背景
对于Vsync信号的相关领域中，一直有一座大山我一直没有翻跃，那就是SW VSYNC模型更新与校准。
经过认真阅读努比亚技术团队的文章SurfaceFlinger模块-VSYNC研究，我终于翻跃了这座大山。
本文是针对SW VSYNC模型更新与校准这部分的理解和补充，建议先看努比亚的文章再看我这个文章。
1.根据采样的时间戳更新模型
对应SurfaceFlinger模块-VSYNC研究文章中3.2 1 addVsyncTimestamp章节。 通过着6个样本，计算出x的因变量集合 ordinals，和y的自变量集合vsyncTS。通过6个样本把这两个集合的数据都计算出来，然后通过上面的方程式把回归系数和截距都计算出来，这块的回归系数就是Vsync的时间周期，前面我加过日志，我把这两个集合的内容可以贴出来看下，以下是90fps的vsync信息。 x的集合内容 {0，1000，2000，3000，4000，5000} ，从集合的内容是vsync的个数信息。 y的集合内容{0，11027000，22053000，33080000，44106000，55132000}，从代码中了解是硬件vsync时间戳的递增值，
看了有点蒙圈，假设传入连续的六个时间戳，t是为任意值。
代码语言：javascript复制{t，t 11027000，t 22053000，t 33080000，t 44106000，t 55132000}我们得到的其实是集合映射关系是M~T，m代表第m个vsync信号，t就是第m个信号时间戳，单位纳秒，也就是第m个vsync时间戳为t纳秒，第m 1个vsync时间戳为t 11027000纳秒
代码语言：javascript复制M {m, m 1, m 2, m 3, m 4, m 5} ~ T {t，t 11027000，t 22053000，t 33080000，t 44106000，t 55132000}这个M-T映射关系和上面努比亚文章中的x-y集合映射有什么关系呢？
代码语言：javascript复制x{0，1000，2000，3000，4000，5000} ~ y {0，11027000，22053000，33080000，44106000，55132000}我们看代码
代码语言：javascript复制// normalizing to the oldest timestamp cuts down on error in calculating the intercept.
auto const oldest_ts = *std::min_element(mTimestamps.begin(), mTimestamps.end());
vsyncTS[i] = mTimestamps[i] - oldest_ts;oldest_ts 就是T的集合中时间戳最小值，也就是t。每个时间戳在减去t，那不就得到了y集合。
代码语言：javascript复制y {0，11027000，22053000，33080000，44106000，55132000}currentPeriod 在90hz屏幕下固定值为11111111，vsyncTS[i] 就是y集合中数字，其中kScalingFactor 放大因子为1000， 根据以下公式，可以得到x的集合
static constexpr int64_t kScalingFactor = 1000;
ordinals[i] = ((vsyncTS[i] (currentPeriod / 2)) / currentPeriod) * kScalingFactor;所以我们根据传入的六个连续vsync时间戳得到了努比亚文章中所描述的X和Y集合映射。
代码语言：javascript复制{t，t 11027000，t 22053000，t 33080000，t 44106000，t 55132000}
得到了
x {0，1000，2000，3000，4000，5000} ~ y {0，11027000，22053000，33080000，44106000，55132000}假设y=bx a是拟合x~y映射关系的函数，用以下公式来就先求中b的值 b = slope = top/bottom。
代码语言：javascript复制 // Sigma_i( (X_i - mean(X)) * (Y_i - mean(Y) ) -----> top
// slope = -------------------------------------------
// Sigma_i ( X_i - mean(X) ) ^ 2 -----> bottom假设x=1000x'，如何求y=b'x' a'的函数曲线？
直接将1000x'带入y=bx a中即可得y=b*1000x' a 所以b' = 1000b, a' = a , 其中b'也就是下面这段代码中anticipatedPeriod = 1000 * slope = 1000 * top/bottom。
代码语言：javascript复制nsecs_t const anticipatedPeriod = top * kScalingFactor / bottom;//kScalingFactor = 1000因为a' = a，所以只要按照以下公式求得a，也就是intercept 就好了
代码语言：javascript复制 //
// intercept = mean(Y) - slope * mean(X)
//但是由于anticipatedPeriod = 1000 * slope，所以下面需要除以kScalingFactor（1000）才能得到正确的intercept，也就是a'。
代码语言：javascript复制nsecs_t const intercept = meanTS - (anticipatedPeriod * meanOrdinal / kScalingFactor);小结
通过转化，将集合T转化成了x-y的映射关系
代码语言：javascript复制T {t，t 11027000，t 22053000，t 33080000，t 44106000，t 55132000}
经过转化得到
x{0，1000，2000，3000，4000，5000} ~ y {0，11027000，22053000，33080000，44106000，55132000}根据x-y的映射关系，算出了y=b'x' a'中b'和a'
代码语言：javascript复制b' = anticipatedPeriod
a' = intercept因为x=1000x'，所以 y=b'x' a'描述以下x'-y的映射关系的直线，所以努比亚文章中描述有点不准确。
代码语言：javascript复制x' {0，1，2，3，4，5} ~ y {0，11027000，22053000，33080000，44106000，55132000}为什么要加入1000的缩放因子，应该是为了提高计算的精准度。
二、已知上一次的vsync的时间戳求next vsync的时间戳
目前我们已经通过前面得到了一个函数y=b'x' a'来表示以下集合的映射关系,其中b' = slope，a' = intercept
代码语言：javascript复制x' {0，1，2，3，4，5} ~ y {0，11027000，22053000，33080000，44106000，55132000}根据模型获得slope斜率，以及截距intercept，用图表示如下。
代码语言：javascript复制auto const [slope, intercept] = getVSyncPredictionModelLocked();
假设我们上一次的vsync时间戳为Time1，如果求得下一个vsync的时间戳Time2呢？
努比亚团队是这样子描述的，有点不是很清楚。 如果mTimestamps的集合不为空，通过这个集合的数据和传入的发射时间，算出一次线程回归方式的因变量x值，然后根据回归系数和截距，用方程式计算出自变量y值，而y值，也就是代码中的prediction，作为下一次vsync发射的时间。
以下代码描述了这个计算过程
代码语言：javascript复制 auto const oldest = *std::min_element(mTimestamps.begin(), mTimestamps.end());
// See b/145667109, the ordinal calculation must take into account the intercept.
auto const zeroPoint = oldest intercept;
auto const ordinalRequest = (timePoint - zeroPoint slope) / slope;
auto const prediction = (ordinalRequest * slope) intercept oldest;用图来简单表示一下，可以好好思考一下，初中数学知识应该就就可以看得懂上述的计算方式。 其中A=timePoint - zeroPoint
三、总结
终于把SW VSYNC模型更新与校准这座大山翻过去了，感谢努比亚团队，随便其中部分描述存在让我看不懂的情况，努力思考，看代码，最后把整个逻辑看明白了。
