纪念一次失败的电赛

​ 祖传标题

​ 2025年的电赛就目的性而言无疑是失败的，或者说，是令人感到沮丧的。

​ 我们选定了电路模型探究装置作为我们的选题。本装置旨在针对未知的 RLC 滤波电路模型进行自动化探究，包括信号激励、模型参数辨识以及模拟输出再现。装置整体由信号发生与控制模块、模型学习与辨识算法、模型推理输出模块三大部分构成。由信号发生模块产生可调的正弦激励信号（频率范围 100 Hz～1 MHz，步进 100 Hz），并通过高阻抗接口加至被测电路；然后模型学习算法利用激励信号的输入输出数据，在 2 分钟内完成对未知 RLC 电路的参数辨识和滤波类型判断；最后，根据辨识得到的模型参数，装置在输入已知信号时实时合成对应的输出波形，与真实电路输出相匹配。

​ 失败一在，我们的模型探究没能完美实现发挥最后一问的要求。我们有三个不同的思路，但是时间还是太短了，一次测试不准确既可能是硬件的偏差又可能是软件方法的选择失败。详见下面设计报告的摘要：

​ 【方案一】使用ZYNQ构建LMS自适应滤波器实现

​ ZYNQ 7020 是由 Xilinx公司推出的一款革命性的片上系统芯片，它核心的特点是将一个完整的处理系统与可编程逻辑紧密集成在同一颗芯片上，减少了板级空间、功耗和系统复杂性。结合处理器的灵活性和FPGA的硬件实时性。

​ 自适应滤波器是一种特殊的数字滤波器，其特性能够根据输入信号的统计特性或环境变化进行自我调整和优化。与传统滤波器不同，自适应滤波器无需预先知道信号和噪声的精确特性，它通过一个自适应算法，在工作过程中不断学习和调整，以达到特定的性能目标。

​ 在现实实践中，FPGA的编译非常耗费时间，我们不得已放弃了该方案。

​ 【方案二】IFFT重建信号方案

​ 这个方法的基础是对未知模型电路进行扫频，发出不同频率的正弦信号，一路过模型电路而另一路反之，对其作快速傅里叶变换作数值求解，对应写入ROM缓存，对应的IQ两路作逆傅里叶变换，映射控制DAC生成滤波后的。

​ 【方案三】数学拟合传递函数并数字滤波

​ 在对“已知模型电路”进行扫频，测量“未知模型电路”相对应的不同频点的幅频特性进而去计算 和 ，对于不同RLC网络的滤波特性，有专门且唯一的截止频率和品质因素，使用cookbook对应不同的滤波器类型取系数值，再用STM32板载DAC输出。综合考虑优缺点，我们选择方案三。

​ 实话说，作为操刀报告最后确确实实是麻木的不能再麻木了，但是我这里要警醒所有后来的电子爱好者们，我们最后试图直接添加一个拟合方程来计算高通滤波器的各项值去还原，也就是写死去试一下运气。但是做过git版本代码管理的应该能明白，在更新完代码后最好是测试一下新代码能不能跑旧的功能。在我们四天三夜的最后一个晚上，我们加进去发现针对发挥三能用就草草封箱了。但是直到送测的时候才发现，这几行新的代码造成了可能的串口阻塞，前面的功能包括串口屏交互设计，按键控制直接失效，基础都不能好好完成。这是非常非常惨痛的教训！！

​ （本文后半部分写于25年末，大约4个月后）

在比赛之前，需要静下心来认真地去做一些之前的题目，至少在这个比赛上，动手实操和检验是非常重要的。即使我的AI工作流可以完美帮我code出一个框架，但我仍然需要去一个个地完成模块。小登也别以一次的成败论英雄。首先，这个世界就是一个草台班子，它并不是都是事事规范的，你检测到东西出现问题的时候，有的时候需要从不同的角度去思考问题。初学者可能设计一个负反馈，有99%的可能会踩坑。其实我也认真思考过包括蚀刻在内的这些技术怎么才能传承下去。这个世界本质上是勇敢者的游戏，如果你想要，那么你就自己来拿（来问）0.0。很多坑踩上去才知道要怎么改，但也有一些坑是我们的先验可以避免的。

大概几个月之后我也释然了，本就是自己的学识不到位，也游览了新的地方，认识新的人。信息茧房使得大家见识不到外面是多么的精彩，往往只被课程、竞赛以及学习推的活动局限。生活之大远超我们的想象。 标题是一位金毛萝莉家里蹲大画师传承给我的（虽然她现在也不家里蹲也不画画了——其实也不是金毛萝莉），那是一位真正的传奇。至少现在，故事还没有完结。