CN114662540B - 电磁干扰现场测试信号的消噪方法 - Google Patents
电磁干扰现场测试信号的消噪方法 Download PDFInfo
- Publication number
- CN114662540B CN114662540B CN202210282070.5A CN202210282070A CN114662540B CN 114662540 B CN114662540 B CN 114662540B CN 202210282070 A CN202210282070 A CN 202210282070A CN 114662540 B CN114662540 B CN 114662540B
- Authority
- CN
- China
- Prior art keywords
- noise
- mode
- env
- electromagnetic interference
- components
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000008030 elimination Effects 0.000 title claims description 13
- 238000003379 elimination reaction Methods 0.000 title claims description 13
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000003313 weakening effect Effects 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提出了一种电磁干扰现场测试信号的消噪方法,所述消噪方法包括模式一和模式二;处理时,先由模式一和模式二中的一者对电磁干扰测试信号进行处理,得到信号一,然后再由另一者继续对信号一进行处理;模式一用于去除噪声中的周期性窄带成分,模式二用于去除现场噪声中的随机性成分;本发明的有益技术效果是:提出了一种电磁干扰现场测试信号的消噪方法,该方法能分别对现场噪声中的周期性窄带成分与随机性成分针对性消噪,并能在消除噪声的同时,避免对有用信号造成破坏,改善现场消噪效果。
Description
技术领域
本发明涉及一种电磁辐射现场检测技术,尤其涉及一种电磁干扰现场测试信号的消噪方法。
背景技术
较强的电磁辐射可能影响人体健康,干扰设备的正常运行,因此,需要对设备的电磁干扰进行测试,并根据测试结果对设备进行相应调整、整改。标准电磁干扰测试的门槛保证了测试结果的可靠性,但也因此受到局限,不能完全满足测试需求,比如,现场工况下的设备往往并非独立存在,而是处于复杂系统中,实际场的叠加耦合效应不能得到充分体现;而且标准测试采用的电波暗室不适用于大型设备的现场测试,因此,亟需一种能对大型设备实施现场测试的电磁干扰测试手段。
发明内容
针对背景技术中的问题,本发明提出了一种电磁干扰现场测试信号的消噪方法,其创新在于:所述消噪方法包括模式一和模式二;处理时,先由模式一和模式二中的一者对电磁干扰测试信号进行处理,得到信号一,然后再由另一者继续对信号一进行处理;
所述模式一包括:
设电磁干扰现场测试信号中的单个数据点为(fi,Di),i=1,2,3,...,n,n为电磁干扰现场测试信号中数据点的数量;按如下步骤对单个数据点进行处理:
1)判断(fi,Di)是否存在于{fj,Pj}中:如(fi,Di)存在于{fj,Pj}中,则直接将该数据点保存,并结束当前操作;如(fi,Di)不存在于{fj,Pj}中,则进入步骤2);其中,{fj,Pj}为根据电磁干扰测试信号提取到的峰值集合,j=1,2,3,...,m,m为峰值集合中峰值点(fj,Pj)的数量
2)若Di>Bi且Di>thenv,则进入步骤2A),否则进入步骤3);
2A)判断thenv>Bi是否成立:若成立,则直接将该数据点保存,并结束当前操作;若不成立,则进入步骤2B);
2B)判断Di-Bi和Bi-thenv的大小:若Di-Bi小于Bi-thenv,则按式一对数据点中的Di做削弱处理并保存,然后结束当前操作;若Di-Bi大于Bi-thenv,则直接将该数据点保存,并结束当前操作;Di为相应数据点的幅值;Bi为Di所对应的频率fi处提取到的环境噪声的下包络特征数据,thenv为环境噪声阈值特征量;
所述式一为:Di-(Bi-thenv);
3)判断Bi>Di>thenv是否成立:如不成立,则直接将该数据点保存,并结束当前操作;如成立,则按式二对数据点中的Di做削弱处理并保存,然后结束当前操作;所述式二为:Di-(thenv-Nbg);Nbg为仪器系统底噪;
按步骤1)至3)的方式对电磁干扰测试信号中的所有数据点都处理完成后,模式一的操作完成;
所述模式二包括:
A)对电磁干扰现场测试信号进行变分模态分解操作,得到多个内涵模态分量;
B)对多个内涵模态分量进行识别,从中识别出一个特征分量和多个噪声分量;
C)将多个噪声分量作合并处理,得到合并后噪声分量,然后采用基于经验贝叶斯的小波阈值去噪方法对合并后噪声分量作去噪处理,得到消噪分量D;
D)将消噪分量D和特征分量作合并处理,合并处理后的结果即为模式二的输出结果。
模式一用于去除噪声中的周期性窄带成分,其原理是:噪声中的周期性窄带成分,在测试信号中重复出现,严重干扰了噪声频带内的信号特征,但具体到确切的数据点上是变化的,能够还原利用的仅限于抽象的整体特征,若依然将噪声作为去除目标,则有较大风险会破坏有用信号;基于信号特征提取,逐一判别有用信号并保留,是更合理的方法,因此,模式一的技术思想不同于传统的“定位噪声信号并去除”,模式一的思路是“判别有用信号并保留”,这样就能在消除噪声的同时,避免对有用信号造成破坏。各个步骤的处理依据具体是:
步骤1)中,如(fi,Di)存在于{fj,Pj}中,说明该数据点属于未受窄带噪声影响的有用信号峰值或周期性噪声峰值,由于周期性噪声峰值在测试中不会造成信号特征损失,因此,对于有用信号峰值或周期性噪声峰值数据点,均将该数据点保存。
步骤2)中,满足Di>Bi且Di>thenv的条件时,说明该数据点为信号频带或窄带噪声,继续通过步骤2A)作进一步处理;如不满足Di>Bi且Di>thenv的条件,继续通过步骤3)作进一步处理;
步骤2A)中,若thenv>Bi成立,说明该数据点的信息未被环境噪声的下包络特征所体现,为有用信号频带,直接将该数据点保存,若thenv>Bi不成立,则继续由步骤2B)作进一步处理;
步骤2B)中,若Di-Bi小于Bi-thenv,说明幅值Di与环境下包络Bi相近,且两者一并与环境阈值thenv较远,符合窄带噪声特性,因此由式一对数据点中的Di做削弱处理,将其削弱至环境噪声阈值水平;若Di-Bi大于Bi-thenv,说明该数据点的信息未被环境噪声的下包络特征所体现,为有用信号频带,直接将该数据点保存。
步骤3)中,若Bi>Di>thenv不成立,说明该数据点不含有有用信息,并且也不会对信号特征造成影响,不需要进行处理,因此直接将该数据点保存;如Bi>Di>thenv成立,说明该数据点已受到环境噪声污染,判定该数据点无效,因此由式二对数据点中的Di做削弱处理,将其削弱至环境噪声阈值水平;
模式二用于去除现场噪声中的随机性成分,其原理是:噪声中的随机性成分主要来自电磁环境或传导链路中的热噪声、系统内部元器件散粒噪声等,几乎包含所有的时频成分,而且无法通过傅里叶变换改善,因而时频域具有相似的随机特性;因随机型噪声时频域具有相近特性,对频域含噪信号引入时域消噪方法;此外,如果对含噪信号直接进行消噪,因为含噪信号中实际包含多个分量,如果对含噪信号的所有分量采取了相同的消噪策略(即对纯净分量采取与噪声分量同等消噪策略),势必丢失信号特征,峰值特征是频谱最主要特征,其中包含了待测设备电磁干扰特征,峰值特征的损失可能造成测试关键信息的损失,因此,模式二先对电磁干扰测试信号进行变分模态分解操作,得到多个内涵模态分量,这就使得含噪信号的噪声密集分量与特征分量被有效分离,然后,由技术人员对多个内涵模态分量进行识别,区分出噪声分量和特征分量,然后分别执行不同的消噪策略:对于特征分量采取保留策略,对于噪声分量,则先合并后消噪,并将得到的消噪分量和特征分量作合并处理,作为模式二的输出结果。
本发明的有益技术效果是:提出了一种电磁干扰现场测试信号的消噪方法,该方法能分别对现场噪声中的周期性窄带成分与随机性成分针对性消噪,并能在消除噪声的同时,避免对有用信号造成破坏,改善现场消噪效果。
具体实施方式
一种电磁干扰现场测试信号的消噪方法,其创新在于:所述消噪方法包括模式一和模式二;处理时,先由模式一和模式二中的一者对电磁干扰测试信号进行处理,得到信号一,然后再由另一者继续对信号一进行处理;
所述模式一包括:
设电磁干扰现场测试信号中的单个数据点为(fi,Di),i=1,2,3,...,n,n为电磁干扰现场测试信号中数据点的数量;按如下步骤对单个数据点进行处理:
1)判断(fi,Di)是否存在于{fj,Pj}中:如(fi,Di)存在于{fj,Pj}中,则直接将该数据点保存,并结束当前操作;如(fi,Di)不存在于{fj,Pj}中,则进入步骤2);其中,{fj,Pj}为根据电磁干扰测试信号提取到的峰值集合,j=1,2,3,...,m,m为峰值集合中峰值点(fj,Pj)的数量;
2)若Di>Bi且Di>thenv,则进入步骤2A),否则进入步骤3);
2A)判断thenv>Bi是否成立:若成立,则直接将该数据点保存,并结束当前操作;若不成立,则进入步骤2B);
2B)判断Di-Bi和Bi-thenv的大小:若Di-Bi小于Bi-thenv,则按式一对数据点中的Di做削弱处理并保存,然后结束当前操作;若Di-Bi大于Bi-thenv,则直接将该数据点保存,并结束当前操作;Di为相应数据点的幅值;Bi为Di所对应的频率fi处提取到的环境噪声的下包络特征数据,thenv为环境噪声阈值特征量;
所述式一为:Di-(Bi-thenv);
3)判断Bi>Di>thenv是否成立:如不成立,则直接将该数据点保存,并结束当前操作;如成立,则按式二对数据点中的Di做削弱处理并保存,然后结束当前操作;所述式二为:Di-(thenv-Nbg);Nbg为仪器系统底噪;
按步骤1)至3)的方式对电磁干扰测试信号中的所有数据点都处理完成后,模式一的操作完成;
所述模式二包括:
A)对电磁干扰现场测试信号进行变分模态分解操作,得到多个内涵模态分量;
B)对多个内涵模态分量进行识别,从中识别出一个特征分量和多个噪声分量;
C)将多个噪声分量作合并处理,得到合并后噪声分量,然后采用基于经验贝叶斯的小波阈值去噪方法对合并后噪声分量作去噪处理,得到消噪分量D;
D)将消噪分量D和特征分量作合并处理,合并处理后的结果即为模式二的输出结果。
Claims (1)
1.一种电磁干扰现场测试信号的消噪方法,其特征在于:所述消噪方法包括模式一和模式二;处理时,先由模式一和模式二中的一者对电磁干扰测试信号进行处理,得到信号一,然后再由另一者继续对信号一进行处理;
所述模式一包括:
设电磁干扰现场测试信号中的单个数据点为(fi,Di),i=1,2,3,...,n,n为电磁干扰现场测试信号中数据点的数量;按如下步骤对单个数据点进行处理:
1)判断(fi,Di)是否存在于{fj,Pj}中:如(fi,Di)存在于{fj,Pj}中,则直接将该数据点保存,并结束当前操作;如(fi,Di)不存在于{fj,Pj}中,则进入步骤2);其中,{fj,Pj}为根据电磁干扰测试信号提取到的峰值集合,j=1,2,3,...,m,m为峰值集合中峰值点(fj,Pj)的数量;
2)若Di>Bi且Di>thenv,则进入步骤2A),否则进入步骤3);
2A)判断thenv>Bi是否成立:若成立,则直接将该数据点保存,并结束当前操作;若不成立,则进入步骤2B);
2B)判断Di-Bi和Bi-thenv的大小:若Di-Bi小于Bi-thenv,则按式一对数据点中的Di做削弱处理并保存,然后结束当前操作;若Di-Bi大于Bi-thenv,则直接将该数据点保存,并结束当前操作;Di为相应数据点的幅值;Bi为Di所对应的频率fi处提取到的环境噪声的下包络特征数据,thenv为环境噪声阈值特征量;
所述式一为:Di-(Bi-thenv);
3)判断Bi>Di>thenv是否成立:如不成立,则直接将该数据点保存,并结束当前操作;如成立,则按式二对数据点中的Di做削弱处理并保存,然后结束当前操作;所述式二为:Di-(thenv-Nbg);Nbg为仪器系统底噪;
按步骤1)至3)的方式对电磁干扰测试信号中的所有数据点都处理完成后,模式一的操作完成;
所述模式二包括:
A)对电磁干扰现场测试信号进行变分模态分解操作,得到多个内涵模态分量;
B)对多个内涵模态分量进行识别,从中识别出一个特征分量和多个噪声分量;
C)将多个噪声分量作合并处理,得到合并后噪声分量,然后采用基于经验贝叶斯的小波阈值去噪方法对合并后噪声分量作去噪处理,得到消噪分量D;
D)将消噪分量D和特征分量作合并处理,合并处理后的结果即为模式二的输出结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210282070.5A CN114662540B (zh) | 2022-03-22 | 2022-03-22 | 电磁干扰现场测试信号的消噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210282070.5A CN114662540B (zh) | 2022-03-22 | 2022-03-22 | 电磁干扰现场测试信号的消噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114662540A CN114662540A (zh) | 2022-06-24 |
CN114662540B true CN114662540B (zh) | 2024-02-27 |
Family
ID=82032142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210282070.5A Active CN114662540B (zh) | 2022-03-22 | 2022-03-22 | 电磁干扰现场测试信号的消噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662540B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105824053A (zh) * | 2016-05-23 | 2016-08-03 | 吉林大学 | 自适应滤波的磁共振信号抗饱和消噪装置及消噪方法 |
CN105842561A (zh) * | 2016-03-28 | 2016-08-10 | 北京航空航天大学 | 一种适用于现场电磁干扰检测的背景信号消除方法 |
CN107184203A (zh) * | 2017-07-03 | 2017-09-22 | 重庆大学 | 基于自适应集合经验模态分解的心电信号特征点识别方法 |
CN110135293A (zh) * | 2019-04-29 | 2019-08-16 | 莆田学院 | 一种风力发电机电振动信号消噪方法及存储介质 |
EP3907735A2 (en) * | 2020-12-15 | 2021-11-10 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method for debugging noise elimination algorithm, apparatus and electronic device |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8271279B2 (en) * | 2003-02-21 | 2012-09-18 | Qnx Software Systems Limited | Signature noise removal |
US9820658B2 (en) * | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
-
2022
- 2022-03-22 CN CN202210282070.5A patent/CN114662540B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842561A (zh) * | 2016-03-28 | 2016-08-10 | 北京航空航天大学 | 一种适用于现场电磁干扰检测的背景信号消除方法 |
CN105824053A (zh) * | 2016-05-23 | 2016-08-03 | 吉林大学 | 自适应滤波的磁共振信号抗饱和消噪装置及消噪方法 |
CN107184203A (zh) * | 2017-07-03 | 2017-09-22 | 重庆大学 | 基于自适应集合经验模态分解的心电信号特征点识别方法 |
CN110135293A (zh) * | 2019-04-29 | 2019-08-16 | 莆田学院 | 一种风力发电机电振动信号消噪方法及存储介质 |
EP3907735A2 (en) * | 2020-12-15 | 2021-11-10 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method for debugging noise elimination algorithm, apparatus and electronic device |
Non-Patent Citations (6)
Title |
---|
A New Probe for Electromagnetic Compatibility and Electromagnetic Interference Detection;Xiao, K等;2020 5TH INTERNATIONAL CONFERENCE ON MECHANICAL, CONTROL AND COMPUTER ENGINEERING (ICMCCE 2020) Page85-88;20210828;第85-88页 * |
Variational mode decomposition linked wavelet method for EMAT denoise with large lift-off effect;Dan Si 等;NDT and E International;20191031;第107卷;第1-15页 * |
Whispering-gallery mode resonance-assisted plasmonic sensing and switching in subwavelength nanostructures;Luo, YL 等;JOURNAL OF MATERIALS SCIENCE;20201231;第56卷(第7期);第4716-4726页 * |
基于优化VMD与噪声估计的间隔阈值局部放电去噪方法;佘昌佳;梅飞;叶昱媛;潘益;沙浩源;郑建勇;;高压电器;20200316(03);第0141-0149页 * |
局部放电在线监测中混频周期性窄带干扰的抑制;唐炬;黄江岸;张晓星;姚陈果;;中国电机工程学报;20100505(13);第123-129页 * |
面向狭窄现场的电磁辐射源手持定位诊断系统研究;陈治润;中国优秀硕士学位论文全文数据库 工程科技II辑;20220601;第四章 * |
Also Published As
Publication number | Publication date |
---|---|
CN114662540A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Weak fault feature extraction of rolling bearings using local mean decomposition-based multilayer hybrid denoising | |
CN108804832B (zh) | 一种基于vmd的间隔阈值局部放电去噪方法 | |
WO2019061006A1 (en) | METHOD AND DEVICE FOR DIAGNOSING BEARING FAULT, READABLE STORAGE MEDIUM, AND ELECTRONIC DEVICE | |
CN110146291A (zh) | 一种基于CEEMD和FastICA的滚动轴承故障特征提取方法 | |
CN109932624B (zh) | 一种基于高斯尺度空间的电缆局放周期窄带干扰去噪方法 | |
CN109883706A (zh) | 一种滚动轴承局部损伤微弱故障特征提取方法 | |
CN107315991B (zh) | 一种基于小波阈值去噪的ifra频响曲线去噪方法 | |
CN106353649A (zh) | 一种基于提升小波变换的局部放电信号去噪方法 | |
CN108051857B (zh) | 一种基于经验模态分解的局部相似性小波阈值去噪方法 | |
CN115730199B (zh) | 一种滚动轴承振动信号降噪和故障特征提取方法和系统 | |
CN105181334A (zh) | 基于级联多稳随机共振和emd的滚动轴承故障检测方法 | |
CN114662540B (zh) | 电磁干扰现场测试信号的消噪方法 | |
CN112926014A (zh) | 基于rls与rssd的滚动轴承声信号多频带融合故障诊断方法 | |
Lv et al. | A novel fault diagnosis method for rotating machinery based on EEMD and MCKD | |
CN111353415B (zh) | 一种脉冲响应中谐波成分的检测方法 | |
Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
US5744722A (en) | Deconvolution method of resonance detection and removal from crankshaft speed measurements | |
CN111380680A (zh) | 一种基于改进排列熵的单向阀故障特征提取方法 | |
Hemmati et al. | Rolling element bearing condition monitoring using acoustic emission technique | |
CN110688981B (zh) | 一种振动信号去噪的模态混叠消除方法 | |
Peng et al. | Cyclic band Box-Cox sparse measures based blind filtering and its application to bearing fault diagnosis | |
Osterwise et al. | Reduction of noise in near-field measurements | |
Nezamivand Chegini et al. | Noise removal from the vibration signals of the rotating machinery using the empirical wavelet transform and the conventional thresholding methods | |
CN114325722B (zh) | 基于水下声信标信号多脉冲累积的高增益检测方法和系统 | |
Yu et al. | Research on low-pass filter and denoising autoencoder for side channel attack |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |