CN112834847A - 一种辐射emi噪声超标分析方法 - Google Patents
一种辐射emi噪声超标分析方法 Download PDFInfo
- Publication number
- CN112834847A CN112834847A CN202011643834.6A CN202011643834A CN112834847A CN 112834847 A CN112834847 A CN 112834847A CN 202011643834 A CN202011643834 A CN 202011643834A CN 112834847 A CN112834847 A CN 112834847A
- Authority
- CN
- China
- Prior art keywords
- signal
- time domain
- domain signal
- matrix
- emi noise
- 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
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 68
- 238000000926 separation method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000002087 whitening effect Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 230000001131 transforming effect Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000012880 independent component analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000005672 electromagnetic field Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开了一种辐射EMI噪声超标分析方法，包括：采集PCB板上辐射EMI噪声的原时域信号，根据原时域信号的统计特性建立四阶累计量卷积混合信号模型；对四阶累计量卷积混合信号进行零均值处理，消除信号中的常量信息，得到四阶累计量混合信号；定义白化准则，对四阶累计量混合信号进行NLPCA算法处理，获得分离后的时域信号；引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解，得到分离的频域信号；通过傅里叶反变换将分离后得到的频域信号变换为时域信号，与原时域信号进行对比，判断得到超标的噪声信号。本发明能够更加准确地分离出超标的EMI噪声信号。
Description
技术领域
本发明涉及电磁兼容技术领域，具体而言涉及一种辐射EMI噪声超标分析方法。
背景技术
随着科技的飞速发展，电子技术进入到了突飞猛进的时代，现代电子设备的系统数字化程度越来越高，大量采用的计算机和微电子技术使得系统智能化程度和可靠性都大大提高。但是设备在工作和通信过程中产生的辐射EMI噪声愈加严重，影响设备正常工作，甚至造成设备损坏，从而导致安全问题。在航空器、汽车、船舰、卫星、机器人等系统中，需要精密传输信号，微小的辐射EMI噪声可能会导致一场事故。如果能快速准确的分离并定位噪声源，这对系统电磁兼容的抑制和防护有很大的帮助，对辐射源的选取也将有很大的帮助。
由于辐射源的个体特征差异性、所处位置的敏感性，耦合途径的多样性，导致电磁辐射的复杂性，而且辐射源内的噪声信号通过线缆向空间发射的辐射信号具有卷积形式，其辐射噪声构成比较复杂，对其实现准确的分离是一个挑战。
目前对复杂电子设备的辐射电磁干扰噪声的分离主要从电磁场分析角度进行，通常将电磁场分析方法与电路仿真相结合，利用电磁场特征函数得到近远场转化公式，并结合近场测量得到目标的辐射发射特征。这些方法虽然能建立模型，但由于模型中采用插值法进行近似计算，插值函数不能精确模拟实际情况，因此在解决实际问题时结果有所偏差，影响结果的准确性。
专利号为CN104502732A的发明中提出了一种基于STFT时频分析的辐射源筛选和定位方法，将独立分量分析ICA算法与STFT相结合，提出了一套系统、全面、标准化的辐射电磁干扰分析与诊断方法。首先通过ICA算法将EUT的辐射噪声进行分离，筛选出若干个辐射噪声源；其次，将辐射总噪声的超标频段进行短时快速傅里叶变换和时频分析，提取出引起辐射超标的信号特征；最后，将提取出的信号特征与ICA筛选出的若干个辐射噪声源信号特征比对，对引起辐射噪声超标的噪声源进行定位诊断，采取针对性的整改抑制措施。然而，这种方法只能解决累计量为三阶及以下的信号，而辐射噪声信号往往包含很多累计量为四阶的信号，该方法难以适用。另外，该发明将分离后的时域信号z(t)进行短时快速傅里叶变换 (STFT)时，需要满足两个前提：一是时域信号在大范围内是非平稳的，在短时间内要是平稳的(为了保证能使用加窗函数)；二是要求时域信号的顺序一定，一般假定频谱是连续的且频率分布没有太大的变化，来确定不同频域内哪些源信号原来在一起。而辐射噪声信号中大多数往往在短时间内非平稳，导致不能有效进行频域变换。
发明内容
本发明针对现有技术中的不足，提供一种辐射EMI噪声超标分析方法，在考虑多辐射源的EMI噪声叠加情况下，能够更加准确地分离出超标的EMI噪声信号。
为实现上述目的，本发明采用以下技术方案：
一种辐射EMI噪声超标分析方法，所述分析方法包括以下步骤：
S1，采集PCB板上辐射EMI噪声的原时域信号，根据原时域信号的统计特性建立四阶累计量卷积混合信号模型；所述辐射EMI噪声的原时域信号由PCB板上N个辐射噪声源通过叠加形成，采集到的四阶累计量信号个数大于辐射噪声源个数，且至多只有一个四阶累计量信号服从高斯分布；
S2，对四阶累计量卷积混合信号进行零均值处理，消除信号中的常量信息，得到四阶累计量混合信号；
S3，定义白化准则，对四阶累计量混合信号进行NLPCA算法处理，获得分离后的时域信号；
S4，引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解，得到分离的频域信号；
S5，通过傅里叶反变换将分离后得到的频域信号变换为时域信号，与原时域信号进行对比，判断得到超标的噪声信号。
为优化上述技术方案，采取的具体措施还包括：
进一步地，步骤S1中，所述根据原时域信号的统计特性建立四阶累计量卷积混合信号模型的过程包括以下步骤：
根据原时域信号的统计特性，考虑信号混合方式的复杂性以及信号传播的延时性，获得四阶累计量卷积混合信号。
进一步地，步骤S1中，所述采集PCB板上辐射EMI噪声的原时域信号，根据原时域信号的统计特性建立四阶累计量卷积混合信号模型的过程包括以下步骤：
采集多个辐射噪声源叠加形成总的辐射EMI噪声信号，并获得卷积混合信号，卷积混合信号的模型表示为：
其中，x(t)是m个混合信号；s(t)是n个辐射EMI噪声信号；Ap是混合滤波器，p是时延， t是采样时间；
其中y(t)是n维列向量，Bp是n*n矩阵，分离滤波器Bp使得y(t)是信号s(t)的估计。
进一步地，步骤S2中，所述对四阶累计量卷积混合信号进行零均值处理，消除信号中的常量信息，得到四阶累计量混合信号的过程包括以下步骤：
S21，对于均值不为零的信号，通过公式(3)来对信号进行零均值化处理：
X′＝X-E(X) (3)
其中，X表示随机观测信号，E(X)表示数学期望，X’表示零均值后的结果，用算术平均值代替；
S22，对零均值化处理后的信号进行傅里叶变换，表示为：
其中xi(t)是时域信号，xi(t)’是变换后的频域信号。
进一步地，步骤S3中，所述定义白化准则，对四阶累计量混合信号进行NLPCA算法处理，获得分离后的时域信号的过程包括以下步骤：
S31，对频域信号进行一定的线性变换，表示为：
其中，矩阵T是白化矩阵，
是变换后的信号，
是
的相关矩阵，具有如下性质：
式中，I是单位矩阵；
S32，假设X的协方差矩阵是CX，有：
CX＝XXT＝UΛUT (7)
其中：
Λ＝Diag[λ1，λ2，…，λm] (8)
式中，XT是X的转置矩阵，UT是U的转置矩阵，λm是CX的特征值；U的每列都是CX的特征向量；
S33，计算得到白化矩阵Wp为：
令Z为白化后的信号：
Z＝WpApS＝WpAp*s(t) (10)
S34，假设M是n*n矩阵，Z的四维累计量矩阵QZ(M)定义为：
其中，Kijkl(z)是向量Z中i，j，k，l四个分量的张量，mkl是第k，l两个分量的张量矩阵；
S35，根据公式(10)，设V＝WpAp，有：
Z＝VS (12)
其中，源信号S和白化数据Z的方差为1，S中的每个元素彼此独立，并且Z中的每个元素彼此正交，V正交统一。
进一步地，步骤S4中，所述引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解的过程还包括以下步骤：
将多个分离矩阵组成一组新矩阵，使之能够对每个分离矩阵尽可能对角化。
进一步地，步骤S4中，所述引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解，得到分离的频域信号的过程还包括以下步骤：
S41，设M＝vivi T，以M为权矩阵的四阶张量矩阵转化为：
QZ(M)＝λM (13)
式中，λ＝k4(si)是源si的峰度，M为QZ(M)的本征矩阵，λ＝k4(si)是QZ(M)的本征值；如果每个源的峰度不同，则vi和λ也不同，vi是白化矩阵Z的本征值；
S42，由式(13)求出一个能使QZ(M)通过VTQZ(M)V对角化的矩阵V，使其满足式(14)：
S43，用一组矩阵M＝[M1，M2，…，Mp]求出每个Mi的QZ(Mi)，同时求出满足每个QZ(Mi)的最大可能对角化的矩阵V、VTQZ(M)V中非对角元素的平方和可用作对角化程度的度量；
S44，如果V使DM(V)最小：
计算得到混合矩阵的估计
和原始信号s(t)的估计Y(t)：
Y(t)＝VTTX(t) (17)；。
进一步地，步骤S5中，所述通过傅里叶反变换将分离后得到的频域信号变换为时域信号，与原时域信号进行对比，判断得到超标的噪声信号的过程包括以下步骤：
根据式(18)通过傅里叶反变换将分离后的频域信号变换为时域信号，获得相互独立的各个分量：
y(t)＝fft-1Y(t) (18)
其中，y(t)即为各个分量的时域信号，fft-1是指快速傅里叶反变换。
本发明的有益效果是：
(1)本发明提供的辐射EMI噪声分离方法中，针对多辐射源的EMI噪声叠加问题，提出了一种基于时频分析的分离方法，不仅可以为企业和产品设计工程师提供完善而经济实用的多辐射源EMI噪声分离总体解决方案，还可以找出超标的噪声源，为将来的辐射EMI抑制提供一定的理论依据。
(2)本发明考虑到辐射噪声信号往往包含很多累计量为四阶的信号，提出非线性主成分分析(non-linear principal component analysis，NLPCA)方法，可以有效分离累计量为四阶的信号。
(3)本发明辐射噪声信号中大多数往往在短时间内非平稳，针对性地提出利用JADA算法对频域信号进行分解，无需信号在短时间内平稳，只需在大范围内信号是非平稳的即可；此外，无需假定频谱连续，JADA算法便可将分离后的频率元素结合起来构建分离后的频谱。
附图说明
图1为本发明的辐射EMI噪声超标分析方法流程图。
图2为多辐射源电子设备的辐射示意图。
图3为辐射EMI噪声测试示意图。
图4为采集到的EMI噪声源波形示意图。
图5为分离出的超标的辐射EMI噪声结果示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是，发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
结合图1，本发明提及一种辐射EMI噪声超标分析方法，所述分析方法包括以下步骤：
S1，采集PCB板上辐射EMI噪声的原时域信号，根据原时域信号的统计特性建立四阶累计量卷积混合信号模型；所述辐射EMI噪声的原时域信号由PCB板上N个辐射噪声源通过叠加形成，根据时域信号的统计特性，考虑信号混合方式的复杂性以及信号传播的延时性，获得四阶累计量卷积混合信号。采集到的四阶累计量信号个数大于辐射噪声源个数，且至多只有一个四阶累计量信号服从高斯分布，确保分离的可行性。
S2，对四阶累计量卷积混合信号进行零均值处理，消除信号中的常量信息，得到四阶累计量混合信号。对卷积混合信号进行零均值处理，是一步去均值的过程，对信号进行零均值化处理就是对信号进行平移变换，并不影响信号的整体分布，只是改变信号的值域范围，主要是为了消除信号中的常量，提高信号的稳健性。
S3，定义白化准则，对四阶累计量混合信号进行NLPCA算法处理，获得分离后的时域信号。通过选取合适的白化滤波器，对时域信号进行线性变换，去除信号间的相关性，尽可能使各分量之间二阶统计独立，利用NLPCA算法对白化后的四阶累计量时域信号进行分离，获得分离后的时域信号。因为卷积混合信号包含四阶累计量信号，还可以针对三阶及以下的信号利用ICA算法分离，而四阶信号根据NLPCA算法实现有效分解信号。
S4，引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解，得到分离的频域信号。基于张量的independent component algorithm(ICA)估计方法，对二阶累计张量进行推广，引入向量的四阶张量矩阵，对矩阵进行JADA分解，得到频域内的各个分离信号。四阶累计量信号无需在短时间内平稳，只需在大范围内是非平稳即可，且只取一个四阶分离矩阵所得的结果往往不是太理想，可将多个分离矩阵组成一组新矩阵，使之能够对每个分离矩阵尽可能对角化。
S5，通过傅里叶反变换将分离后得到的频域信号变换为时域信号，与原时域信号进行对比，判断得到超标的噪声信号。
下面结合附图对本发明的分析方法的具体步骤做详细阐述。图2为本例中的多辐射源电子设备的辐射示意图。图3为本例中的辐射EMI噪声测试示意图。
如图1所示，本发明提供一种辐射EMI噪声超标分析方法，包括以下步骤：
步骤1：采集PCB板上辐射EMI噪声的时域信号，根据时域信号的统计特性建立四阶累计量卷积混合信号模型。图4是采集到的EMI噪声源波形示意图。
具体地，在步骤1中，采集多个辐射噪声源叠加形成总的辐射EMI噪声信号，并获得卷积混合信号。
其具体实现如下：
卷积信号的模型表示为：
其中x(t)是m个混合信号；s(t)是n个辐射EMI噪声信号；Ap是混合滤波器，p是时延。
其中y(t)是n维列向量，Bp是n*n矩阵。目的是找到一个分离滤波器Bp，使得y(t)是信号 s(t)的估计。
步骤2：对四阶累计量卷积混合信号进行零均值处理，消除信号中的常量信息。
具体地，在步骤2中，零均值化实际上是一步去均值的处理过程，主要是为了消除信号中的常量信息，实际上获得的卷积混合信号一般不满足零均值条件，因此需要对该信号进行零均值化处理，以满足理论前提。
其具体实现如下：
对于均值不为零的信号，需要通过公式来对信号进行零均值化处理。
X′＝X-E(X) (3)
其中X表示随机观测信号，E(X)表示数学期望，X’表示零均值后的结果，由于卷积混合信号是离散的，所以计算时一般用算术平均值来代替。
对其进行傅里叶变换可以表示为
其中xi(t)是时域信号，xi(t)’是变换后的频域信号。
步骤三：定义白化准则，对四阶累计量混合信号进行NLPCA算法处理，获得分离后的时域信号。
具体地，在步骤三中，经过白化过程，可以去除信号间的相关性，尽可能使各分量之间二阶统计独立，此外，白化处理可以有效简化算法，改善算法的性能。
其具体实现如下：
白化过程是对频域信号进行一定的线性变换，可以表示为
其中矩阵T是白化矩阵，
是变换后的信号，
是
的相关矩阵，具有如下性质：
其中I是单位矩阵。
假设X的协方差矩阵是CX，有
CX＝XXT＝UΛUT (7)
其中
Λ＝Diag[λ1，λ2，…，λm] (8)
其中XT是X的转置矩阵，UT是U的转置矩阵，λm是CX的特征值；U的每列都是CX的特征向量。
因此白化矩阵Wp为
令Z为白化后的信号
Z＝WpApS＝WpAp*s(t) (10)
假设M是n*n矩阵，Z的四维累计量矩阵QZ(M)定义为
其中Kijkl(z)是向量Z中i，j，k，l四个分量的张量。
根据公式(10)，设V＝WpAp，有
Z＝VS (12)
由于源信号S和白化数据Z的方差为1，S中的每个元素彼此独立，并且Z中的每个元素彼此正交，因此V必须正交统一。
步骤4：引入向量的四阶张量矩阵将分离后的时域信号进行JADA分解，得到分离的频域信号。
具体地，在步骤4中，将JADA算法用于频域信号的分解，应用代数方法，对协方差矩阵进行推广，引入四阶张量矩阵，再对矩阵进行特征分解。
其具体实现如下：
设M＝vivi T，，则以M为权矩阵的四阶张量矩阵可转化为
QZ(M)＝λM (13)
式中，λ＝k4(si)是源si的峰度，因此M称为QZ(M)的本征矩阵，而λ＝k4(si)是QZ(M)的本征值。
因此只要完成QZ(M)的特征分解，就可以得到特征矩阵M和特征值λ。如果每个源的峰度不同，则vi和λi也不同。首先可以得到V的列向量，然后得到Ap的独立分量。
当特征值具有多个根时，公式(9)和公式(11)的结果不稳定，因此需要改进算法。其基本思想是：由式(13)求出一个能使QZ(M)通过VTQZ(M)V对角化的矩阵V。
实际上，只取一个矩阵M的结果并不十分精确。我们可以用一组矩阵M＝[M1，M2，…，Mp]求出每个Mi的QZ(Mi)，同时求出满足每个QZ(Mi)的最大可能对角化的矩阵V。VTQZ(M)V 中非对角元素的平方和可用作对角化程度的度量。
由式(11)可知，如果V使DM(V)最小，则可以得到混合矩阵的估计
和原始信号s(t)的估计Y(t)。
Y(t)＝VTTX(t) (17)
步骤五：通过傅里叶反变换将分离后得到的频谱变换为时域，与原时域信号进行对比，确定出超标的噪声信号。
具体地，在步骤五中，通过傅里叶反变换将分离后的频域信号变换为时域信号，获得相互独立的各个分量。
其具体实现如下：
y(t)＝fft-1Y(t) (18)
其中y(t)即为各个分量的时域信号。
图5为分离出的超标的辐射EMI噪声结果示意图。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (8)
1.一种辐射EMI噪声超标分析方法，其特征在于，所述分析方法包括以下步骤：
S1，采集PCB板上辐射EMI噪声的原时域信号，根据原时域信号的统计特性建立四阶累计量卷积混合信号模型；所述辐射EMI噪声的原时域信号由PCB板上N个辐射噪声源通过叠加形成，采集到的四阶累计量信号个数大于辐射噪声源个数，且至多只有一个四阶累计量信号服从高斯分布；
S2，对四阶累计量卷积混合信号进行零均值处理，消除信号中的常量信息，得到四阶累计量混合信号；
S3，定义白化准则，对四阶累计量混合信号进行NLPCA算法处理，获得分离后的时域信号；
S4，引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解，得到分离的频域信号；
S5，通过傅里叶反变换将分离后得到的频域信号变换为时域信号，与原时域信号进行对比，判断得到超标的噪声信号。
2.根据权利要求1所述的辐射EMI噪声超标分析方法，其特征在于，步骤S1中，所述根据原时域信号的统计特性建立四阶累计量卷积混合信号模型的过程包括以下步骤：
根据原时域信号的统计特性，考虑信号混合方式的复杂性以及信号传播的延时性，获得四阶累计量卷积混合信号。
3.根据权利要求1或者2所述的辐射EMI噪声超标分析方法，其特征在于，步骤S1中，所述采集PCB板上辐射EMI噪声的原时域信号，根据原时域信号的统计特性建立四阶累计量卷积混合信号模型的过程包括以下步骤：
采集多个辐射噪声源叠加形成总的辐射EMI噪声信号，并获得卷积混合信号，卷积混合信号的模型表示为：
其中，x(t)是m个混合信号；s(t)是n个辐射EMI噪声信号；Ap是混合滤波器，p是时延，t是采样时间；
其中y(t)是n维列向量，Bp是n*n矩阵，分离滤波器Bp使得y(t)是信号s(t)的估计。
4.根据权利要求3所述的辐射EMI噪声超标分析方法，其特征在于，步骤S2中，所述对四阶累计量卷积混合信号进行零均值处理，消除信号中的常量信息，得到四阶累计量混合信号的过程包括以下步骤：
S21，对于均值不为零的信号，通过公式(3)来对信号进行零均值化处理：
X′＝X-E(X) (3)
其中，X表示随机观测信号，E(X)表示数学期望，X’表示零均值后的结果，用算术平均值代替；
S22，对零均值化处理后的信号进行傅里叶变换，表示为：
其中xi(t)是时域信号，xi(t)’是变换后的频域信号。
5.根据权利要求4所述的辐射EMI噪声超标分析方法，其特征在于，步骤S3中，所述定义白化准则，对四阶累计量混合信号进行NLPCA算法处理，获得分离后的时域信号的过程包括以下步骤：
S31，对频域信号进行一定的线性变换，表示为：
其中，矩阵T是白化矩阵，
是变换后的信号，
是
的相关矩阵，具有如下性质：
式中，I是单位矩阵；
S32，假设X的协方差矩阵是Cx，有：
CX＝XXT＝UΛUT (7)
其中：
Λ＝Diag[λ1，λ2，…，λm] (8)
式中，XT是X的转置矩阵，UT是U的转置矩阵，λm是Cx的特征值；U的每列都是CX的特征向量；
S33，计算得到白化矩阵Wp为：
令Z为白化后的信号：
Z＝WpApS＝WpAp*s(t) (10)
S34，假设M是n*n矩阵，Z的四维累计量矩阵QZ(M)定义为：
其中，Kijkl(z)是向量Z中i，j，kl四个分量的张量，mkl是第k，l两个分量的张量矩阵；
S35，根据公式(10)，设V＝WpAp，有：
Z＝VS (12)
其中，源信号S和白化数据Z的方差为1，S中的每个元素彼此独立，并且Z中的每个元素彼此正交，V正交统一。
6.根据权利要求1所述的辐射EMI噪声超标分析方法，其特征在于，步骤S4中，所述引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解的过程还包括以下步骤：
将多个分离矩阵组成一组新矩阵，使之能够对每个分离矩阵尽可能对角化。
7.根据权利要求5所述的辐射EMI噪声超标分析方法，其特征在于，步骤S4中，所述引入向量的四阶张量矩阵对分离后的时域信号进行JADA分解，得到分离的频域信号的过程还包括以下步骤：
S41，设M＝vivi T，，以M为权矩阵的四阶张量矩阵转化为：
QZ(M)＝λM (13)
式中，λ＝k4(si)是源si的峰度，M为Qz(M)的本征矩阵，λ＝k4(si)是QZ(M)的本征值；如果每个源的峰度不同，则vi和λ也不同，vi是白化矩阵Z的本征值；
S42，由式(13)求出一个能使QZ(M)通过VTQZ(M)V对角化的矩阵V，使其满足式(14)：
S43，用一组矩阵M＝[M1，M2，...，Mp]求出每个Mi的QZ(Mi)，同时求出满足每个QZ(Mi)的最大可能对角化的矩阵V、VTQZ(M)V中非对角元素的平方和可用作对角化程度的度量；
S44，如果V使DM(V)最小：
计算得到混合矩阵的估计
和原始信号s(t)的估计Y(t)：
Y(t)＝VTTX(t) (17)；。
8.根据权利要求7所述的辐射EMI噪声超标分析方法，其特征在于，步骤S5中，所述通过傅里叶反变换将分离后得到的频域信号变换为时域信号，与原时域信号进行对比，判断得到超标的噪声信号的过程包括以下步骤：
根据式(18)通过傅里叶反变换将分离后的频域信号变换为时域信号，获得相互独立的各个分量：
y(t)＝fft-1Y(t) (18)
其中，y(t)即为各个分量的时域信号，fft-1是指快速傅里叶反变换。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011643834.6A CN112834847A (zh) | 2020-12-31 | 2020-12-31 | 一种辐射emi噪声超标分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011643834.6A CN112834847A (zh) | 2020-12-31 | 2020-12-31 | 一种辐射emi噪声超标分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112834847A true CN112834847A (zh) | 2021-05-25 |
Family
ID=75927160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011643834.6A Pending CN112834847A (zh) | 2020-12-31 | 2020-12-31 | 一种辐射emi噪声超标分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112834847A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116298651A (zh) * | 2023-05-17 | 2023-06-23 | 广东电网有限责任公司阳江供电局 | 一种换流阀功率模块的故障监测方法、系统、设备和介质 |
| TWI841995B (zh) | 2022-06-27 | 2024-05-11 | 國立彰化師範大學 | 訊號源分離系統、訊號源分離方法及電腦程式產品 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106803089A (zh) * | 2016-12-15 | 2017-06-06 | 南京邮电大学 | 基于非线性主分量分析从图像序列中分离图像信息的方法 |
| CN108572283A (zh) * | 2017-12-21 | 2018-09-25 | 南京师范大学泰州学院 | 一种针对辐射emi噪声源识别方法 |
-
2020
- 2020-12-31 CN CN202011643834.6A patent/CN112834847A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106803089A (zh) * | 2016-12-15 | 2017-06-06 | 南京邮电大学 | 基于非线性主分量分析从图像序列中分离图像信息的方法 |
| CN108572283A (zh) * | 2017-12-21 | 2018-09-25 | 南京师范大学泰州学院 | 一种针对辐射emi噪声源识别方法 |
Non-Patent Citations (5)
| Title |
|---|
| 张涛: ""基于NLPCA和JADE算法的EMI辐射源噪声诊断方法研究"", 《万方数据》 * |
| 张涛: ""基于NLPCA和JADE算法的EMI辐射源噪声诊断方法研究"", 《万方数据》, 24 April 2018 (2018-04-24), pages 31 - 40 * |
| 张涛: "基于NLPCA和JADE算法的EMI辐射源噪声诊断方法研究", 万方数据, pages 9 - 40 * |
| 李秀梅 等: ""改进PCA和JADE盲源算应用于电机系统振动信号的分离"", 《化工自动化及仪表》 * |
| 李秀梅 等: ""改进PCA和JADE盲源算应用于电机系统振动信号的分离"", 《化工自动化及仪表》, vol. 41, no. 8, 31 December 2014 (2014-12-31), pages 926 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI841995B (zh) | 2022-06-27 | 2024-05-11 | 國立彰化師範大學 | 訊號源分離系統、訊號源分離方法及電腦程式產品 |
| CN116298651A (zh) * | 2023-05-17 | 2023-06-23 | 广东电网有限责任公司阳江供电局 | 一种换流阀功率模块的故障监测方法、系统、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109243483B (zh) | 一种含噪频域卷积盲源分离方法 | |
| JP2735064B2 (ja) | 波形解析装置 | |
| CN108287333B (zh) | 一种联合jade和clean的主瓣抗干扰方法 | |
| CN112363161B (zh) | 基于散射机制分解的植被垂直结构及林下地形反演方法及装置 | |
| CN109117747A (zh) | 基于循环平稳与深度卷积神经网络的雷达信号分类方法 | |
| CN112014692A (zh) | 基于主成分分析的局部放电特高频信号盲源分离去噪方法 | |
| Khan et al. | On fractional moments of multilook polarimetric whitening filter for polarimetric SAR data | |
| CN112834847A (zh) | 一种辐射emi噪声超标分析方法 | |
| CN112861066A (zh) | 基于机器学习和fft的盲源分离信源数目并行估计方法 | |
| CN111812581A (zh) | 基于原子范数的球面阵列声源波达方向估计方法 | |
| Shi et al. | Blind source extraction using generalized autocorrelations | |
| CN111999607B (zh) | 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 | |
| CN112001059B (zh) | 柔性直流换流阀子模块宽频模型建立方法及装置 | |
| CN100495388C (zh) | 一种利用空间坐标转换实现信号分离的信号处理方法 | |
| CN113381793B (zh) | 一种面向相干信源估计的无网格波达方向估计方法 | |
| CN111142134B (zh) | 一种坐标时间序列处理方法及装置 | |
| CN114814406A (zh) | 一种数字式剩余电流互感器的传导emi噪声分析方法 | |
| JP5078717B2 (ja) | 入射波数推定装置及び入射波数推定方法 | |
| Baziw | Implementation of the principle phase decomposition algorithm | |
| Lim et al. | Robust adaptive trimming for high-resolution direction finding | |
| Grooms et al. | A framework for variational data assimilation with superparameterization | |
| Liu et al. | A method for blind source separation of multichannel electromagnetic radiation in the field | |
| Al-Smadi | ARMA model parameters estimation using SVD | |
| Kurian et al. | Weak signal estimation in chaotic clutter using model-based coupled synchronization | |
| Makkiabadi et al. | A k-subspace based tensor factorization approach for under-determined blind identi?? cation |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210525 |