[发明专利]基于电压参数测试ICA算法的传导电磁干扰噪声源识别方法

权利要求书

1.一种基于电压参数测试ICA算法的传导电磁干扰噪声源识别方法，其特征在于，具体步骤包括：

步骤一、采用人工电源网络提取被测设备的噪声电压信号；

步骤二、根据独立分量分析ICA算法对步骤一所得噪声电压信号进行独立分量分解，得出噪声电压信号的波形特征结果；

步骤三、将步骤二所得噪声电压信号的波形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，最终确定出传导电磁干扰噪声源。

2.如权利要求1所述的一种基于电压参数测试ICA算法的传导电磁干扰噪声源识别方法，其特征在于，所述步骤二中对噪声电压信号进行独立分量分解的具体过程为：

(201)将步骤一所得被测设备的噪声电压信号分别记作V₁、V₂…V_M，其中，当被测设备为单相供电时，M的取值为2；当被测设备为三相供电时，M的取值为3或4；

(202)通过示波器测得V₁、V₂…V_M的图像数据，将上述M组观测信号标记为x_i(t),其中，t为离散时间序列，取值为0,1,2…,i＝1,2,...,M，M组观测信号构成列向量x(t)＝[x₁(t),...,x_M(t)]^T，T表示矩阵的转置；

(203)采用Infomax算法对(202)所得的列向量x(t)进行独立分量分析，以信息最大化作为目标函数，其目标函数L_H(W)的具体表达式为：

LH(W)=log|det(W)|+Σi=1ME{loggi′(yi)}+(-E{logpz(z)})---(1)]]>

其中，W为分离矩阵，z是由观测信号的列向量x(t)白化处理后得到的向量，E为数学期望，p_z(z)为向量z的边缘概率密度，y＝Wz，y为输出的分离信号，g为非线性函数，g的选取由M取值而决定，具体如下：

g₁＝tanh(ay)；

g₂＝yexp(-y²/2)；    (2)

g₃＝y³；

g₄＝sec²(y)；

其中，a为任意常数；

(204)采用随机梯度下降法对目标函数进行优化，目标函数的等式两边对W进行求导：

∂LH∂W=∂log|det(W)|∂W+∂Σi=1ME{loggi′(yi)}∂W---(3)]]>

对于公式(3)右边有：

∂log|det(W)|∂W=(WT)-1=W-T]]>

∂Σi=1Mloggi′(yi)∂W=-ψ(y)zT---(4)]]>

其中，ψ(y)为评价函数，且：

ψ(y)=[-g1′′(y1)g1′(y1),...,-gM′′(yM)gM′(yM)]T---(5)]]>

用瞬时值代替将公式(5)式中右边数学期望得：

∂LH(W)∂W=W-T-ψ(y)zT---(6)]]>

进而得出：

ΔW＝η(W^-T-ψ(y)z^T)    (7)

其中，△W为分离矩阵W的增量，η为根据迭代次数所更新的迭代率，且0＜η＜1；

因此得出相对梯度算法：

ΔW＝η(W^-T-ψ(y)z^T)W^TW    (8)

化简为：

ΔW＝η(I-ψ(y)y^T)W    (9)(205)经过迭代求解出最优解的W，将其代入y＝Wz得到分离后的M组独立信号，即为从V₁、V₂…V_M中分离出的独立的噪声电压信号。