基于广义互相关与混沌序列预测集成算法的微瞬态电磁辐射信号检测方法

张 悦 刘尚合 刘卫东



基于广义互相关与混沌序列预测集成算法的微瞬态电磁辐射信号检测方法

张 悦*刘尚合 刘卫东

(军械工程学院静电与电磁防护研究所 石家庄 050003)

该文以研究微弱瞬态电磁辐射信号的探测手段为目的，提出广义互相关与混沌序列预测相集成的检测算法。基于双天线测试和互相关信息估计方法，将低信噪比条件下非周期微弱放电信号的检测问题转化为周期性时延参数的估计问题，同时降低了噪声水平。基于混沌预测方法对其估计结果进行预测，得到的误差均值即为目标信号检测结果。通过仿真与实验分析对该方法的可行性进行了检验，结果表明：在低信噪比条件下利用集成方法可有效抑制噪声干扰的影响，相对于传统互相关估计法或混沌预测法而言，对微弱瞬态电磁辐射信号具有较高的检测概率，且需要的脉冲积累次数较少，提高了检测效率，比较适合用于微弱电磁辐射源的远距离探测。

信号检测；瞬态电磁辐射；微弱信号；广义互相关；混沌

1 引言

瞬态电磁辐射信号蕴含了大量能反映辐射源特征的相关信息，通过对此类信号的探测和处理，可以获取瞬态电磁辐射源的空间位置、运动状态及其所属类型等丰富信息。在航空领域，空中飞行体与空间粒子撞击摩擦而产生的沉积静电放电会产生较强的瞬态电磁辐射，研究飞行体产生的瞬态电磁辐射信号的探测技术可以为空中目标监测、飞行故障诊断等研究开辟一条新途径。在电力系统等领域，高压变电站和输电线路中产生的局部放电不仅会带来严重的电磁干扰和电磁危害，同时还蕴含了大量能反映电力系统潜在故障等方面的特征信息。目前，利用该信号对于电力系统的故障预警、故障点定位以及故障类型识别等方面已有大量的研究工作。但实际工程应用中，空间电磁环境十分复杂，被检测目标的探测距离很远(空中飞行体)或是电力系统庞大、结构复杂，不宜接触式故障监测的情况时，此类信号检测就变成了强噪声背景下微弱瞬态信号的检测问题[5,6]。目前，比较成熟的弱瞬态信号检测技术主要有小波去噪法、自适应数字滤波法、傅里叶频域变换法等，所能达到的最低检测信噪比大约在-10 dB左右[7]。混沌序列预测算法[8,9]、Duffing混沌振子同步差值检测法[10,11]、小波奇异值分解检测法[12,13]是近年来发展起来的比较新的微信号检测算法，对已知频谱的目标信号具有较高的检测性能，检测信噪比低于-25 dB。

本文所研究的瞬态电磁辐射信号是一种静电放电信号。不同于我们经常处理的瞬态方波、三角脉冲及窄带周期信号，其放电时间短，脉宽在微秒甚至纳秒量级，频谱分布很宽从几十kHz至几个GHz，同时具有比较明显的非平稳性、随机性和非周期性等特征[14,15]，因此在未知放电频次，未知频谱分布的情况下，利用上述方法进行弱放电信号的盲提取是很困难的。本文提出基于广义互相关与混沌序列预测的集成算法，利用双天线接收两路时差信号，通过广义互相关得到目标信号相关时延估计，将低信噪比条件下非周期微弱放电信号的检测问题转化为周期性时延参数的估计问题，然后通过混沌预测法检测时延估计中的瞬态波动，最后通过时域积累增加目标信号的时间增益，进一步提升测试系统对微弱局部放电源的探测能力。

2 检测原理

检测原理如图1所示。利用两个处于不同位置的接收天线组成双通道测试系统对目标信号同时进行测试，实测信号分别为和。则有

两路测试信号经高速采集卡采集、存储。通过互相关算法计算出两路信号的相关估计值。当实测信号信噪比较高时，时延参数很容易检测出来，相关估计值序列的最大峰位置即为待检信号时延位置。考虑到复杂电磁环境对低信噪比检测方法的需求，本文集成了混沌序列预测算法，对广义互相关结果进行误差检测，经次时域累加后，待检信号时延处的瞬态峰值得到凸显，设定检测阈值判断目标信号的有无。

图1 广义互相关与混沌序列预测的集成算法流程图

2.1 广义互相关算法

来自同一辐射源的信号存在相关性，计算两天线接收的同一信号源信号间的相关函数，估算辐射源到达两天线的时间差[16]，以此作为目标信号有无的判据。实际操作过程中受窄带周期声干扰以及待检信号传播过程中反射、折射发生波形转换等因素的影响，相关函数的最大峰被弱化，因此采用抗噪能力强的加权函数广义互相关算法[17]。对和进行傅里叶变换，对其结果和进行互功率谱计算：

为锐化峰值，需要对功率谱函数分配各频点权重，通过频域加权提高信噪比。对加权后的功率谱序列进行傅里叶逆变换，即得到两输入信号的广义互相关结果。

2.2 混沌序列预测

为减少训练与检测时间，选用BP或RBF神经网络，神经网络模型函数设为

3 仿真分析

本文研究的瞬态电磁辐射信号是一种静电放电信号。飞行体飞行时其飞机侧翼及尾翼主要以电晕放电的形式泄放电荷，穿云或遇恶劣天气时会产生火花放电，大型电力系统故障产生的静电放电也主要以电晕和火花放电为主。因此文中广义互相关与混沌序列预测集成算法的研究对象主要针对这两种放电形式展开。二者的时域波形服从指数衰减振荡分布[19]，火花放电频谱比电晕放电宽，一般能达到2个GHz，且携带巨大的能量，相对容易探测。因此仿真实验以能量相对较弱，频带相对较窄的电晕放电为目标信号，以飞行器尾翼放电刷的电晕放电为例。为方便仿真实验，拟采用双指数衰减振荡方程模拟电晕放电信号，其典型的远场辐射场时域波形如图2(a)所示。图2(a)模拟来自同一放电源的时延信号s1和s2，其采样频率设置为1 GHz，单次采样时长为1 μs，单次采样点为1000个。生成数个等采样时长的待检信号模拟连续采样过程，且放电位置随机，放电时延固定为=0.4 μs。为模拟实际测试环境中背景噪声干扰对实测信号的影响，分别给s1和s2添加信噪比为-10 dB的高斯白噪声形成信号sn1和sn2，结果如图2(b)所示。

对图2(a)中加噪前与加不同水平的高斯白噪声后的时延信号进行广义互相关估计，结果如图3所示。图3(a)为未加噪时s1和s2的一次广义互相关估计结果，图中0.4 μs处的对称脉冲尖峰为两信号的时延估计，可由此判断信号的存在。加高斯白噪声，使信噪比降低至-10 dB，经广义互相关估计，并对100次随机延迟信号的估计结果进行均值计算，结果如图3(b)所示，可见在信噪比为-10 dB时相关峰值凸显，几乎不受噪声的影响。继续降低信噪比至-25 dB，对互相关估计结果分别进行均值运算，数据样本量分别为100和2000，结果如图3(c), 3(d)所示。对比两图可以看出，受噪声干扰的影响，=100时没有明显的脉冲峰值，增大到2000后，放电信号时延参数的脉冲峰值较明显，但波形关于峰峰值对称的特性被淹没。从实际工程测试的角度出发，数据样本量越多系统工作时间越长，效率越低，且当目标信号辐射频次较低时，过多次的叠加信号会削弱目标信号，不利于目标的确定。

图2 电晕放电时域波形，

图3 广义互相关与累加运算检测结果

本文提出的集成算法能很好地解决上述问题，选用Lorenz混沌动力学系统，其动力学方程为

从图4(a)中可以看出，目标信号的误差序列关于峰值对称，可以此作为后期目标信号识别的一个特征参量。对时延信号加信噪比至-25 dB的高斯白噪声后，经集成算法处理后，并对100次随机延迟信号的预测误差进行均值计算得到检测结果图4(b)。对比图3(b)与4(b)可见，集成算法明显优于单一广义互相关估计法，只需要100组采样数据，就能很轻松的将目标信号检测出来，能有效节省检测时间提高检测的效率。继续增加噪声水平，当信噪比为-40 dB时，=100已无法直接判断放电信号存在，见图4(c)，增加M至2000，得到检测结果如图4(d)，可见当信噪比很低的情况下，通过多次累加运算仍然能将目标信号检测出来，但此时对称效果已经被噪声覆盖。

量化图中的统计结果，见表1。检测概率定义准确值总数与样本总数的比值。在500次的仿真实验中，集成算法的检测准确值共有471个，检测概率为94.2%。广义互相关估计法的检测概率为82.4%；而混沌预测法的准确率只有62.2%。增加对比项，降低集成算法的累加次数至200次，仿真得到其检测概率仍能达到80.8%。可见在低信噪比条件下利用集成方法可有效抑制噪声干扰的影响，相对于单一互相关估计法或混沌预测法而言具有较高的检测概率，且需要的脉冲积累次数的较少，提高了检测效率。在实际工程应用中可根据实际情况增加累积次数，通过多样本均值计算，可以显著提高放电信号时延估计结果的准确性。

图4 集成算法检测结果

图5 脉冲的Monte-Carlo仿真结果

表1 3种检测算法性能对比

4 实验

下面通过实验测试进一步检验集成算法在实际静电放电源探测应用中的可行性。本次实验测试设置如图6所示，信号发生系统由一高压塔和放电极组成。高压塔由直流高压源充电，最高输出电压可达300 kV。放电极为金属导体，其结构与飞机机翼上的放电刷结构相同，通过高压塔给放电刷加直流高压。当达到一定电位时，放电极产生放电信号，随着电压加载强度的升高，放电极会分别产生电晕和火花放电两种类型的放电，以此模拟飞机飞行过程中机翼或尾翼放电刷的放电过程或电力系统中的局部放电。利用双路接收天线获取放电辐射信号，接收信号经滤波、噪声抑制以及前置放大等处理，传输至数据采集与处理终端进行数据保存和信号分析、检测。采用工作频段在30 MHz至1 GHz的对数周期天线，两天线距离设置为6 m，通过具有相同长度的同轴电缆与高速数据采集存储系统相连。

图6 实验测试设置

将探测距离调节至25 m，探测距离即为放电源距前端天线的距离。此时得到的双路放电信号的归一化时延检测结果如图7(a)所示。数据样本量=1，从中提取的时延估计值为19.6 ns，据此计算得到的2个接收天线之间的距离约为5.88 m，与实际测量值6 m相比虽然存在一定误差，但考虑到信号采样频率限制、距离测量误差等方面因素的影响，该误差在可接受范围内。将放电源拉远至500 m处，此时有用信号完全被背景淹没，放电参数保持不变，设置数据样本量=2000，得到预测误差结果见图7(b)。提取其时延估计值为19.6 ns，与图7(a)实测值一致，且多样本均值运算得到的实验峰值要比单次检测结果更加明显。

图7 实验测试放电信号检测结果

同时，为测量检测算法对实测放电信号的检测概率，对实测数据进行M-C统计。设置探测距离为500 m；放电源电压分5组进行加载，分别为+30 kV, +35 kV, +40 kV, +45 kV, +50 kV；数据样本量=2000；每组实验进行500次时延参数提取，设定时延参数误差在1 ns内为准确值，否则为误判。得到集成检测算法对实测放电信号检测概率的M-C统计结果，如表2所示。

表2 不同加载电压情况下集成算法检测概率

可见集成算法能有效提取双路目标信号的时延参数，且随着加载电压的升高，检测概率随之增加至100%，这是由于临近+50kV时放电信号中包含大量火花放电，该类信号强度远高于电晕放电，因此集成算法同时适用于火花放电的检测。加载+30 kV时，电晕放电较弱，且放电尖端累积电荷时间长，放电频次低，导致预测误差均值运算中放电信号有用信息较背景信号少，因此对检测概率有影响，但也能达到91.4%，能满足实际工程检测的需要。可见在低信噪比条件下，通过脉冲积累依然可以获得准确的时延估计结果，在此基础上结合时差定位系统就可以实现其对微弱局部放电源的探测定位。

5 结论

针对复杂电磁环境下微弱瞬态电磁辐射信号的检测问题，本文提出利用双天线测试系统，广义互相关估计和混沌序列预测的集成算法，将低信噪比条件下非周期微弱放电信号的检测问题转化为周期性时延参数的估计问题，对其估计结果进行混沌序列预测，将得到的误差结果进行多次累加得到目标信号检测结果，使得该方法也可拓展应用于对瞬态放电信号的探测和定位中。通过仿真及实验分析对该方法的可行性进行了检验，结果表明：在低信噪比条件下利用集成方法可有效抑制噪声干扰的影响，相对于单一互相关估计法或混沌预测法而言，对微弱瞬态电磁辐射信号具有较高的检测概率，且需要的脉冲积累次数较少，提高了检测效率，比较适合用于对微弱电磁辐射源进行远距离探测。

[1] 姚陈果, 周电波, 陈攀, 等. 采用超高频法监测变电站设备局放水平及其早期预警[J]. 高电压技术, 2011, 37(7): 1670-1676.

Yao Chen-guo, Zhou Dian-bo, Chen Pan,.. UHF-based monitoring for equipment PD within the substation and early warning[J]., 2011, 37(7): 1670-1676.

[2] Henao H, Capolino G A, Fernandez-Cabanas M,.. Trends in fault diagnosis for electrical machines: a review of diagnostic techniques[J]., 2014, 2(8): 31-42.

[3] 唐志国, 李成榕, 黄兴泉, 等. 基于辐射电磁波检测的电力变压器局部放电定位研究[J]. 中国电机工程学报, 2006, 26(3): 96-101.

Tang Zhi-guo, Li Cheng-rong, Huang Xing-quan,.. Study of partial discharge location in power transformer based on the detection of electromagnetic waves [J]., 2006, 26(3): 96-101.

[4] Lopez-Roldan J, Tang T, and Gaskin M. Optimisation of a sensor for onsite detection of partial discharges in power transformers by the UHF method[J].2008, 15(6): 1634-1639.

[5] 侯慧娟, 盛戈嗥, 苗培青, 等. 基于超高频电磁波的变电站局部放电空间定位[J]. 高电压技术, 2012, 38(6): 1334-1340.

Hou Hui-juan, Sheng Ge-hao, Miao Pei-qing,.. Partial discharge location based on radio frequency antenna array in substation[J]., 2012, 38(6): 1334-1340.

[6] Portugues I E, Moore P J, Glover I A,.. RF-based partial discharge early warning system for air-insulated substations [J]., 2009, 24(1): 20-29.

[7] 吴勇峰, 黄绍平, 金国彬. 基于耦合Duffing 振子的局部放电信号检测方法研究[J]. 物理学报, 2013, 62(13): 1305051-1305058.

Wu Yong-feng, Huang Shao-ping, and Jin Guo-bin. Study on partial discharge by coupled Duffing oscillators[J]., 2013, 62(13): 1305051-1305058.

[8] Li Y and Yang B. Chaotic system for the detection of periodic signals under the background of strong noise[J]., 2003, 48(5): 508-510.

[9] 行鸿彦, 程艳燕, 徐伟. 基于广义窗函数和最小二乘支持向量机的混沌背景下微弱信号检测[J]. 物理学报, 2012, 61(10): 100506-1-100506-10.

Xing Hong-yan, Cheng Yan-yan, and Xu Wei. Detection of weak target signal withleast-squares support vector machine and generalized embedding windows under chaotic background[J]., 2012, 61(10): 100506-1-100506-10.

[10] 吴勇峰, 张世平, 孙金玮. 脉冲激励下环形耦合 Duffing 振子间的瞬态同步突变现象[J]. 物理学报, 2011, 60(10): 100509-1-100509-8.

Wu Yong-feng, Zhang Shi-ping, and Sun Jin-wei. Transient synchronization mutation of ring coupled Duffing oscillators driven by pulse signal[J]., 2011, 60(10): 100509-1-100509-8.

[11] Wang G, Zheng W, and He S. Estimation of amplitude and phase of a weak signal by using the property of sensitive dependence on initial conditions of a nonlinear oscillator[J]., 2002, 82(1): 103-115.

[12] 徐彦凯, 双凯. 自适应奇异值分解瞬变信号检测研究[J].电子与信息学报, 2014, 36(3): 583-588.

勘探开发一体化是精细勘探有别于常规勘探思路的一个重要方面，井位部署中必须以此为原则，统一考虑探井和开发井的位置，为下一步开发做准备。通过反复论证，将探井、开发井和水井纳入同一个井网系统。根据低渗油田的开发经验，参考临区开发方案，本区井网方式采用五点法不规则面积注水井网。探井和开发准备井采用放大的五点法，即800×566m井距，两口相邻探井、两口相邻的开发准备井之间井距为800m，探井和开发准备井之间井距为566m。根据上述部署方案，试验区内共部署探井9口，开发准备井6口。初步预测成熟区内下步开发总井数为50口，其中油井35口，注水井15口，利用老井7口，新钻井43口。

Xu Yan-kai, and Shuang Kai. Detection of transient signal based on adaptive singular value decomposition[J].&, 2014, 36(3): 583-588.

[13] 徐彦凯, 双凯. 小波奇异值分解的瞬变弱信号检测[J]. 中国石油大学学报(自然科学版), 2014, 38(3): 181-185.

Xu Yan-kai and Shuang Kai. Detection of transient weak signal based on wavelet transform and singular value decomposition[J].(), 2014, 38(3): 181-185.

[14] 胡小锋, 刘尚合, 王雷, 等. 尖端导体电晕放电辐射场的计算与实验[J]. 高电压技术, 2012, 38(9): 2266-2272.

Hu Xiao-feng, Liu Shang-he, Wang Lei,.. Calculation and experiment of radiation fields from tip corona discharge[J]., 2012, 38(9): 2266-2272.

[15] 朱利, 刘尚合, 张悦, 等. 高灵敏度电晕放电辐射信号探测方案[J]. 强激光与粒子束, 2014, 26(3): 033201-1-033201-6.

Zhu Li, Liu Shang-he, Zhang Yue,.. High sensitivity detection scheme for corona discharge radiation signal[J]., 2014, 26(3): 033201-1-033201-6.

Luo Yong-jiang, Tang Jian-long, Zhao Guo-qing,.. Estimation of TDOA for locationg noise-frequency modulation jammer in passive system[J].&, 2009, 31(5): 1117-1121.

[17] 金中薇, 姜明顺, 隋青美, 等. 基于广义互相关时延估计估计算法的声发射定位技术[J]. 传感技术学报, 2013, 26(11): 1513-1518.

Jin Zhong-wei, Jiang Ming-shun, Sui Qing-mei,.. Acoustic emission localization technique based on generalized cross-correlation time difference estimation algorithm[J]., 2013, 26(11): 1513-1518.

[18] Takens F. Detecting Strange Attractor in Turbulence[M]. Warwick: Dynamical Systems and Turbulence, 1981: 366-381.

[19] IEC 61000-4-2. Electromagnetic Compatibility(EMC)-Part 4-2: Testing and measurement techniques-electrostatic discharge immunity test[S]. 2002.

张 悦： 女，1988年生，博士生，研究方向为静电理论与防护.

Detection of Weak Transient Electromagnetic Signals Based on Generalized Cross Correlation and Chaotic Time Series Prediction Integrate Algorithm

Zhang Yue Liu Shang-he Liu Wei-dong

(,,050003,)

To investigate the remote detecting approaches of weak transient electromagnetic signals, the detecting method based on the general cross correlation and chaotic time series prediction integrate algorithm is proposed. Based on the double antennas test and cross correlation information estimation, the signal detection of weak non-periodic discharge signal in low Signal to Noise Ratio (SNR) is transformed to the estimation of periodic time- delay parameters, which decreases the level of noise simultaneously. The results of estimation are predicted based on chaotic predicting method, and the mean value of predicting error is the detection results of target signal. The feasibility of the approach is analyzed by simulating and experimental method. The results show that in the low SNR, the integration method can effectively restrain the interference from noise. Compared with the traditional cross correlation method or chaotic prediction algorithm, the detecting probability is higher for weak transient electromagnetic signals. Furthermore, the pulse integrating algorithm needs the less accumulation times, and its detecting efficiency increases. Hence, the proposed integrate algorithm is suitable for remote detection of partial discharge source.

Signal detection; Transient electromagnetic; Weak signal; Generalized cross correlation; Chaos

TM937

A

1009-5896(2015)11-2769-07

10.11999/JEIT 150306

2015-03-13；改回日期：2015-06-12；

2015-07-27

张悦 L_forty@163.com

国家自然科学基金(61172035)

刘尚合： 男，1937年生，教授，博士生导师，研究方向为静电与电磁防护理论与技术、主要从事静电放电和电磁兼容测试研究.

刘卫东： 男，1983年生，讲师，研究方向为静电放电和电磁兼容测试.

The National Natural Science Foundation of China (61172035)