基于机器学习的电源纹波噪声检测方法技术

本发明专利技术涉及数据处理技术领域，具体涉及基于机器学习的电源纹波噪声检测方法，包括：根据电源电压数据序列得到IMF分量，根据IMF分量得到频域分量，根据频域分量包含的频域横坐标得到频域分量的聚类筛选参数，根据聚类筛选参数对每个频域分量进行聚类得到低频信号；根据低频信号与对应的频域分量得到低频信号中包含纹波噪声可能性，根据低频信号中包含纹波噪声可能性得到低频信号的纹波噪声可能携带量；根据纹波噪声可能携带量与目标贡献度得到低频分量的综合检测值，根据综合检测值得到电源的纹波噪声检测。本发明专利技术在检测过程避免了复杂信号的处理，所以结果更加的准确，对于其余噪声的排除效果更好。声的排除效果更好。声的排除效果更好。

【技术实现步骤摘要】
基于机器学习的电源纹波噪声检测方法


[0001]本专利技术涉及数据处理
，具体涉及基于机器学习的电源纹波噪声检测方法。

技术介绍

[0002]电源纹波噪声是指电源输出电压因电源的周期性交流扰动而产生波形为高频、小幅度波动的噪声信号；而这种扰动在直流电源等应用中会引起电压的突变或微小的波动，使得系统中的开关元件产生更多的电磁干扰，引起电子设备的工作异常或失效；因此，对这种波纹噪声进行监测和治理，对于提高电子设备的性能和稳定性具有重要的意义。
[0003]现有技术中对于纹波噪声的检测是利用原始信号进行频域转换进行检测，但是因为原始信号中包含了大量的非纹波噪声的其余噪声，在进行纹波噪声检测的时候，经常有其余的全频段噪声例如高斯噪声的影响，从而使得检测结果不准确，进而导致在进行电源的纹波噪声抑制的时候不能达到较好的效果。
[0004]基于上述问题，本专利技术提出了一种基于机器学习的电源纹波噪声检测方法，在对电源原始信号的基础上，利用EMD算法，将原本复杂的电源电压的原始信号转换为多个简单的IMF分量信号，而后利用纹波噪声区别与其他噪声的特征进行电源电压信号中的纹波噪声的检测。

技术实现思路

[0005]本专利技术提供基于机器学习的电源纹波噪声检测方法，以解决现有的问题。
[0006]本专利技术的基于机器学习的电源纹波噪声检测方法采用如下技术方案：本专利技术一个实施例提供了基于机器学习的电源纹波噪声检测方法，该方法包括以下步骤：采集电源电压值，预处理得到电源电压数据序列；将电源电压数据序列分解得到若干个IMF分量，对每个IMF分量进行频域转换得到若干频域分量，根据频域分量包含的频域横坐标得到每个频域分量的聚类筛选参数，根据每个频域分量的聚类筛选参数对每个频域分量进行聚类得到若干低频信号；根据每个低频信号与对应的频域分量得到每个低频信号中包含纹波噪声可能性，根据每个低频信号中包含纹波噪声可能性得到每个低频信号的纹波噪声可能携带量；根据每个低频信号的纹波噪声可能携带量与每个低频信号的目标贡献度得到每个低频分量的综合检测值，根据综合检测值对低频分量进行阈值筛选得到电源的纹波噪声。
[0007]优选的，所述根据频域分量包含的频域横坐标得到每个频域分量的聚类筛选参数，包括的具体方法为：
对于任意一个频域分量，其中，J表示频域分量的聚类筛选参数；Z表示在频域坐标系中，频域分量包含的横坐标数量；表示在频域分量包含的频域横坐标中，第z个横坐标对应的纵坐标值；exp()表示以自然常数为底的指数函数。
[0008]优选的，所述根据每个频域分量的聚类筛选参数对每个频域分量进行聚类得到若干低频信号，包括的具体方法为：获取每个频域分量的频域信号；对所有频域分量的聚类筛选参数进行K
‑
means聚类得到若干个聚类簇；获取每个聚类簇中聚类筛选参数的平均值，将聚类筛选参数平均值最小的聚类簇记为低频聚类簇，低频聚类簇中每个聚类筛选参数对应的频域分量记为低频分量，将每个低频分量内的每个频域信号记为低频信号。
[0009]优选的，所述根据每个低频信号与对应的频域分量得到每个低频信号中包含纹波噪声可能性，包括的具体方法为：对于任意一个低频信号，其中，P表示低频信号中包含纹波噪声的噪声可能性；Z1表示在频域坐标系中，低频信号所属频域分量包含的横坐标数量；表示在低频信号所属频域分量包含的频域横坐标中，第z1个横坐标对应的纵坐标值；表示在低频信号所属频域分量包含的频域横坐标中，第z1+1个横坐标对应的纵坐标值；max{}表示取最大值。
[0010]优选的，所述根据每个低频信号中包含纹波噪声可能性得到每个低频信号的纹波噪声可能携带量，包括的具体方法为：对于任意一个低频信号，其中，W表示低频信号的纹波噪声可能携带量；P表示该频信号中包含纹波噪声的噪声可能性；Z1表示在频域坐标系中，低频信号所属频域分量包含的横坐标数量；表示在低频信号所属频域分量包含的频域横坐标中，第z1个横坐标对应的纵坐标值；表示超参数。
[0011]优选的，所述根据每个低频信号的纹波噪声可能携带量与每个低频信号的目标贡
献度得到每个低频分量的综合检测值，包括的具体方法为：将电源电压数据序列中每个电源电压数据经方差贡献率算法计算的结果记为每个电源电压数据的初始贡献度，对所有每个电源电压数据的初始贡献度进行归一化处理，将每个电源电压数据的初始贡献度经归一化处理后的值记为每个电源电压数据的目标贡献度，获取每个低频信号的目标贡献度；对于任意一个低频分量，低频分量综合检测值的计算方法为：其中，C表示低频分量的综合检测值；N3表示低频分量包含的低频信号数量；表示在低频分量包含的低频信号中，第n3个低频信号的目标贡献度；表示在低频分量包含的低频信号中，第n3个低频信号的纹波噪声可能携带量。
[0012]本专利技术的技术方案的有益效果是：相较于现有的原始电源信号全频段纹波噪声的检测，本专利技术利用EMD算法对原始信号进行分解，而后利用纹波噪声的特点进行逐个IMF分量的频域检测，检测过程避免了复杂信号的处理，所以结果更加的准确，对于其余噪声的排除效果更好。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为本专利技术基于机器学习的电源纹波噪声检测方法的步骤流程图。
具体实施方式
[0015]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于机器学习的电源纹波噪声检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0016]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0017]下面结合附图具体的说明本专利技术所提供的基于机器学习的电源纹波噪声检测方法的具体方案。
[0018]请参阅图1，其示出了本专利技术一个实施例提供的基于机器学习的电源纹波噪声检测方法的步骤流程图，该方法包括以下步骤：步骤S001：采集电源电压值，预处理得到电源电压数据序列。
[0019]需要说明的是，现有技术中对于纹波噪声的检测是利用原始信号进行频域转换进行检测，但是因为原始信号中包含了大量的非纹波噪声的其余噪声，在进行纹波噪声检测的时候，经常有其余的全频段噪声例如高斯噪声的影响，从而使得检测结果不准确，进而导致在进行电源的纹波噪声抑制的时候不能达到较好的效果；基于上述问题，本实施例提出了一种基于机器学习的电源纹波噪声检测方法，在对电源原始信号的基础上，利用EMD算法，将原本复杂的电源电压的原始信号转换为多个简单的IM本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的电源纹波噪声检测方法，其特征在于，该方法包括以下步骤：采集电源电压值，预处理得到电源电压数据序列；将电源电压数据序列分解得到若干个IMF分量，对每个IMF分量进行频域转换得到若干频域分量，根据频域分量包含的频域横坐标得到每个频域分量的聚类筛选参数，根据每个频域分量的聚类筛选参数对每个频域分量进行聚类得到若干低频信号；根据每个低频信号与对应的频域分量得到每个低频信号中包含纹波噪声可能性，根据每个低频信号中包含纹波噪声可能性得到每个低频信号的纹波噪声可能携带量；根据每个低频信号的纹波噪声可能携带量与每个低频信号的目标贡献度得到每个低频分量的综合检测值，根据综合检测值对低频分量进行阈值筛选得到电源的纹波噪声。2.根据权利要求1所述基于机器学习的电源纹波噪声检测方法，其特征在于，所述根据频域分量包含的频域横坐标得到每个频域分量的聚类筛选参数，包括的具体方法为：对于任意一个频域分量，其中，J表示频域分量的聚类筛选参数；Z表示在频域坐标系中，频域分量包含的横坐标数量；表示在频域分量包含的频域横坐标中，第z个横坐标对应的纵坐标值；exp()表示以自然常数为底的指数函数。3.根据权利要求1所述基于机器学习的电源纹波噪声检测方法，其特征在于，所述根据每个频域分量的聚类筛选参数对每个频域分量进行聚类得到若干低频信号，包括的具体方法为：获取每个频域分量的频域信号；对所有频域分量的聚类筛选参数进行K
‑
means聚类得到若干个聚类簇；获取每个聚类簇中聚类筛选参数的平均值，将聚类筛选参数平均值最小的聚类簇记为低频聚类簇，低频聚类簇中每个聚类筛选参数对应的频域分量记为低频分量，将每个低频分量内的每个频域信号记为低频信号。4.根据权利要求1所述基于机器学习的电源纹波噪声检测方法，其特征在于，所述根据每...

【专利技术属性】
技术研发人员：高永亮，高永明，陆雨，张锦飞，高俊霞，
申请(专利权)人：陕西威思曼高压电源股份有限公司，
类型：发明
国别省市：