一种多区间优化OSPWM算法的制作方法

一种多区间优化ospwm算法
技术领域
1.本发明涉及led显示技术领域，特别涉及一种多区间优化ospwm算法。


背景技术：

2.led又称发光二极管，具有低功耗、低成本、亮度高、色彩丰富、使用寿命长、应用灵活、均匀性好等优点，已经广泛应用于车站、医院、机场以及其他室内外led大屏显示。进入21世纪以来，led更是在电子信息产业化以及城市建设迅猛发展的浪潮中不断进步，人们对于光源显示效果、显示品质的需求也朝着多量与多样化发展，所以led产业有较大的发展潜力。
3.视觉刷新率是衡量led显示效果的一个重要指标，刷新率越高，人眼越不能感到画面的闪烁。pwm脉宽调制技术利用数字信号脉冲控制led灯珠亮度。spwm算法在pwm算法的基础上，将整个显示周期打散成若干组，将原本的pwm脉冲平均分配到打散的若干组中，保持原本的pwm占空比不变，即亮度不变，由于增加了通道打开次数，可以大幅提高显示刷新率，提升视觉流畅度。然而spwm算法在显示低灰画面时，每个打散组内的pwm脉宽可能过小，驱动芯片的模拟通道无法识别有效的显示时间造成的低灰色块、低灰麻点等问题，在spwm算法的基础上又发展出了低灰色阶优化spwm算法。原理是增加打散组内的最大pwm脉冲宽度，减少低灰时的打散组数，使低灰时通道可以正常打开关闭。但由此带来的问题是，低灰时通道打开次数变少，led显示刷新率大大降低。
4.图1为传统spwm算法在低灰时的波形。由图1可以看出，这种打散方式每个子周期仅包含1个gclk周期，当灰度值增加，新的灰度值被均匀打散到新的打散子周期中，这样的好处是提升了屏幕刷新率。但是在低灰条件，由于通道打开时间较短，模拟通道可能无法快速识别数字信号的变化。此时led屏幕会出现严重的低灰“麻点”及显示不均匀现象，很大程度上降低了led显示效果。图2为低灰优化spwm算法在低灰时的波形，以输入数据位数c＝16，刷新倍数a＝5为例，根据刷新倍率可以得到总的打散子周期为25＝32段，优化等级设置为4个gclk。由图2可知，在灰度为1时，在第0个子周期内输出1个gclk，在灰度为2时，在第0个子周期内输出2个gclk，直至在灰度为5时，在第0个子周期内输出4个gclk，在第16个子周期内输出1个gclk，相比未优化spwm算法，通道打开/关断次数大幅减少。针对解决低灰“麻点”的问题，直接采用上述方法虽然能够对低灰问题起到一定的减轻作用，但是会带来低灰刷新率不足的问题。因此需要一种新的led驱动芯片算法，既能给解决低灰色块、低灰麻点等问题，又能在低灰条件下保证较高的显示刷新率。


技术实现要素：

5.本发明的目的在于提供一种多区间优化ospwm算法，以解决背景技术中的问题。
6.为解决上述技术问题，本发明提供了一种多区间优化ospwm算法，包括：
7.步骤1、将显示c位灰度数据所需的2
c
个gclk平均分配到2
a
个子周期中，每个子周期包括2
b
个gclk，c、a、b为正整数，c＝a b；
8.步骤2、设置低灰高刷模式刷新率阈值f，f为正整数，单位为赫兹hz，设置寄存器l及h分别用于配置灰度数据优化等级，根据输入灰度在不同的范围配置不同的优化等级进行处理，其中寄存器l及h分别针对低灰和高灰下的场景，l和h通过配置寄存器配置为多种模式，如优化l1、l2、h1、h2...；
9.步骤3、将灰度数据分为四个灰度区间，灰度数据小于f*l设置为低灰，灰度数据大于等于f*l且小于f*h设置为次低灰，灰度数据大于等于f*h且小于2
a
*h之间为次高灰，灰度数据大于等于2
a
*h时为高灰，灰度数据处于低灰和次低灰都属于低灰高刷模式；
10.步骤4、低灰条件下，用二进制灰度数据除以l，得到的商记为d，余数记为r，将灰度数据分为d组，每组l个gclk，以组为单位从子周期0开始按照打散次序分配，使各组间距相等，将剩余灰度数据r固定分配在第0组；
11.步骤5、次低灰条件下，在步骤4的基础上，保持刷新率f不变，变换数据打散方式，按照最小值为1个gclk进行打散分配，使各组间距相等；
12.步骤6、次高灰条件下，在步骤5的基础上，变换算法的优化等级为h，算法的最小打开宽度为h个gclk；在步骤5的基础上，将多余的灰度数据除以h，得到的商记为d，余数记为r；刷新率不再受限制，将步骤6中商数d组gclk以组按照均匀打散次序重新打开组数，使各组间距相等，将剩余灰度数据r固定分配在第0组；
13.步骤7、高灰条件下，灰度数据大于2
a
*h，在步骤6的基础上，保持刷新率不变，变换数据打散方式，按照最小值为1个gclk进行打散分配，使各组间距相等。
14.可选的，c位二进制灰度数据d
c
‑1d
c
‑2…
d1d0，由外部输入至驱动芯片中，一个led显示周期时间划分为2
a
个子周期，每个子周期的大小为2
b
个gclk周期，数据关系为c＝a b，其中c为正整数，a、b为小于c的非负整数。
15.可选的，所述步骤2中，l1、l2为低灰条件下的优化等级，在输入灰度数据在低灰范围内时，一方面通过设定相应等级的色阶优化，即减小每个子周期允许的最大pwm宽度，以实现提升低灰条件下的刷新率；另一方面，低灰、次高灰条件下，除了子周期0，其余子周期的pwm宽度总是等于l、h的整数倍；
16.h1、h2为次高灰条件下的优化等级，增大每个子周期允许的的最大pwm宽度，有利于次高灰条件下的显示效果。
17.可选的，根据打散组数和优化等级自适应调整低灰数据的范围，并根据灰度数据在不同灰度区间内选择不同的打散方法。
18.可选的，低灰、次高灰条件下除了子周期0，其余子周期的pwm宽度总是等于l、h的整数倍。
19.本发明具有以下有益效果：
20.(1)根据打散组数a、刷新率阀值f、优化等级l和h自适应调整灰度数据的范围，并根据数据在不同灰度范围内选择不同的打散方法；
21.(2)本发明提出的分段式优化算法，低灰、次高灰条件下除了子周期0，其余子周期的pwm宽度总是等于l、h的整数倍，降低了通道间耦合干扰，提升了各通道的显示效果；
22.(3)本发明提出的分段式优化算法，在灰度值更小时就达到设定的fhz刷新率，提升了低灰时的显示刷新率，从而改善了低灰显示效果；
23.(4)本发明提出的分段式优化算法，通过设置pwm最小打开宽度，增加通道打开时
间，减轻了低灰“麻点”的问题；
24.(5)本发明提出的分段式优化算法，通过在次低灰、高灰条件配置最小1个gclk的均匀打散方式，保持刷新率的同时实现更加均匀的打散效果。
附图说明
25.图1是传统spwm算法示意图；
26.图2是低灰优化spwm算法波形示意图；
27.图3是本发明提供的多区间优化ospwm算法流程示意图；
28.图4是本发明提供的多区间优化ospwm算法在低灰区间下的示意图；
29.图5是本发明提供的多区间优化ospwm算法在次低灰区间下的示意图；
30.图6是本发明提供的多区间优化ospwm算法在次高灰区间下的示意图；
31.图7是本发明提供的多区间优化ospwm算法在高灰区间下的示意图。
具体实施方式
32.以下结合附图和具体实施例对本发明提出的一种多区间优化ospwm算法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
33.实施例一
34.本发明提供了一种多区间优化ospwm算法，其流程如图3所示，包括如下步骤：
35.步骤1、将显示c位灰度数据所需的2
c
个gclk平均分配到2
a
个子周期中，每个子周期包括2
b
个gclk，c、a、b为正整数，c＝a b；
36.步骤2、设置低灰高刷模式刷新率阈值f，f为正整数，单位为赫兹hz，设置寄存器l及h分别用于配置灰度数据优化等级，根据输入灰度在不同的范围配置不同的优化等级进行处理，其中寄存器l及h分别针对低灰和高灰下的场景，l和h可以通过配置寄存器配置为多种模式，如优化l1、l2、h1、h2...；
37.步骤3、将灰度数据分为四个灰度区间，灰度数据小于f*l设置为低灰，灰度数据大于等于f*l且小于f*h设置为次低灰，灰度数据大于等于f*h且小于2
a
*h之间为次高灰，灰度数据大于等于2
a
*h时为高灰，灰度数据处于低灰和次低灰都属于低灰高刷模式；
38.步骤4、低灰条件下，用二进制灰度数据除以l，得到的商记为d，余数记为r，将灰度数据分为d组，每组l个gclk，以组为单位从子周期0开始按照打散次序分配，尽量使各组间距相等，将剩余灰度数据r固定分配在第0组；
39.步骤5、次低灰条件下，在步骤4的基础上，保持刷新率f不变，变换数据打散方式，按照最小值为1个gclk进行打散分配，尽量使各组间距相等；
40.步骤6、次高灰条件下，在步骤5的基础上，变换算法的优化等级为h，算法的最小打开宽度为h个gclk；在步骤5的基础上，将多余的灰度数据除以h，得到的商记为d，余数记为r；刷新率不再受限制，将步骤6中商数d组gclk以组按照均匀打散次序重新打开组数，尽量使各组间距相等，将剩余灰度数据r固定分配在第0组；
41.步骤7、高灰条件下，灰度数据大于2
a
*h，在步骤6的基础上，保持刷新率不变，变换
数据打散方式，按照最小值为1个gclk进行打散分配，尽量使各组间距相等。
42.在本发明中，根据灰度数值的不同将灰度优化分为四个灰度区间范围，即低灰范围、次低灰范围、次高灰范围、高灰范围。其中在低灰范围中，为了同时实现灰度优化及提高刷新率的目的，每个显示子周期允许的最小pwm脉宽较小，如2个gclk、4个gclk等，以此来尽快达到刷新率阈值f；同时为了降低通道间耦合干扰、提升通道显示效果，保证除第0个子周期外，其余子周期的pwm宽度都为l的整数倍。在次低灰范围，刷新率依然保持为f，即保持现有的打散组数不变，将灰度数据平均分配在现有打散组数中。在次高灰范围，每个显示子周期允许的最小pwm脉宽较小，如8个gclk、16个gclk等，其做法同低灰范围一样，除第0个子周期外，其余子周期的pwm宽度都为h的整数倍。在高灰范围，此时所有组数中都包含较大的pwm宽度，因此可以继续使用均匀打散的方式，每组配置最小宽度为1个gclk。
43.图4、图5、图6、图7是本发明的一种多区间优化ospwm算法示意图。设刷新率阀值f为4，打散组数a设置为5，即整个显示周期被打散为32组，设置优化等级l为4个gclk，h为8个gclk。将灰度数据小于(f*l＝4*4＝16)为低灰区间，灰度数据处于(f*l＝4*4＝16)到(f*h＝4*8＝32)之间设置为次低灰部分(包括16且不包括32)，灰度数据处于(f*h＝4*8＝32)到(2
a
*h＝25*8＝256)之间为次高灰部分(包括32且不包括256)，灰度数据大于等于(2
a
*h＝25*8＝256)时为高灰部分。在低灰区间内，每组可包含的最大gclk数为4。当灰度值为16时，通道打开的组数为4个，每组4个gclk，达到了f hz(4hz)的刷新率；当灰度值继续增加处于次低灰范围内时，保持4hz的刷新率不变，为了实现更加均匀的打散效果，将多余的数据按照最小1个gclk进行分组打散。直到已有打散组数中有8个gclk最小脉冲宽度。当灰度值进入次高灰范围时，将超出范围部分多余数据除以h的余数部分固定分配在第0组，将得到的商按照均匀打散原则重新打开组数，直到所有32组中都包含8个gclk最小脉冲宽度。当灰度值进入高灰范围时，则重新按照最小1个gclk进行分组打散。
44.相对于传统的低灰色阶优化算法，本发明设计的一种多区间优化ospwm算法可以在灰度值更小时就达到设定的fhz刷新率，提升了低灰时的显示刷新率，从而改善了低灰显示效果。按照本发明的算法，在低灰、次高灰条件下，除第0个子周期外，其余各子周期的pwm宽度总是等于l、h的整数倍，模拟通道可以识别有效的通道打开时间，正确完成电平的高低变换。同时，本发明提出的分段式优化算法，通过设置pwm最小打开宽度，增加通道打开时间，减轻了低灰“麻点”的问题。本发明根据打散组数a、刷新率f和优化等级l、h自适应调整各个数据段的范围，并根据数据在不同灰度范围内选择不同的打散方法。
45.上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。