CN108572283A - 一种针对辐射emi噪声源识别方法 - Google Patents

一种针对辐射emi噪声源识别方法 Download PDF

Info

Publication number
CN108572283A
CN108572283A CN201711394684.8A CN201711394684A CN108572283A CN 108572283 A CN108572283 A CN 108572283A CN 201711394684 A CN201711394684 A CN 201711394684A CN 108572283 A CN108572283 A CN 108572283A
Authority
CN
China
Prior art keywords
data
signal
radiation
identification method
noise sources
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711394684.8A
Other languages
English (en)
Inventor
窦爱玉
张涛
王珏
慈文彦
朱明祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Normal University Taizhou College
Original Assignee
Nanjing Normal University Taizhou College
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Normal University Taizhou College filed Critical Nanjing Normal University Taizhou College
Priority to CN201711394684.8A priority Critical patent/CN108572283A/zh
Publication of CN108572283A publication Critical patent/CN108572283A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本发明公开了一种针对辐射EMI噪声源识别方法，分析了经典的非线性主成分分析（NLPCA）方法的基本原理，针对辐射中发生的卷积现象，通过Z变换将卷积变换为点乘，然后通过非线性变换将输入空间变换到高维空间，然后在高维空间进行主元分析，该方法从时域上对电磁干扰信号进行分离，提取噪声信号的时域特征，最终诊断出引起辐射超标信号的特征。

Description

一种针对辐射EMI噪声源识别方法
技术领域
本发明涉及电磁兼容技术领域，尤其涉及一种针对辐射EMI噪声源识别方法。
背景技术
现代电力电子产品正面向微型化、智能化，系统的设计也越来越复杂，加上电力电子设备中开关元件的高速开关产生的系统寄生参数，致使设备遭受传辐射型干扰愈加严重，而且对系统抗电磁干扰能力的要求越来越高。因而，为了节省开发时间，节约开发费用，同时也为产品通过质检部门的检验做好前期准备，对产品进行辐射EMI测试是必不可少的。
但是传统技术中都是按照传统的凭经验整改法，准确性较低，速度较慢，不能快速有效的抑制设备的超标噪声。
为此，我们提出了一种针对辐射EMI噪声源识别方法。
发明内容
基于背景技术存在的技术问题，本发明提出了一种针对辐射EMI噪声源识别方法，通过分离算法正确分离出各个辐射源的时域信号后，通过对分离信号进行时频分析，获得电磁干扰信号在时间和频率上的关系，从而提取该噪声信号的频域特征，最终诊断出引起传导超标信号的特征。
本发明提出的一种针对辐射EMI噪声源识别方法，包括以下步骤：
S1，数据采集：对被测设备用Ｍ个磁场探头进行近场测试，通过示波器测得Ｍ组被测设备的近场时域信号，将这Ｍ组时域信号数据导出；将Ｍ组观测数据Ｘｉ（ｔ）构成列向量；
S2，数据预处理：辐射卷积混合的一般模型可以表示为:
其中为具有n个平稳的相互统计独立同分布源信号的向量,是m个卷积混合信号，A为混合滤波器,运算符“”为卷积计算.
卷积混合盲源分离的目的就是要寻找一个分离滤波器W使得
为源信号s(t)的估计.其中为n维列向量,为一列n×n维系数矩阵.在z变换域中输入、输出系统可表示为:
其中 ；
S3，数据白化：白化数据，其中B(z)为白化滤波器。白化滤波器B(z)的获得通过下列迭代得到：
其中α(0<α<1)为迭代步长；
S4，数据分解：迭代公式为
；
S5，数据分析：针对获得的分离信号，进行时频分析，通过傅里叶变换得到频率信息，与PCB板中的疑似辐射源进行比对。
优选地，所述S1中，，其中探头数量Ｍ取决于源信号数Ｎ，。
优选地，所述S2中，当为的估计时有
。
本发明中，首先利用磁场探头获得被测电子设备的辐射EMI噪声，然后将数字示波器采集的噪声信号送入PC机，利用Matlab对其进行NLPCA分析，得出噪声电压信号的波形特征结果，最后将分离出的噪声信号与被测电子设备中器件所产生的信号进行特征比较，确定噪声源，本发明提供了一种基于NLPCA的辐射噪声分离新方法，得出噪声电压信号的波形特征结果，并建立了一种卷积辐射模型。
附图说明
图1是辐射EMI噪声源识别方法的流程图；
图2是辐射卷积模型；
图3辐射噪声筛选模型；
图4卷积混合信号；
图5卷积分离信号。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例一
如图1-5所示本发明提出的一种针对辐射EMI噪声源识别方法，包括以下步骤：
S1，数据采集：对被测设备用Ｍ个磁场探头进行近场测试，通过示波器测得Ｍ组被测设备的近场时域信号，将这Ｍ组时域信号数据导出；将Ｍ组观测数据Ｘｉ（ｔ）构成列向量；
S2，数据预处理：辐射卷积混合的一般模型可以表示为:
其中为具有n个平稳的相互统计独立同分布源信号的向量,是m个卷积混合信号，A为混合滤波器,运算符“”为卷积计算.
卷积混合盲源分离的目的就是要寻找一个分离滤波器W使得
为源信号s(t)的估计.其中为n维列向量,为一列n×n维系数矩阵.在z变换域中输入、输出系统可表示为:
其中；
S3，数据白化：白化数据，其中B(z)为白化滤波器。白化滤波器B(z)的获得通过下列迭代得到：
其中为迭代步长；
S4，数据分解：迭代公式为
；
S5，数据分析：针对获得的分离信号，进行时频分析，通过傅里叶变换得到频率信息，与PCB板中的疑似辐射源进行比对。
本发明中先采用磁场探头和高速示波器提取被测设备的噪声电压信号，再将所得被测设备的噪声电压信号分别记作V1、V2…VM，然后采用NLPCA算法对上述所得的数据进行分析，得到多组分离数据V1，V2…VN，再对分离数据进行时频分析，获得频率信息，最后将所得噪声电压信号的波形和频率特征结果与被测设备中各个电子器件产生的信号特征进行对比分析，确定产生噪声电压信号的特定电子器件，最终确定出辐射电磁干扰噪声源。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种针对辐射EMI噪声源识别方法，其特征在于，包括以下步骤：
S1，数据采集：对被测设备用Ｍ个磁场探头进行近场测试，通过示波器测得Ｍ组被测设备的近场时域信号，将这Ｍ组时域信号数据导出；将Ｍ组观测数据Ｘｉ（ｔ）构成列向量；；
S2，数据预处理：辐射卷积混合的一般模型可以表示为:
其中为具有n个平稳的相互统计独立同分布源信号的向量,是m个卷积混合信号，A为混合滤波器,运算符“”为卷积计算.
卷积混合盲源分离的目的就是要寻找一个分离滤波器W使得
为源信号s(t)的估计.其中为n维列向量,为一列n×n维系数矩阵.在z变换域中输入、输出系统可表示为:
其中 ；
S3，数据白化：白化数据，其中B(z)为白化滤波器；
白化滤波器B(z)的获得通过下列迭代得到：
其中α(0<α<1)为迭代步长；
S4，数据分解：迭代公式为
；
S5，数据分析：针对获得的分离信号，进行时频分析，通过傅里叶变换得到频率信息，与PCB板中的疑似辐射源进行比对。
2.根据权利要求1所述的一种针对辐射EMI噪声源识别方法，其特征在于，所述S1中，其中探头数量Ｍ取决于源信号数Ｎ，。
3.根据权利要求1所述的一种针对辐射EMI噪声源识别方法，其特征在于，所述S2中，当为的估计时有。
CN201711394684.8A 2017-12-21 2017-12-21 一种针对辐射emi噪声源识别方法 Pending CN108572283A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711394684.8A CN108572283A (zh) 2017-12-21 2017-12-21 一种针对辐射emi噪声源识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711394684.8A CN108572283A (zh) 2017-12-21 2017-12-21 一种针对辐射emi噪声源识别方法

Publications (1)

Publication Number Publication Date
CN108572283A true CN108572283A (zh) 2018-09-25

Family

ID=63576400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711394684.8A Pending CN108572283A (zh) 2017-12-21 2017-12-21 一种针对辐射emi噪声源识别方法

Country Status (1)

Country Link
CN (1) CN108572283A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112834847A (zh) * 2020-12-31 2021-05-25 江苏益邦电力科技有限公司 一种辐射emi噪声超标分析方法
CN113075462A (zh) * 2021-02-22 2021-07-06 中国人民解放军国防科技大学 一种基于神经网络的电磁场分布定位方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818690A (zh) * 2006-02-06 2006-08-16 中国矿业大学 电磁兼容中传导性噪声的控制设备与方法
CN102520263A (zh) * 2011-12-12 2012-06-27 中国航空无线电电子研究所 一种载机磁环境的识别方法
CN203479915U (zh) * 2013-10-21 2014-03-12 国家电网公司 基于物联网的电力设备的噪声和电磁场同步检测系统
CN103944655A (zh) * 2014-04-14 2014-07-23 江苏益邦电力科技有限公司 电力线载波通信故障检测系统中的噪声识别方法
JP2014240775A (ja) * 2013-06-11 2014-12-25 三菱電機株式会社 電磁ノイズ検出装置
CN104502732A (zh) * 2014-11-07 2015-04-08 南京师范大学 基于stft时频分析的辐射源筛选和定位方法
JP2017096860A (ja) * 2015-11-27 2017-06-01 有限会社アステック開発 電磁界可視化装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818690A (zh) * 2006-02-06 2006-08-16 中国矿业大学 电磁兼容中传导性噪声的控制设备与方法
CN102520263A (zh) * 2011-12-12 2012-06-27 中国航空无线电电子研究所 一种载机磁环境的识别方法
JP2014240775A (ja) * 2013-06-11 2014-12-25 三菱電機株式会社 電磁ノイズ検出装置
CN203479915U (zh) * 2013-10-21 2014-03-12 国家电网公司 基于物联网的电力设备的噪声和电磁场同步检测系统
CN103944655A (zh) * 2014-04-14 2014-07-23 江苏益邦电力科技有限公司 电力线载波通信故障检测系统中的噪声识别方法
CN104502732A (zh) * 2014-11-07 2015-04-08 南京师范大学 基于stft时频分析的辐射源筛选和定位方法
JP2017096860A (ja) * 2015-11-27 2017-06-01 有限会社アステック開発 電磁界可視化装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马丽艳: "一种基于非线性PCA的卷积混合盲源分离算法", 《电子学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112834847A (zh) * 2020-12-31 2021-05-25 江苏益邦电力科技有限公司 一种辐射emi噪声超标分析方法
CN113075462A (zh) * 2021-02-22 2021-07-06 中国人民解放军国防科技大学 一种基于神经网络的电磁场分布定位方法
CN113075462B (zh) * 2021-02-22 2022-05-17 中国人民解放军国防科技大学 一种基于神经网络的电磁场分布定位方法

Similar Documents

Publication Publication Date Title
CN107894564B (zh) 一种基于交叉小波特征的模拟电路故障诊断方法
JP2735064B2 (ja) 波形解析装置
Satish et al. Wavelet-based denoising of partial discharge signals buried in excessive noise and interference
Dalai et al. Cross-spectrum analysis-based scheme for multiple power quality disturbance sensing device
CN104502732A (zh) 基于stft时频分析的辐射源筛选和定位方法
CN106646074A (zh) 一种传导电磁干扰接收机的建模方法
CN110020452B (zh) 电磁兼容性测试仿真分析方法及其系统
US20110043218A1 (en) Analysis method and analysis system
CN108572283A (zh) 一种针对辐射emi噪声源识别方法
CN109214469B (zh) 一种基于非负张量分解的多源信号分离方法
CN103944655A (zh) 电力线载波通信故障检测系统中的噪声识别方法
CN110458073A (zh) 一种基于MEEMD-Hilbert和多层小波分解的光纤振动信号特征提取方法
Bajwa et al. An investigation into partial discharge pulse extraction methods
Pan et al. Test generation for linear time-invariant analog circuits
Srikanth et al. An intelligent algorithm for autorecognition of power system faults using superlets
Park et al. Measurement and modeling of system-level ESD noise voltages in real mobile products
TW201442428A (zh) 基於多通道獨立成分分析之訊號即時處理系統及方法
Zaro et al. Real-time detection and classification for voltage events based on wavelet transform
CN104849575A (zh) 一种基于时频分析的同频辐射噪声源诊断方法
Zhijian et al. Side channel leakage information based on electromagnetic emission of stm32 micro-controller
Lin Separation of adjacent interharmonics using maximum energy retrieving algorithm
CN103399235A (zh) 一种电子噪声和电磁干扰的检测和消除方法
CN210604796U (zh) 一种电磁噪声测试系统
CN110491408B (zh) 一种基于稀疏元分析的音乐信号欠定混叠盲分离方法
Liu et al. A method for blind source separation of multichannel electromagnetic radiation in the field

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180925