汽车电磁干扰源识别方法

L
H
Y [X K ,0 , X K ,1 ... , X K ,2 K 1 ]
X K ,i 1
2 1 n h X M ,K ,i 1 X K ,i 1 n M 1


12
其中，n 为同一种干扰信号的测量次数， h 为容错系数，通常取 3~5， YM 为第 M 次测量所 得的干扰信号特征值。
2 电磁干扰信号测量
汽车内电器系统数量众多，位置放置密集， 这些系统正常工作时都由车载 12V/24V 蓄电池供 电[8]。各个系统产生的电磁干扰会通过蓄电池形 成公共电源阻抗耦合，造成一个系统产生的传导 干扰影响另一个系统。此外，一个系统导线的对 外辐射也会通过空间耦合到周围系统的线束上， 从而对周围系统产生干扰。所以当测量一个系统 产生的干扰时，必须要排除其他系统对该系统的 影响。 本文通过搭建独立的雨刮系统排除其他系 统对待测系统的传导和辐射干扰影响。实验测量 示意图如图 1 和图 2 所示。传导测量所采用的仪 器设备为：Agilent DSO7104B 模数混合示波器、 N2873A 无源电压探头、TDK 公司 T 系列环形铁 氧体和人工电源网络(LISN)。辐射所采用的仪器 设备为，ESCS30 EMI 接收机、HL562 接收天线 和同轴电缆。
K 1 K 1
(7)
(8)
3.2 特征提取
设原始信号分解到第 K 层的第 i-1 个频带的
170
其中， V c 代表传导干扰信号的标准特征向 量，频率范围（0.15 MHz-30 MHz） ； V r 代表辐 射 干 扰 信 号 的 标 准 特 征 向 量 ， 频 率 范 围 （ 30
汽车电磁干扰源识别方法
j 1 , 2 n j k j ,n
t R0
xk 1N源自2 K，i -1(5)
式（5）中 N 为采样点数， t 为采样时间间 隔， R0 为匹配阻抗， X K，i-1 为信号 S(K，i-1)对应 的小波系数，k=1,2， ． ． ．N。 当雨刮电机信号不同时，相应地在各频带的 能量上也有所反映，因此以各个频带对应的小波 包系数（重构信号 S(K,i-1)的幅值）的累积能量 为元素构造一个特征向量 W 来表征干扰信号， W [ E K ,0 , E ,K ,1 ... , E K ,2 1 ] 。此外，从分解得到的小
S
S(1,0) F=(0~f/2)
S(2,0) F=(0~f/4)
波包系数的特点可以看出，不同小波系数的波形 突变情况存在差异。将各小波包系数的采样点数 等分为 5 个区间，分别计算各个区间内的累积能 量 E K ,i 1,q ，由此定义每个频带上小波系数的突变 参数 为
K ,i -1
尺度 2
S(3,0)
S(3,1)
S(3,2)
S(3,3)
S(3,4)
S(3,5)
S(3,6)
S(3,7)
尺度 3
子带 1 ， F=(0~f/8)
. . . . . .
子带 8 ， F=(7f/8~f)
图 3 小波包分解原理示意图
c ,K ,2K 1 ] V c [ c ,K ,0 , c ,K ,1 ,...., V r ,K ,2K 1 ] V r [ r ,K ,0 , r ,K ,1 ,...., W L [ E L ,K ,0 , E L ,K ,1 ,....,E L ,K ,2 ] W W H [ E H ,K ,0 , E H ,K ,1 ,....,E H ,K ,2 ]
消耗型铁氧体
控制线
信号为 S(K,i-1)，i=1,2,3． ． ． ．2K，其小波包系数 为 C K , i -1 (k ) ( x(t ), WK ,i 1 (t - 2 i -1 k )) (4) 小波包系数 C K ,i 1 (k ) 包含了信号重构的所 有信息，定义该频带对应的小波包系数的累积能 量E 为
同轴电缆
图 2 雨刮电机系统辐射发射测量示意图
E K ,i -1
3 小波包分解及特征提取
3.1 小波包分析
小波包变换是一种非常精确的离散小波变 换，在时域和频域内都有较高的分辨率，通常在 很多领域被用来对信号进行时-频域分析。 通过小 波包变换能够将所关心的频率范围进行详细分 解。例如将一个信号在全频段内分解，采用矢量 分离法将每一尺度下的小波包系数分成两部分， 分解所需的双尺度方程为 W (t ) h(k )W (t-2 k ) (1)
电压探头
1 引言
随着科学技术的快速发展，汽车电子技术得 到了大量的应用，这使得车载电气电子设备越来 越多。而且随着设备工作频率的不断提高，汽车 的电磁兼容问题日益突出，如果车载设备之间缺 乏良好的电磁兼容性，严重时就会影响车辆的安 全运行。对车内众多电磁干扰信号进行有效模式 识别，可以进一步准确的了解和掌握车内电磁干 扰信号的特征[1-3]，对于分析整车电磁环境及电 磁干扰源的建模有着十分重要的意义。 目前针对电磁干扰源的识别思路主要是在 开阔场、屏蔽室或半波暗室中对电磁干扰测量分 析，再用一些常用的信号处理方法分析电磁干扰 源的特性及类型。研究的重点主要在两个方面： 一是电磁干扰的测量；二是信号的后处理。国内 外对电磁干扰源的测量与识别有较多研究，但是 针对汽车 EMI 源的测量与识别还未见报道。 小波包变换能够在时域和频域内准确的提 取非平稳信号的特征[4]，很适合检测信号中夹带 的瞬间反常现象并展示其成分[5]。本文从小波包 变换（WPT）对汽车雨刮系统电磁干扰信号分解
Y X K ,0 , X K ,1 ,...,X K ,2

K
1
Y
n L 1
M
n
(10) (11) (12)
4.2 分类别识别
假如输入特征向量满足标准特征向量 V r 的 容许误差， 按照 W 是否在 W L 的容许误差 W L 范 围内，把标准库中另一个特征向量 W 分为 W 和 W 两部分。 W 表示雨刮电机低速档干扰信号的 特征向量； W 表示雨刮电机高速档干扰信号的
max E K ,i 1,q 1 5 E K ,i 1,q 5 q 1

(6)
式（6）中 E K ,i 1,q 表示第(K,i-1)个频带上第 q 个区间的累积能量， q=1,2,3,4,5。以各频带上小 波系数的突变参数构造一个特征向量 V ， V [ K ,0 , ,K ,1 ... , K ,2 1 ] ，同样可以描述干扰信号
过程入手，提取信号各层小波包变换系数并计算 其累积能量参数[6]和突变参数，以此构建表征干 扰信号的特征向量；利用多样本求平均[7]的方法 建立干扰信号的标准特征库，根据容许误差的范 围来判断干扰信号所属的类型。研究结果表明基 于小波包变换和累积能量及突变参数法获得的 信号特征能够较好的应用于汽车电磁干扰信号 的识别。
5 实验验证
按照上述方法和步骤采用 sym 小波包分解并 提取汽车雨刮电机 EMI 信号特征向量并进行干 扰源类型识别。干扰源采用汽车雨刮电机低速档 传导干扰、低速档辐射干扰、高速档传导干扰及 高速档辐射干扰的实验数据，识别结果如图 5、 图 6 和图 7 所示。 从图 5 中可以看出分频段识别阶段，该方法 能量准确地识别出干扰信号所属的频率范围，能 够有效的将高频干扰信号和低频干扰信号分离 （即传导和辐射信号） ，这对分析干扰源特性有 着重要意义。但是无论在低频段或高频段，分频 段识别无法准确的将低速档信号和高速档信号 准确分离，说明突变参数在表征高速档信号和低
K
差 Vc 范围内， 把标准库中的特征向量 V 分为 V c 和 V r 两部分。 V c 表示低频段信号的特征向量， 即传导干扰频段 0.15 MHz-30 MHz； V r 表示高频 段信号的特征向量，即辐射干扰频段 30 MHz-1 GHz。如满足标准特征向量 V c 的容许误差，再进 行下一步分类别判别。如果不满足标准特征向量 V c 的容许误差，则计算比较 V 是否在 V r 的容许 误差 Vr 范围内， 如果也不满足标准特征向量 V r 的容许误差，说明该信号的特征向量不在识别范 围内，丢弃该信号；如果满足标准特征向量 V r 的 容许误差，则进行下一步分类别判别。
K
Wj1,2 n 1 (t ) k g (k )Wj ,n (t-2 j k )

(2)
上 式 中 h( k ) 和 g ( k ) 是 两 个 共 轭 滤 波 器 ， W1,0 (t ) 是尺度函数，W1,1 (t ) 是小波函数。 每一个节 点(j, n)的小波包系数(WPC)由时间序列 x(t ) 计算 得到，计算公式如下： C j,n (k ) ( x(t ), W j ,n (t - 2 j k )) (3) WPCC j ,n (k ) 包含了重构信号的全部信息， 以尺度 K 分解为例，采用小波包变换[11]将干扰 信号在全频段内分解成 K 层，形成等带宽的 2K 个频带，其中每个频带的宽度为 f/2K。其分解结 构如图 3 所示，S 代表干扰信号。
LISN
In1(ω)
电源线正极
蓄 电 池
In2(ω)≈0
电源线负极
In3(ω)≈0
消耗型铁氧体
控制线
图 1 雨刮电机系统传导干扰测量示意图
169
重庆市电机工程学会 2012 年学术会议论文
E1(ω) In1(ω) 蓄 电 池 In2(ω)≈0
电源线负极 接收天线 电源线正极
EMI 接收机
In3(ω)≈0
一种新型的双极性脉冲电流源
汽车电磁干扰源识别方法
汪泉弟，安宗裕，彭河蒙，杨永明
（重庆大学，输配电装备及系统安全与新技术国家重点实验室，重庆 400044）
摘要：车载电器设备的广泛应用，使得车内电磁环境变 得越来越复杂。对车内众多电磁干扰信号进行有效模式 识别，可以进一步准确地了解和掌握车内电磁干扰信号 的特性，对于分析整车电磁环境分析及电磁干扰源的建 模至关重要。文章以小波包对汽车雨刮电机干扰信号分 解入手，计算信号各层小波变换系数并提取其累积能量 参数和突变参数，以此构建表征干扰信号的特征向量， 采用多样本平均的方法建立特征参数的标准向量库，提 出先分频段再分类别的识别算法，对汽车实际存在的四 种干扰信号进行识别与分类，结果表明本文提出的方法 能够达到识别与分类汽车干扰源的目的。 关键字：汽车，电磁干扰，小波包，特征提取，模式识别