基于星型磁场传感器阵列噪声深度重建的信号动态去噪方法技术

本发明专利技术公开一种基于星型磁场传感器阵列噪声深度重建的信号动态去噪方法，实施步骤包括：(1)建立具有“中心

【技术实现步骤摘要】
基于星型磁场传感器阵列噪声深度重建的信号动态去噪方法


[0001]本专利技术涉及磁场信号去噪与精密检测
，具体涉及一种基于星型磁场传感器阵列噪声深度重建的信号动态去噪方法。

技术介绍

[0002]新能源汽车动力电池的品质检测是确保动力电池安全的重要保障，根据毕奥
‑
萨伐尔定律，电池充放电过程中内部电流流动会形成磁场，而电池内部电流的分布情况能够反映电池的品质和健康状况。因此，电池充放电过程中的磁场检测是实现电池无损检测和质量评估的重要手段。
[0003]目前，磁场传感器可以达到极高的精度，例如原子磁力计可以达到10
‑
15
T/√Hz量级的灵敏度。然而影响磁场测量精度的最主要因素是背景噪声干扰，如地磁场的干扰强度在10
‑5T量级。对于生产线上的电池检测，电气和机械设备的磁场干扰更为显著，因此如何实现强干扰下的快速精确信号去噪是磁场测量的关键。当前磁场信号去噪主要通过物理屏蔽和背景噪声相消实现。
[0004]物理屏蔽方法通过将测试电池和传感器同时放入多层合金屏蔽桶，例如美本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于星型磁场传感器阵列噪声深度重建的信号动态去噪方法，其特征在于，包括如下步骤：S10：建立具有“中心
‑
卫星架构”的星型磁场传感器阵列；所述具有“中心
‑
卫星架构”的星型磁场传感器阵列包括安装在同一平面上的一个中心传感器和N通道卫星传感器；S20：同步采集静置状态下星型磁场传感器阵列噪声；所述静置状态为没有外加电流激励产生磁场、只有环境干扰磁场的状态；S30：搭建深度网络模型并进行训练，训练时，深度网络模型输入为静置状态下星型磁场传感器阵列的N通道卫星传感器噪声信号组成的矩阵Π＝[n1(t)；n2(t)；
…
；n
N
(t)]
T
；目标输出设置为静置状态下星型磁场传感器阵列的中心传感器实际采集的噪声信号n
c
(t)；实际深度网络模型输出的重建噪声为：其中g(
·
)为深度网络模型，具有以下结构：g(Π)＝g
M
(...g2(g1(Π,β
(1)
),β
(2)
)...,β
(M)
),
ꢀꢀꢀꢀꢀꢀꢀ
(2)其中g1(
·
),
…
,g
M
(
·
)分别表示深度网络模型的第1,
…
,第M层，β
(1)
,
…
,β
(M)
分别表示在第1,
…
,第M个阶段训练得到的深度网络模型参数矩阵；计算n
...

【专利技术属性】
技术研发人员：王骁贤，陆思良，
申请(专利权)人：安徽大学，
类型：发明
国别省市：