技术新讯 > 测量装置的制造及其应用技术 > 一种EMC的测试方法、测试装置和终端设备与流程  >  正文

一种EMC的测试方法、测试装置和终端设备与流程

  • 国知局
  • 2024-07-30 10:45:10

本发明属于电数字数据处理的,尤其涉及一种emc的测试方法、测试装置和终端设备。

背景技术:

1、emc测试,全称为电磁兼容性测试(electromagnetic compatibility testing),是评估电子设备在电磁环境中能够正常运行,并不会对其他设备产生不可接受的电磁干扰的一系列测试。电磁兼容性涉及两个主要方面:发射和辐射抗扰性。辐射抗扰性用于评估外部电磁场对设备的影响程度,确定设备在受到一定强度的电磁干扰时是否能维持正常工作。

2、故针对电子设备的emc设计显得尤为重要,emc(电磁兼容)设计是确保电子设备在其电磁环境中正常运行,并不干扰其他设备的关键。尽管emc设计至关重要,但也存在一些局限性和挑战。在传统技术中,对于emc设计的改进方向往往基于人为经验或不断试错得出,无法针对测试数据进行自动化分析,得出电磁设计缺陷。这是一个亟需解决技术问题。

技术实现思路

1、有鉴于此,本发明实施例提供了一种emc的测试方法、测试装置和终端设备,以解决对于emc设计的改进方向往往基于人为经验或不断试错得出,无法针对测试数据进行自动化分析,得出电磁设计缺陷的技术问题。

2、本发明实施例的第一方面提供了一种emc的测试方法,所述emc的测试方法包括:

3、获取被测设备在不同干扰强度和不同干扰持续时间下各自输出的异常信号;

4、提取所述异常信号的信噪比、误码率、干扰比、异常频率和恢复时长;

5、根据所述信噪比、所述误码率、所述干扰比和所述异常频率,计算第一异常指数;所述第一异常指数用于评估异常信号的异常程度;

6、将不同干扰强度和不同干扰持续时间各自对应的干扰强度、干扰持续时间、信噪比、误码率、干扰比、异常频率、恢复时长和第一异常指数,构建为特征矩阵;

7、基于聚类算法,匹配所述特征矩阵对应的目标电磁缺陷类型;所述目标电磁缺陷类型包括电路布局缺陷、电磁屏蔽缺陷、接地缺陷、滤波器缺陷和电源设计缺陷。

8、进一步地,所述根据所述信噪比、所述误码率、所述干扰比和所述异常频率,计算第一异常指数的步骤包括:

9、将所述信噪比、所述误码率、所述干扰比和所述异常频率代入公式一,得到所述第一异常指数;

10、所述公式一为:

11、

12、其中,ei表示所述第一异常指数,snr表示所述信噪比,ber表示所述误码率,ir表示所述干扰比,af表示所述异常频率。

13、进一步地,所述基于聚类算法,匹配所述特征矩阵对应的目标电磁缺陷类型的步骤包括:

14、获取多个预存的目标聚类中心;

15、计算所述特征矩阵与所述目标聚类中心之间的第一相似度;

16、按照第一相似度的大小,提取前n个第一相似度对应的当前目标聚类中心;所述前n个包括前2个或前3个;

17、获取所述当前目标聚类中心对应的多个子聚类中心;

18、计算所述特征矩阵与所述子聚类中心之间的第二相似度;

19、获取最大第二相似度对应的当前子聚类中心对应的初始电磁缺陷类型;

20、获取所述当前子聚类中心对应的多个聚类样本数据中的第二异常指数;

21、计算所述第一异常指数与所述多个第二异常指数之间的差异评分;

22、若所述差异评分小于阈值,则将所述初始电磁缺陷类型作为所述目标电磁缺陷类型。

23、进一步地,所述计算所述第一异常指数与所述多个第二异常指数之间的差异评分的步骤包括:

24、将所述第一异常指数与所述多个第二异常指数代入公式二,得到所述差异评分;

25、所述公式二为:

26、

27、其中,s′表示所述差异评分,a表示所述第一异常指数,bi表示第i个所述第二异常指数,d(a,bi)表示差异度量函数,所述差异度量函数用于计算第一异常指数与第二异常指数之间的第一距离,max(d(a,bi))表示差异度量函数的计算结果中的最大值,min(d(a,bi))表示差异度量函数的计算结果中的最小值,wi表示第i个训练样本数据的权重,n表示所述第二异常指数的数量,α表示调整系数。

28、进一步地,在所述获取多个预存的目标聚类中心的步骤之前,还包括:

29、获取多个样本电磁缺陷类型以及多个样本电磁缺陷类型各自对应的多个训练样本数据;

30、在每个样本电磁缺陷类型对应的多个训练样本数据中随机选择预设数量的第一聚类中心;

31、分别计算多个训练样本数据与多个所述第一聚类中心之间的第二距离;

32、根据所述第二距离,将多个训练样本数据分配至距离最近的第一聚类中心,得到多个聚类簇;

33、计算所述聚类簇中多个训练样本数据在每个数据维度上的均值,并将每个维度的均值作为第二聚类中心;

34、将所述第一聚类中心更新为所述第二聚类中心,循环执行所述分别计算多个训练样本数据与多个所述第一聚类中心之间的第二距离的步骤以及后续步骤,直至达到预设迭代次数,得到第三聚类中心;

35、将每个样本电磁缺陷类型对应的多个第三聚类中心在每个数据维度上的均值,作为所述目标聚类中心。

36、进一步地,在所述将每个样本电磁缺陷类型对应的多个第三聚类中心在每个数据维度上的均值,作为所述目标聚类中心的步骤之后,还包括:

37、获取第三聚类中心对应的聚类簇;

38、计算聚类簇中每个训练样本数据与第三聚类中心的第三距离;

39、将多个第三距离进行归一化处理,得到每个训练样本数据对应的权重;所述权重用于计算差异评分。

40、本发明实施例的第二方面提供了一种emc的测试装置,包括:

41、获取单元,用于获取被测设备在不同干扰强度和不同干扰持续时间下各自输出的异常信号;

42、提取单元,用于提取所述异常信号的信噪比、误码率、干扰比、异常频率和恢复时长;

43、计算单元,用于根据所述信噪比、所述误码率、所述干扰比和所述异常频率,计算第一异常指数;所述第一异常指数用于评估异常信号的异常程度;

44、构建单元,用于将不同干扰强度和不同干扰持续时间各自对应的干扰强度、干扰持续时间、信噪比、误码率、干扰比、异常频率、恢复时长和第一异常指数,构建为特征矩阵;

45、匹配单元,用于基于聚类算法,匹配所述特征矩阵对应的目标电磁缺陷类型;所述目标电磁缺陷类型包括电路布局缺陷、电磁屏蔽缺陷、接地缺陷、滤波器缺陷和电源设计缺陷。

46、进一步地,所述匹配单元具体用于:

47、获取多个预存的目标聚类中心;

48、计算所述特征矩阵与所述目标聚类中心之间的第一相似度;

49、按照第一相似度的大小,提取前n个第一相似度对应的当前目标聚类中心;所述前n个包括前2个或前3个;

50、获取所述当前目标聚类中心对应的多个子聚类中心;

51、计算所述特征矩阵与所述子聚类中心之间的第二相似度;

52、获取最大第二相似度对应的当前子聚类中心对应的初始电磁缺陷类型;

53、获取所述当前子聚类中心对应的多个聚类样本数据中的第二异常指数;

54、计算所述第一异常指数与所述多个第二异常指数之间的差异评分;

55、若所述差异评分小于阈值,则将所述初始电磁缺陷类型作为所述目标电磁缺陷类型。

56、本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。

57、本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。

58、本发明实施例与现有技术相比存在的有益效果是:通过获取和分析被测设备在不同电磁干扰条件下的输出异常信号,进一步提取关键性能指标如信噪比、误码率、干扰比、异常频率及恢复时长等,使得对异常信号的评估更加客观和精确。通过计算得出的第一异常指数,能够量化异常信号的异常程度,为后续的故障分析和优化提供了依据。利用构建的特征矩阵,结合聚类算法,本方案能够自动匹配并识别出多种目标电磁缺陷类型,如电路布局缺陷、电磁屏蔽缺陷、接地缺陷、滤波器缺陷及电源设计缺陷,从而大幅度提高了电磁设计的诊断效率和准确性,减少了依赖于经验和试错的传统方法。

本文地址:https://www.jishuxx.com/zhuanli/20240730/154109.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。