现代信号处理论文_电磁噪声中现代信号处理的应用

《现代信号处理论文_电磁噪声中现代信号处理的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、秦伟201122070108（自动化）电磁噪声中现代信号处理的应用随着越来越多的电子电器设备在科研生产和日常生活中的广泛应用，电磁干扰(EMI)问题也日益突出，为此，各国纷纷制定了电磁兼容(EMC)的标准并强制执行，并对EMC问题的研究也在广泛而又深入的进行着。这其中，借助现代信号处理技术对EMI噪声信号进行分析研究，进而对噪声源进行诊断定位已经成为研究热点之一。信号处理技术在EMC／EMI领域中的应用传统上对传导EMI噪声信号的功率谱分析都是采用经典谱估计的方法，即对采集到的传导EMI噪声信号或其共模和差模分量进行FFT变换，

2、得到噪声信号或各分量的频谱，然后在频域进行分析处理。经典谱分析的一些固有缺陷使得这种方法的效能不尽如人意。现考虑将现代谱估计技术运用到传导噪声分析中。这样做的好处一是克服了经典谱估计的固有缺陷，二是可以为噪声特征提取等进一步处理创造条件。实验电路如下图a所示，为BOOST开关电源电路的高频模型。为了加以比较，在原电路的基础上再加上缓冲电路，并提取加上缓冲电路后的共模和差模噪声分量。加了缓冲电路的电路图下图b所示图a实验电路图b带缓冲的实验电路为了考察不同TR对于所产生的共模和差模分量的影响，对于上述两种电路都要分别考虑各自在三种

3、不同TR下所产生的噪声分量的波形。这样，就得到了六组不同的信号，每一组都包含了在特定条件(有无缓冲以及特定TR)下测得的一个共模成分和一个差模成分。将每个信号都视为随机过程x(n)，即观测数据，长度设为1000，对这些观测数据用现代谱估计的方法进行分析。对于同一共模信号，考虑是否加缓冲电路和两种TR的情况，用Levinson算方法得到的25阶AR模型谱估计结果如下图共模信号四种不同情况下的Levinson谱估计波形左边是在不加缓冲电路时，同一共模信号在不同TR情况下的谱估计波形，可见TR=344.4ns时的波形似乎比TR=34.

4、44ns时的窄一些。，并且幅度拉长些。这种变化在右边列更加明显，这列显示的是同样在加了缓冲电路后，不同TR时的共模谱估计波形，可见当TR=344.4ns时，谱波形更窄，尖峰更突出些。通过上图同一行的两幅图对比得出，可见加了缓冲电路后，谱线波形由包含两个峰值变为只有一个尖峰，更为平滑。传导EMI的共模成分和差模成分的谱估计波形对比如下图所示，同样用Levinson算法求解25阶AR模型得到。模信号和差模信号的谱估计对比在传导EMI噪声中，共模成分和差模成分的功率谱在形状和幅度上的差异。右边一列显示的是加了缓冲电路后共模和差模成分的

5、功率谱波形，通过左右对比可以发现，缓冲电路使得共模成分得到了抑制，波形平缓，但是对于差模成分却有相反的作用。Levinson算法需要估计观测序列的自相关函数，而Burg算法则可以直接用观测序列进行计算。在不同TR条件下，共模和差模谱估计波形对比如下图所示，采用的是Burg算法计算25阶AR模型不同TR时的共模和差模谱估计对比由于共模成分的主瓣较宽，并有较多的旁瓣，而差模成分主瓣很窄，且旁瓣并不突出。分别有对有缓冲电路和没有缓冲电路时产生的共模和差模信号进行谱估计，结果如下所示：有无缓冲电路时的共模和差模信号比较可见，缓冲电路使得

6、共模信号的功率谱主瓣变窄，旁瓣不再突出，波形变得平滑。对于差模信号，缓冲电路使其主瓣展宽，而原本不太突兀的旁瓣则凸现出来。还可以看出，用Burg算法得到的功率谱波形所包含的信息比Levinson算法得到波形要丰富得多，同样的观测数据长度和AR模型阶数，用Burg算法估计的功率谱能看出旁瓣，而用Levinson算法估计的功率谱只有一个大致的轮廓。现代谱估计在噪声特征提取中的应用在为观测序列选定一个参数模型及阶数(设为p)，并用某种算法求得模型的参数后，不仅能够得到观测序列的功率谱估计，同时还得到了属于该观测序列的P个模型参数，这些

7、参数可以作为这个观测序列的特征向量，它们的个数远小于观测序列的长度，但却包含了观测序列的功率谱特征f411。考虑在不加缓冲电路时测得的传导噪声中的共模和差模噪声分量，选用25阶AR模型，并用Burg算法分别计算它们的模型参数，得到共模和差模分量的模型参数如图所示共模和差模信号的AR模型参数从上图可以看出，共模信号的AR模型参数和差模信号的AR模型参数有着明显的区别。因此，现代谱估计方法为传导噪声的模态分离又提供了一种特征提取的方法。通过现代谱估计技术在EMI噪声分析中的应用。相比以傅里叶变换为基础的经典谱估计，现代谱估计技术具有

8、分辨率高，稳定性好等特点，得到了广泛的工程应用。现代谱估计基于参数模型，在三种常用的参数模型中，ARMA模型和MA模型在一定条件下都可以归结为AR模型，故本章主要讨论AR模型。在确定了模型后，要通过某种算法计算模型参数，通常可采用Levinson算法和Burg算