进行重新配置，应用噪声减轻操作。噪声减轻操作可以包括：例如，对在模拟fe、数字处理器或两者中的滤波器的频率响应、增益参数和时钟速率中的一者或多者进行重新配置。
30.在一些实施例中，对噪声信号进行分类是基于机器学习方法。在这样的实施例中，数字处理器被配置为：基于数字信号，生成多个二维数据结构的序列，每个数据结构包括从数字信号的多个时间样本导出的多个频域向量。数字处理器通过将卷积神经网络(cnn)机器学习模型应用于二维数据结构序列来对噪声信号进行分类。备选地，也可以使用任何其它合适的机器学习模型。
31.如上面所提及的，每个噪声类型具有包括一个或多个特性的对应噪声分布。在一个实施例中，特性可以包括例如噪声信号源、噪声信号的频率模式、噪声信号的时间进展特性和噪声信号的信号强度中的一者或多者、或其它合适的特性。车辆可以例如使用云服务有效地与其附近的其它车辆共享一个或多个噪声分布。备选地或附加地，在一个实施例中，车辆支持用于共享噪声分布和其它数据的直接车辆到车辆数据传输(例如，使用无线通信)。
32.车辆通常包括多个phy设备。然而，不同的phy设备可能遭受不同类型的emi，取决于例如phy设备在车辆内的位置。在一些实施例中，根据预望的噪声类型，不同的phy设备可以保持不同的噪声分布集合。
33.在一些实施例中，数字处理器被配置为：至少基于实际噪声信号的根据噪声类型
分类而确定的预期衰减属性：i)在预定时间段内应用噪声减轻操作，以及ii)在预定时间段内修改噪声减轻操作。
34.在所公开的技术中，phy设备保持对预期类型的噪声信号(包括瞬态噪声信号)进行表征的噪声分布。响应于检测到噪声信号在期望信号中的存在，使用噪声分布将噪声信号分类为对应的噪声类型，并且应用合适的噪声减轻操作。例如使用机器学习模型来训练预期噪声类型的噪声分布并将其用于分类。预定义噪声分布适合于现场遇到的实际噪声类型。此外，未来噪声分布的增加不需要设计或实现修改。
35.图1是示意性地图示了根据本文中所描述的实施例的车载通信系统20的框图。通信系统20被安装在车辆24中，并且包括多个传感器28、多个微控制器30、多个以太网物理层(phy)设备32(也称为以太网收发器)、以及以太网交换机34。phy设备32和交换机34通过点对点物理以太网链路36互连。在其它组件之中，交换机34包括被耦合到一个或多个phy设备32的mac设备(未示出)。通常，交换机34的mac设备在交换机34的每个端口上被复制，即在被耦合到交换机的每个phy设备32上被复制。
36.在各种实施例中，传感器28可以包括任何合适类型的传感器。传感器的若干非限制性示例包括摄像机、速度传感器、加速度计、音频传感器、红外传感器、雷达传感器、激光雷达传感器、超声传感器、测距仪或其它邻近传感器等。
37.phy设备32通常至少部分地根据ieee 802.3以太网标准(例如，上面引用的ieee802.3bw-2015)中的一个或多个标准来操作。尽管本文中所描述的技术主要涉及物理层，但是在一个实施例中，phy设备32也可以执行媒体访问控制(mac)功能。
38.取决于适用的以太网标准，链路36可以包括任何合适的物理介质。在本文所描述的实施例中，尽管不是必须的，但是每个链路36包括单对导线，例如可选地被屏蔽的单个双绞线链路。在备选实施例中，链路36可以包括单端导线链路，而不必是以太网兼容的。
39.在本示例中，每个传感器28被连接到相应的微控制器30，微控制器30又被连接到相应的phy设备32。每个传感器的phy设备32通过链路36被连接到对等phy设备32，该对等phy设备32被耦合到交换机34的端口。在给定链路的传感器侧，微控制器30用作媒体访问控制(mac)控制器。在给定链路的交换机侧，mac功能由交换机34执行。因此，交换机34和微控制器30在本文也被称为mac设备、主机或片上系统(soc)。在一些实施例中，phy电路系统和执行mac功能的电路系统(例如，微控制器或交换机)被集成在同一设备中。在本示例中，中央处理器40(在图的右手侧)经由交换机34被连接，但不直接被连接到任何传感器。在一个实施例中，备选地或附加地，中央处理器40可以直接连接到一个或多个传感器(或连接到传感器的微控制器30)。
40.phy设备32、交换机34和链路36形成车辆24内的以太网。使用该车辆以太网网络，中央处理器40向传感器28发送控制消息，并且接收由传感器捕获的信息。图1中所示的以太网的拓扑是作为示例给出的，并且也可以使用其它合适的拓扑，例如包括多于一个交换机(诸如交换机34)和/或多于单个中央处理器40的拓扑。
41.在一个实施例中，图1底部的插图示出了phy设备32的内部结构。phy设备32包括数字处理器44和模拟前端(fe)46。在一个实施例中，数字处理器44包括mac接口48，mac接口48被配置为与例如开关34、传感器28或中央处理器40的mac设备通信。模拟fe 46包括phy媒体相关接口(mdi)50，phy媒体相关接口(mdi)50被配置为在包括物理链路36(例如，双绞线链
路)的mdi信道上发送和接收模拟以太网信号。
42.在下面的描述中，术语“发送方向”和“接收方向”指的是phy32经由mdi 50分别向mdi信道发送模拟以太网信号和从mdi信道接收模拟以太网信号。
43.在发送方向上，phy设备32的数字处理器44经由mac接口48接收数字形式的数据。数据由数字处理器44处理，并且由产生携带数据的模拟以太网信号的模拟fe 46进一步处理。模拟fe经由mdi 50发送模拟以太网信号。在接收方向上，模拟fe 46经由mdi 50接收携带数据的模拟以太网信号。模拟以太网信号由模拟fe46处理，随后由恢复数据的数字处理器44处理。数字处理器经由mac接口48将恢复的数据传递到对等mac设备。
44.在一个实施例中，数字处理器44包括物理编码子层(pcs)52，物理编码子层(pcs)52被配置为执行各种数字数据处理，诸如数据编码和解码以及数据加扰和解扰，仅举几个例子。
45.数字处理器44还包括数字信号处理器(dsp)54，该数字信号处理器(dsp)54主要用作对从模拟fe 46接收的信号进行处理的数字接收器。数字处理器44包括噪声减轻器56，噪声减轻器56被配置为：检测噪声在接收到的信号中的存在，标识噪声类型，并且根据噪声类型调整模拟fe 46和dsp的操作。数字处理器44包括数字时钟发生器58，数字时钟发生器58被配置为生成由数字处理器内的各种组件使用的数字时钟信号。
46.模拟fe 46包括数模转换器(dac)62，数模转换器(dac)62被配置为：接收由pcs 52处理的数据，并且将该数据转换为模拟以太网信号。混合64被配置为在发送和接收方向上在以太网信号之间分离。在发送方向上，混合64经由mdi 50发送由dac 62产生的模拟以太网信号。在接收方向上，混合64传输携带经由mdi 50所接收的数据(用于通过本文中所描述的接收路径进行处理)的模拟以太网信号。
47.接收路径包括模拟部分和数字部分，模拟部分包括高通滤波器(hpf)66、模拟匹配滤波器(amf)68和模数转换器(adc)70，数字部分包括dsp 54和pcs 52。hpf 66对模拟以太网信号进行滤波，以消除信号的低于预定义截止频率的频率成分。经滤波的信号通过amf 68到达adc 70，adc 70被配置为将模拟以太网信号数字化为被提供给dsp 54的数字样本的序列。
48.amf 68被配置为补偿在信号中存在的高斯噪声，该高斯噪声通常由底层信道引起。在一些实施例中，应用amf是可选的并且可以省略。增益和定时组件72控制adc 70和自动增益控制(agc)组件74的操作，以用于最佳地调整adc 70中的采样率和增益。模拟fe 46包括模拟时钟发生器76，模拟时钟发生器76被配置为生成模拟时钟信号，该模拟时钟信号由模拟fe 46内的各种组件使用。接收路径的数字部分包括对在模拟以太网信号中携带的数据进行恢复的dsp 54和pcs 52。
49.图2是示意性地图示了根据本文中所描述的实施例的处理模拟以太网信号的phy设备32的组件的框图。
50.如上面所说明的，phy设备32使用模拟fe 46处理以太网信号，随后是数字处理器44。数字处理器的dsp 54从adc 70接收可能包含噪声信号的以太网信号的数字化版本。在一些实施例中，模拟fe被配置为：在噪声信号中，接收由一个或多个源(诸如，例如，车辆的电子组件，车辆的机械组件，车辆的机电组件，以及车辆外部的电磁辐射源)引起的电磁干扰(emi)。
51.dsp 54包括均衡器78和回波消除器80。均衡器78包括任何合适类型的自适应均衡器，诸如前馈均衡器(ffe)、判定反馈均衡器(dfe)或其它合适的均衡器中的一者或多者。均衡器78被配置为减小底层信道对接收到的信号的影响。回波消除器80被配置为减少例如由期望信号的反射创建的回波信号。回波消除器80的输出被提供给pcs 52。
52.在一些实施例中，dsp 54监测所接收的信号的质量(例如，如下面所描述的)并且检测到质量已降级到预定义质量阈值以下。在一个实施例中，dsp 54通过测量信噪比(snr)来监测信号质量，例如，基于评估所接收的信号的眼图的开口。在备选实施例中，dsp 54可以使用任何其它合适的方法来测量信号质量。
53.在一些实施例中，噪声减轻器56被配置为保持(例如，在存储器86中)一个或多个噪声分布84，一个或多个噪声分布84对预期在操作环境中被发现并且可能破坏所接收的模拟以太网信号的相应预定义噪声类型的噪声信号进行表征。噪声分布中的每个噪声分布指定噪声信号的一个或多个特性，诸如例如噪声信号源、噪声信号的频率模式、以及噪声信号的信号强度。其它噪声特性可以包括例如噪声信号的转变和时间进展特性。不同的噪声类型可以与具有相同或不同的特征参数集合的相应噪声分布相关联。
54.噪声减轻器包括噪声分类器82，噪声分类器82被配置为：从模拟fe 46接收模拟以太网信号的数字化版本，检测被包含在模拟以太网信号中的实际噪声信号，以及将实际噪声信号分类为与预定义噪声类型之中的给定噪声类型相匹配的相应噪声类型。注意，分类不需要精确匹配。换言之，即使当噪声信号的特性偏离匹配的分布的特性时，噪声信号也可以与给定噪声类型相匹配。在一个实施例中，响应于判定实际噪声信号与给定噪声类型相匹配(可能不精确匹配)，噪声分类器被配置为基于实际噪声信号来调整与给定噪声类型相关联的噪声分布。该特征允许将噪声分布精调到现场遇到的实际噪声信号。
55.在一些实施例中，实际噪声信号包括瞬态噪声信号。在这样的实施例中，噪声分类器82被配置为：检测瞬态噪声信号的发作事件，并且从发作事件开始对数字信号中的瞬态噪声信号进行分类。
56.噪声减轻规划器88被配置为接收由噪声分类器82确定的噪声类型。基于该噪声类型，噪声减轻规划器88应用合适的噪声减轻操作。在一些实施例中，通过将瞬态噪声分类为噪声类型，基于所分类的噪声类型，可以在瞬态噪声的预期持续时间内主动地应用噪声减轻操作。在一些噪声减轻操作中，噪声减轻操作可以被修改并且在噪声信号的预期寿命上被最佳地应用，如基于噪声类型分类所确定的。
57.例如，在一个实施例中，噪声减轻器控制模拟fe 46、dsp 54或两者，以调整它们的操作来减少或消除噪声信号。在一些实施例中，噪声减轻规划器控制模拟fe 46以调整以下中的一者或多者：hpf 66的脉冲响应(或频率响应)、agc 74的增益、增益和定时72、以及模拟时钟发生器76的时钟速率。在一些实施例中，噪声减轻规划器控制dsp 54以调整以下中的一者或多者：数字增益、实现均衡器78的滤波器的脉冲响应(或频率响应)、实现回波消除器80的滤波器的脉冲响应(或频率响应)、以及数字时钟发生器58的时钟速率。
58.在一些实施例中，dsp 54被配置为如上面所描述的测量数字信号的质量(例如，在均衡器78、回波消除器80或两者的输出处)。在这样的实施例中，dsp 54向噪声分类器82提供所测量的质量，噪声分类器82使用该质量来增强分类性能。所测量的质量可以例如用于噪声分类器上的强化训练，以确定当前分类的噪声与观察到的实际噪声匹配得有多好。作
为另一示例，所测量的质量向减轻规划器提供附加反馈，以便改进所采取的噪声减轻操作。
59.在一些实施例中，为了进一步增强分类性能，噪声分类器82在应用噪声减轻操作之后接收附加信息，诸如例如被提供给dsp 54的数字化以太网信号和/或由dsp 54输出的经处理的信号。
60.噪声分布84(或噪声分布的部分)通常在启用噪声减轻器56之前被确定并存储在数字处理器的存储器86中。在一些实施例中，通过利用预期噪声类型的噪声信号来训练合适的机器学习模型，确定噪声分布。适用于噪声类型分类的示例机器学习模型是卷积神经网络(cnn)。备选地，也可以使用其它合适的机器学习模型。
61.在一个实施例中，代替训练用于确定噪声分布84的机器学习模型或除了训练用于确定噪声分布84的机器学习模型之外，数字处理器44被配置为通过访问在多个车辆之间共享噪声分布的云存储来获得噪声分布84中的一个或多个噪声分布。在这样的实施例中，知晓相关噪声类型的车辆可以将对应的噪声分布上载到云，使得噪声分布可以选择性地与其附近或在噪声源附近的其它车辆共享。备选地或附加地，在一个实施例中，车辆使用直接数据传输通信从另一车辆接收一个或多个噪声分布。
62.在一些实施例中，车辆24中的phy设备32使用相同的噪声分布84集合。这种配置简化了噪声分布在phy设备之间的训练和分布。然而，这不是强制性的，并且在备选实施例中，不同的phy设备可以使用不同的噪声分布集合。例如，当车辆中的不同phy设备遭受不同类型的emi或噪声时，这种配置可能是有用的。例如，位于车辆的发动机附近的phy设备可能受到远离发动机的phy设备可能不会经受的噪声类型的影响。在示例实施例中，phy设备32保持未被车辆24中的至少一个其它phy设备使用的专用噪声分布。
63.将噪声信号分类为对应噪声类型的任务可能是繁琐的。在一些实施例中，例如在中央处理器40比phy设备32更强大的实施例中，中央处理器可以代表一个或多个phy设备的数字处理器44来帮助执行对实际噪声信号进行分类的任务的至少部分。例如，当需要调整被匹配的噪声分布以更好地表征所遇到的实际噪声信号时，这可能是适用的。在一些实施例中，中央处理器检索由单独phy观察到的噪声信号，并且基于组合信息执行噪声分类，以提高对整个系统或车辆所经历的噪声信号a进行分类的可靠性、以及在每个单独phy处进行本地分类的可靠性。
64.如图1和图2所示的通信系统20及其组件的配置(诸如phy设备32的内部结构)是仅为了清楚起见而描述的示例配置。在备选实施例中，可以使用任何其它合适的配置。例如，所公开的技术可以用在任何其他合适的网络或链路拓扑中，例如用在根本不穿过交换机的两个主机(例如，微控制器)之间的点对点以太网链路中。作为另一示例，所公开的技术可以用于两个交换机之间的点对点以太网链路。为了清楚起见，图中省略了对于理解所公开的技术不是强制性的元件。
65.通信系统20的不同元件及其各种组件可以使用专用硬件或固件(诸如使用例如在专用集成电路(asic)或现场可编程门阵列(fpga)中的硬连线或可编程逻辑)来实现。附加地或备选地，一些功能(例如，数字处理器44的功能，诸如dsp 54的功能)可以用软件和/或使用硬件和软件元件的组合来实现。
66.在一些实施例中，数字处理器44包括可编程处理器(例如，dsp54或其它合适的处理器，诸如向量处理器)，可编程处理器以软件来编程以执行本文中所描述的功能。例如，可
以通过网络以电子形式将软件下载到处理器中的任何处理器，或者备选地或附加地，可以将软件提供和/或存储在诸如磁、光或电子存储器的非瞬态有形介质上。
67.图3是示意性地图示了根据本文中所描述的实施例的从瞬态噪声信号产生的用于使用机器学习模型进行分类的多个图像的示意图。
68.图3描述了瞬态噪声信号100，瞬态噪声信号100可能不期望地破坏在phy设备32中接收的模拟以太网信号。如图所示，瞬态信号的典型特征在于突然上升和慢得多的衰减。这类瞬态噪声信号可以由车辆24内的各种机电或机械组件创建，或者由车辆外部的噪声源创建。瞬态噪声信号100是作为示例给出的。备选地，具有诸如幅度和形状的其它特性的瞬态噪声信号也是适用的。
69.在一些实施例中，phy设备32中的噪声分类器82使用cnn模型对噪声信号(例如，100)进行分类，该cnn模型先前被训练以创建对应噪声类型的一个或多个噪声分布。在一些实施例中，cnn模型对被捕获的并且被转换为二维数据结构序列(也被称为“图像”)的输入信号进行分类。在图3中，描绘了对应于瞬态噪声信号100的四个图像104。在图3的示例中，每个图像包括像素的多个列向量。在本示例中，像素包括与预定义范围和分辨率中的灰度等级相对应的实值数。备选地，也可使用其它类型的像素(例如，彩色像素或复数值像素)。图像104中的列向量与信号的相应时间段相对应。例如，列向量108与瞬态噪声信号的时间段112相对应。
70.图4是示意性地图示了根据本文中所描述的实施例的用于将信号转换为用于噪声分类的图像序列的方法的流程图。
71.该方法将被描述为由数字处理器44的dsp 54执行。在一些实施例中，数字处理器44连续地执行图4的方法，以帮助检测噪声信号的发作事件，而不是由dsp触发。在一个实施例中，该方法可以例如响应于检测到瞬态噪声信号的发作事件而被启动。
72.该方法开始于在窗口接收操作150处dsp 54收集包括以合适采样率fs采样的模拟以太网信号的n个样本的时间窗口。窗口大小n和采样率fs通常是预定义的设计参数。在时域到频域转换操作154处，dsp 54计算信号在时间窗口中的频谱密度(psd)。dsp可以例如通过对时间窗口中的样本应用诸如离散傅立叶变换(dft)的任何合适的变换操作来计算psd。在图像生成操作158处，dsp 54将m个连续的过去psd增补为列向量以产生m乘n图像。图像的像素从增补的m个向量中的psd值导出。
73.在下一个psd计算操作162中，dsp 54计算在随后的时间窗口中的信号的随后psd。令im(n)和im(n+1)分别表示最近和随后的图像。在随后的图像生成操作166处，通过(i)从im(n)中去除最左边的向量和(ii)将随后的psd向量增补为im(n+1)的最右边的向量，基于im(n)图像，dps 54产生im(n+1)图像。
74.在终止查询操作170处，dsp 54检查包含噪声的信号区域是否已经结束，并且如果没有结束，则循环回到操作162以计算随后的psd。否则，包含噪声的当前感兴趣区域已经结束，并且dsp 54继续应用噪声分类，如上面所描述的。
75.应当注意，上述实施例是以示例的方式引用的，并且本发明不限于上文具体示出和描述的内容。更确切地说，本发明的范围包括上文所描述的各种特征的组合和子组合、以及本领域技术人员在阅读前述描述时将想到的并且未在现有技术中公开的其变化和修改。通过引用并入本专利申请的文件被认为是本技术的组成部分，除了在这些并入的文件中以
与本说明书中明确或隐含的定义冲突的方式来定义任何术语的程度上，仅应考虑本说明书中的定义。
技术特征：1.一种车载以太网物理层(phy)收发器，包括：模拟前端(fe)，被配置为在所述以太网phy收发器在车辆中进行操作的同时通过物理以太网链路接收模拟以太网信号，并且被配置为将所接收的所述模拟以太网信号转换为数字信号；以及数字处理器，被配置为：保持一个或多个噪声分布，所述一个或多个噪声分布对预期破坏所接收的所述模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用所述噪声分布，将所述数字信号中存在的实际噪声信号分类为所述噪声类型中的一种噪声类型；以及响应于判定所述实际噪声信号与所述预定义噪声类型之中的给定噪声类型相匹配，应用响应于所述给定噪声类型而选择的噪声减轻操作。2.根据权利要求1所述的车载以太网phy收发器，其中所述实际噪声信号包括瞬态噪声信号，并且其中所述数字处理器被配置为检测所述瞬态噪声信号的发作事件，并且被配置为从所述发作事件开始对所述数字信号中的所述瞬态噪声信号进行分类。3.根据权利要求1所述的车载以太网phy收发器，其中，响应于判定所述实际噪声信号与所述给定噪声类型相匹配，所述数字处理器被配置为：基于所述实际噪声信号，调整与所述给定噪声类型相关联的所述噪声分布。4.根据权利要求1至3中任一项所述的车载以太网phy收发器，其中所述数字处理器被配置为测量所述数字信号的质量，并且被配置为：基于所述给定噪声类型和经测量的所述质量，通过对所述模拟fe和所述数字处理器中的一者或两者的操作进行重新配置，应用所述噪声减轻操作。5.根据权利要求4所述的车载以太网phy收发器，其中所述数字处理器被配置为：通过在所述模拟fe和所述数字处理器中的一者或两者中对滤波器的频率响应、增益参数和时钟速率中的一者或多者进行重新配置，应用所述噪声减轻操作。6.根据权利要求1至3中任一项所述的车载以太网phy收发器，其中所述数字处理器被配置为：基于所述数字信号，生成多个二维数据结构的序列，每个二维数据结构包括从所述数字信号的多个时间样本导出的多个频域向量，并且被配置为：通过将机器学习模型应用于所述二维数据结构的所述序列，对所述噪声信号进行分类。7.根据权利要求1至3中任一项所述的车载以太网phy收发器，其中所述数字处理器被配置为在所述噪声分布中指定从列表中选择的一个或多个特性，所述列表包括：所述噪声信号的源、所述噪声信号的频率模式、所述噪声信号的时间进展特性、以及所述噪声信号的信号强度。8.根据权利要求1至3中任一项所述的车载以太网phy收发器，其中所述数字处理器被配置为：直接从另一车辆获得所述噪声分布中的一个或多个噪声分布，或者通过访问在多个车辆之间共享噪声类型的噪声分布的云存储来获得所述噪声分布中的一个或多个噪声分布。9.根据权利要求1至3中任一项所述的车载以太网phy收发器，其中所述车载以太网phy收发器属于所述车辆中的多个互连的车载以太网phy收发器，并且其中所述数字处理器被配置为保持未被所述多个车载以太网phy收发器中的至少另一以太网phy收发器使用的噪
声分布。10.根据权利要求1至3中任一项所述的车载以太网phy收发器，其中所述模拟fe被配置为：在所述实际噪声信号中，接收由所述车辆的电子组件、所述车辆的机械组件、所述车辆的机电组件和所述车辆外部的电磁辐射源中的一者或多者引起的电磁干扰(emi)。11.根据权利要求1至3中任一项所述的车载以太网phy收发器，其中所述数字处理器被配置为：至少基于所述实际噪声信号的根据所述噪声类型分类而确定的预期衰减属性：i)针对预定时间段应用所述噪声减轻操作，以及ii)在所述预定时间段期间修改所述噪声减轻操作。12.一种通信方法，包括：在车载以太网物理层(phy)收发器中，在所述以太网phy收发器在车辆中进行操作的同时通过物理以太网链路接收模拟以太网信号，并且将所接收的所述模拟以太网信号转换为数字信号；保持一个或多个噪声分布，所述一个或多个噪声分布对预期破坏所接收的所述模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用所述噪声分布，将所述数字信号中存在的实际噪声信号分类为所述噪声类型中的一种噪声类型；以及响应于判定所述实际噪声信号与所述预定义噪声类型之中的给定噪声类型相匹配，应用响应于所述给定噪声类型而选择的噪声减轻操作。13.根据权利要求12所述的方法，其中所述实际噪声信号包括瞬态噪声信号，并且其中对所述实际噪声信号进行分类包括：检测所述瞬态噪声信号的发作事件；以及从所述发作事件开始对所述数字信号中的所述瞬态噪声信号进行分类。14.根据权利要求12所述的方法，包括：响应于判定所述实际噪声信号与所述给定噪声类型相匹配，基于所述实际噪声信号，调整与所述给定噪声类型相关联的噪声分布。15.根据权利要求12至14中的任一项所述的方法，其中应用所述噪声减轻操作包括：测量所述数字信号的质量；以及基于所述给定噪声类型和经测量的所述质量，通过对所述模拟fe和所述数字处理器中的一者或两者的操作进行重新配置，应用所述噪声减轻操作。16.根据权利要求15所述的方法，其中应用所述噪声减轻操作包括：在所述模拟fe和所述数字处理器中的一者或两者中，对滤波器的频率响应、增益参数和时钟速率中的一者或多者进行重新配置。17.根据权利要求12至14中任一项所述的方法，包括：基于所述数字信号，生成多个二维数据结构的序列，每个二维数据结构包括从所述数字信号的多个时间样本导出的多个频域向量，并且其中对所述噪声信号进行分类包括：将机器学习模型应用于所述二维数据结构的所述序列。18.根据权利要求12至14中任一项所述的方法，其中保持所述噪声分布包括：在所述噪声分布中，指定从列表中选择的一个或多个特性，所述列表包括：所述噪声信号的源、所述噪声信号的频率模式、所述噪声信号的时间进展特性、以及所述噪声信号的信号强度。19.根据权利要求12至14中任一项所述的方法，其中保持所述噪声分布包括：直接从另一车辆获得所述噪声分布中的一个或多个噪声分布，或者通过访问在多个车辆之间共享噪声类型的噪声分布的云存储来获得所述噪声分布中的一个或多个噪声分布。
20.根据权利要求12至14中任一项所述的方法，其中所述车载以太网phy收发器属于所述车辆中的多个互连的车载以太网phy收发器，并且其中保持所述噪声分布包括：保持未被所述多个车载以太网phy收发器中的至少另一以太网phy收发器使用的噪声分布。21.根据权利要求12至14中任一项所述的方法，其中接收所述模拟以太网信号：在所述实际噪声信号中，接收由所述车辆的电子组件、所述车辆的机械组件、所述车辆的机电组件和所述车辆外部的电磁辐射源中的一者或多者引起的电磁干扰(emi)。22.根据权利要求12至14中任一项所述的方法，包括：至少基于所述实际噪声信号的根据所述噪声类型分类而确定的预期衰减属性：i)针对预定时间段应用所述噪声减轻操作，以及ii)在所述预定时间段期间修改所述噪声减轻操作。23.一种车载系统，包括：中央处理器，被配置为安装在车辆中；以及以太网网络，包括多个车载以太网物理层(phy)收发器，所述多个车载以太网物理层(phy)收发器被配置为使用物理以太网链路连接所述车辆中的外围设备和所述中央处理器，所述以太网phy收发器中的每个以太网phy收发器包括：模拟前端(fe)，被配置为通过物理以太网链路接收模拟以太网信号，并且被配置为将所接收的所述模拟以太网信号转换为数字信号；以及数字处理器，被配置为：保持一个或多个噪声分布，所述一个或多个噪声分布对预期破坏所接收的所述模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用所述噪声分布，将所述数字信号中存在的实际噪声信号分类为所述噪声类型中的一种噪声类型；以及响应于判定所述实际噪声信号与所述预定义噪声类型之中的给定噪声类型相匹配，应用响应于所述给定噪声类型而选择的噪声减轻操作。24.根据权利要求23所述的车载系统，其中所述数字处理器被配置为保持未被所述多个车载以太网phy收发器中的至少另一以太网phy收发器使用的噪声分布。25.根据权利要求23所述的车载系统，其中所述中央处理器被配置为：代表所述数字处理器，执行对所述实际噪声信号进行分类的任务的至少部分。26.一种通信方法，包括：在包括被安装在车辆中的中央处理器、以及包括使用物理以太网链路连接所述车辆中的所述中央处理器和所述外围设备的包括给定phy收发器的多个车载以太网物理层(phy)收发器的以太网网络的车载系统中，由所述给定phy收发器通过物理以太网链路接收模拟以太网信号，并且将所接收的所述模拟以太网信号转换为数字信号；由所述phy收发器的数字处理器保持一个或多个噪声分布，所述一个或多个噪声分布对预期破坏所接收的所述模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用所述噪声分布，将所述数字信号中存在的实际噪声信号分类为所述噪声类型中的一种噪声类型；以及响应于判定所述实际噪声信号与所述预定义噪声类型之中的给定噪声类型相匹配，应用响应于所述给定噪声类型而选择的噪声减轻操作。
27.根据权利要求26所述的方法，其中保持所述噪声分布包括：保持未被所述多个车载以太网phy收发器中的至少另一以太网phy收发器使用的噪声分布。28.根据权利要求26所述的方法，其中对所述实际噪声信号进行分类包括：由所述中央处理器代表所述数字处理器执行对所述实际噪声信号进行分类的任务的至少部分。
技术总结车载以太网物理层(PHY)收发器(32)包括模拟前端(FE-46)和数字处理器(44)。FE被配置为在以太网PHY收发器在车辆(24)中进行操作的同时通过物理以太网链路(36)接收模拟以太网信号，并且被配置为将所接收的模拟以太网信号转换为数字信号。数字处理器被配置为：保持一个或多个噪声分布(84)，该噪声分布对预期破坏所接收的模拟以太网信号的相应预定义噪声类型的噪声信号进行表征；使用噪声分布，将数字信号中存在的实际噪声信号分类为噪声类型中的一种噪声类型；以及响应于判定实际噪声信号与预定义噪声类型之中的给定噪声类型相匹配，应用响应于给定噪声类型而选择的噪声减轻操作。用响应于给定噪声类型而选择的噪声减轻操作。用响应于给定噪声类型而选择的噪声减轻操作。
技术研发人员：冯汉威 吴丹策 C
受保护的技术使用者：马维尔亚洲私人有限公司
技术研发日：2021.03.08
技术公布日：2022/11/1
