面向电磁干扰的高频开关电源信号去噪方法

摘 要：为对信号进行去噪处理，本文研究了面向电磁干扰的高频开关电源信号去噪方法。首先，分析信号频谱，根据电磁干扰条件下信号的辐射特性和传播特性计算高频开关电源信号能量。其次，将白噪声引到原始信号中，利用EMD多次迭代分解，集成平均消除白噪声，得到本征模态函数（IMF）分量，对信号进行EEMD分解。最后，采用独立成分分析法，从多元信号中分离出统计上独立的非高斯源信号，进行信号去噪处理。对比试验结果表明，应用设计方法进行高频开关电源信号的去噪处理可以有效去除峰值点与多个时序点的噪声信息，满足实际应用需求。

关键词：电磁干扰；EEMD分解；去噪方法；ICA自然梯度法；高频开关电源

中图分类号：TN 911 " " 文献标志码：A

高频开关电源在其工作过程中产生的高频通断、磁性元件的磁通变化以及高频变压器的磁场耦合等问题会导致严重的电磁干扰（EMI）问题。蒋智伟等[1]通过遗传算法（GA）优化VMD参数，以提高信号分解的准确性并优化去噪效果。但是VMD和GA相结合增加了算法的复杂度，可能导致计算量较大，影响实时处理的性能。同时，算法参数的选择和优化范围对结果有显著影响，需要对自适应地确定最优参数组合做进一步研究。夏焰坤[2]引入改进鲸鱼优化，根据多尺度排列熵-方差贡献率最优模态分量选取原则去除信号中的噪声分量。但是IWOA算法的优化过程较复杂，限制了其在实时监控系统中的应用。针对现有方法的不足，本文将进行面向电磁干扰的高频开关电源信号去噪方法研究。

1 面向电磁干扰的高频开关电源信号能量计算

信号能量是指信号在其持续时间内所具有的能量的总和，信号能量大小与信号幅度、频率、传播距离以及传播介质等因素有关。对高频开关电源来说，其输出信号中包括较多的谐波成分，在传播过程中可能引发电磁干扰。

信号能量计算通常基于信号的功率和持续时间。在高频开关电源的输出信号中，需要重点关注信号的频谱特性和电磁辐射特性，因此，计算信号能量前需要对信号频谱进行分析。计算过程如公式（1）所示。

（1）

式中：e为高频开关电源信号频谱值；p（t）为采样时刻点为t的信号瞬时功率，其中p为信号的瞬时功率，t为信号的采样时刻点；（t1-t2）为第一次数据采样与第二次数据采样的时刻点间隔时长。

利用公式（2）计算数字信号或离散时间信号频谱密度。

E=S（f）+e∙k（t） " " " " " （2）

式中：E为高频开关电源信号频谱密度；S（f）为密度为f的信号离散化程度，其中S为信号离散化程度，f为密度函数；e为高频开关电源信号频谱值；k（t）为采样时刻点为t的各频率分量能量。

在完成上述计算后，需要考虑在电磁干扰条件下信号的辐射特性和传播特性。通常情况下，高频开关电源在其工作过程中会产生电磁辐射，辐射经过空间传播并对周围环境造成干扰[3]。因此，可以根据上述公式的计算结果，并结合电磁干扰条件下辐射信号的方向进行信号辐射的计算。计算中，使用远场辐射功率密度描述信号的辐射特性，利用积分远场辐射功率密度在整个空间的分布可以得到信号的辐射能量，计算过程如公式（3）所示。

（3）

式中：E'为高频开关电源信号辐射能量；E（i）为电磁干扰频率为i的开关电源信号辐射能量，其中i为电磁干扰频率；γ为电磁干扰条件下辐射信号的方向；T为信号的长度。

通过上述方式，完成面向电磁干扰的信号高频开关电源信号能量计算。

2 信号EEMD分解

完成信号能量的计算后，引进EEMD（集合经验模态分解技术），进行信号分解处理，这项技术适用于处理非线性、非平稳的信号[4]。在处理过程中，将白噪声引入原始信号中，并利用EMD（经验模态分解）的多次迭代分解，集成平均消除白噪声的影响，从而得到更加稳定、准确的IMF分量。在处理过程中，向原始信号中多次添加均匀分布的白噪声，得到一系列带噪声信号，计算过程如公式（4）所示。

X（E'）=X（t）+ni（t） " " " " （4）

式中：X（E'）为带噪声信号；X（t）为原始信号；ni（t）为空间中具有均布特征的白噪声。

完成上述处理后，对X（E'）进行经验模态分解处理，旨在将复杂的信号分解为一系列简单、具有物理意义的成分，即IMF和一个残余项。

模态分解的核心是逐步从信号中提取出满足特定条件的分量。每个分量都需要保证整个数据集中极值点（包括局部极大值和局部极小值）的数量与过零点的数量必须相等或最多相差一个，从而保证信号本体模态波形具有类似谐波函数的对称性，使信号具有模态函数的特性。在分解中，识别信号所有局部极值点，通过3次样条插值构造出上包络线和下包络线。包络线构造方式如公式（5）所示。

（5）

式中：L为包络线，结果包括正值与负值，其中正值为上包络线，负值为下包络线；x（y）为样条插值的极小点，其中x为样条插值，y为极小值点；X（E'）为带噪声信号；α为谐波函数。

计算上包络线、下包络线的中值（均值），在带噪声信号X中进行包络线均值处理，得到高频开关电源信号的第一个分量。计算过程分别如公式（6）、公式（7）所示。

（6）

h1（t）=Xi（t）-m1（t）∙χ " "（7）

式中：m1（t）为包络线的均值；L（t）、U（t）分别为t时刻上、下包络线的值；h1（t）为高频开关电源信号的第一个分量；Xi（t）为空间中具有均电源信号均值；χ为停止准则。

如果h1（t）满足本征模态函数的训练条件，就将其视为第一个信号分量；否则，将h1（t）视为新的信号，重复上述过程，直到满足条件为止。在此基础上，从原始信号中减去已提取的本征模态特征，对剩余信号重复上述步骤，直到剩余信号成为单调函数或满足停止准则[5]。利用此过程，每个携带噪声的信号都被分解为一系列IMF（代表信号在不同时间尺度上的特征）和一个残余项，计算过程如公式（8）所示。

（8）

式中：K为分解后的信号；H（a）为激活函数a下的时间尺度，其中H为时间尺度，a为激活函数；δ为残余项。

按照上述方式，完成高频开关电源信号的EEMD分解处理。

3 基于ICA自然梯度法的信号去噪处理

完成信号的EEMD分解后，为了进一步去除信号中的噪声成分，可以采用独立成分分析（ICA）方法，基于自然梯度法的ICA法，从多元信号中分离出统计上独立的非高斯源信号，对信号进行去噪处理，由此从原始信号中分离出噪声成分和价值信号成分。ICA假设观测到的混合信号是由若干个统计上相互独立的源信号通过未知的混合矩阵线性组合而成的，此时的信号表达式如公式（9）所示。

Z=K∙A " " （9）

式中：Z为由混合矩阵线性组合而成的源信号；A为源信号数量。

ICA的目的是找到一个解混矩阵，使估计的源信号向量尽可能接近真实的源信号。解混矩阵如公式（10）所示。

（10）

式中：W为解混矩阵；Y（t）为非线性函数；η为学习率。

由上述计算可知，与传统的梯度下降法不同，自然梯度法考虑了参数空间的几何结构，因此在部分情况下可以更快地收敛到最优解。在ICA的上、下文中，自然梯度法通常用于最小化一个对比函数（例如负熵或互信息），这个函数衡量了输出信号的非高斯性，非高斯性越强，说明信号越独立。在这个过程中，可以根据信号的对比函数，利用自然梯度法的更新规则调整解混矩阵，进行信号非高斯性计算，计算过程如公式（11）所示。

（11）

式中：I为信号的非高斯性；κ为对角矩阵；φ为解混系数。

重复上述步骤，利用ICA分解对噪声信号进行分离，基于ICA自然梯度法进行信号去噪处理。

4 对比试验

噪声问题在高频开关电源领域尤为突出，这种现象不仅影响电源本身的能效与稳定性，还与干扰网类似，对周围精密电子设备构成威胁，导致数据传输误差激增，系统整体性能显著下滑，甚至可能触发安全事故[6-8]。鉴于此，本文研究了一种高效的电磁干扰抑制与信号去噪技术，旨在从源头削弱甚至消除噪声带来的不利影响。为验证此方法在实际中的应用效果与可行性，本文将位于关键区域的大型输配电站作为试验基地。该电站负责区域电力供应，需要不间断的电力保障。高频开关电源是其不间断电源系统（UPS）的核心，在突发停电情况下需要迅速切换并持续供电。因此，在此环境下进行测试，不仅能够真实反映去噪技术在实际工况下的表现，还能直接评估其对提升电力系统整体稳定性和可靠性的贡献。利用精细的数据采集与分析，为高频开关电源的去噪技术提供坚实的数据支撑，推动该技术应用于更广泛的领域。大型输配电站市场运营现状见表1。

该单位开关电源的高频噪声通常＞5 MHz，信号中携带的成分较复杂，经过技术科与有关单位的鉴定，信号中不仅包括原始的MOSFET开关噪声，还存在大量的白噪声、外部信号干扰等。实际测试数据显示，高频开关电源在满载运行过程中的输出噪声电压为输出电压的1%左右，即对于12 V输出电源，噪声电压可能高达120 mV，严重影响了电源的稳定性和信号质量。

尽管此单位采用了低通滤波器和多种滤波电容（陶瓷电容和铝电解电容），但是在部分频段内，滤波效果仍难以达到预期。由技术部门统计的数据可知，在10 MHz频段，滤波后的噪声电压仅降低约20%，远未达到理想中的降噪效果。

针对现有问题，本文将某高频开关电源作为研究对象，分析其运行中的技术参数，相关内容见表2。

掌握试验对象的基本情况后，引入文献[1]提出的基于VMD-ESSA的信号去噪方法和文献[2]提出的基于IWOA-VMD的信号去噪方法，将二者作为对照组。同时应用对照组方法、本文方法进行高频开关电源信号去噪处理。去噪结果如图1～图3所示。

从图1可以看出，应用本文方法进行高频开关电源信号去噪处理，可以有效去除峰值点与多个时序点的噪声信息。而应用文献[1]、文献[2]方法无法有效去噪。

由此可见，本文方法不仅能够有效识别并去除信号中的峰值噪声，还能精准处理多个时序点的噪声信息，保证了信号的纯净度。此种成效不仅验证了设计方法的科学性与创新性，更体现了其在高频开关电源信号处理领域的实用价值。有效去除信号中的噪声成分后，本文方法不仅降低了电源对电网的潜在干扰，还进一步优化了脉冲宽度调制信号的占比控制，为电源信号的稳定输出提供了坚实保障。综上所述，本文设计的方法应用效果卓越，对提升高频开关电源系统的整体性能具有重要意义。

5 结语

电磁干扰已成为高频开关电源设计和应用中不可忽视的难题，为了提升设备性能与稳定性，对高频开关电源信号进行去噪处理尤为重要。目前，针对高频开关电源电磁干扰的抑制技术主要包括滤波、屏蔽和接地等措施，这些措施在一定程度上缓解了电磁干扰问题，但是在实际应用中仍存在优化空间。为优化现有方法，本文通过电源信号能量计算、信号EEMD分解和基于ICA自然梯度法的信号去噪，研究了面向电磁干扰的高频开关电源信号去噪方法，深入分析了高频开关电源电磁干扰的产生机理与传播途径，并结合现代信号处理技术，探索更高效、精确的信号去噪方法，从而提升电子设备整体性能，并保证系统稳定运行。综上所述，本文方法可以有效降低高频开关电源信号中的电磁干扰成分，提高信号质量，为高频开关电源的设计与应用提供有力支持。

参考文献

[1]蒋智伟，赵雨洁，李吉祥，等.基于遗传算法优化VMD-ESSA的HIFU回波信号降噪研究[J].传感技术学报，2024，37（6）：1049-1055.

[2]夏焰坤，寇坚强，李欣洋.基于IWOA-VMD的永磁同步电机匝间短路故障振动信号去噪方法[J].电子测量与仪器学报，2024，38（4）：202-216.

[3]余慧敏，朱姣姿.基于新模态-小波包分解的超宽带雷达生命体征信号去噪算法[J].电子测量与仪器学报，2024，38（3）：143-151.

[4]时英元，郭涛，梁颖.基于参数优化的ICEEMDAN-MEMS陀螺信号处理研究[J].自动化与仪器仪表，2024（4）：5-10.

[5]陈元健，黄靖，孙晓，等.基于BWO优化VMD联合小波阈值的管道泄漏次声波去噪方法[J].机电工程技术，2024，53（3）：54-59.

[6]汤健强，周凤星，胡晚屏.IGBT全桥逆变隔离驱动辅助电源的设计[J].电子技术应用，2018，44（1）：133-138.

[7]梅杨，魏铮，刘璟琳，等.高频链AC-DC矩阵变换器的变控制频率软开关调制策略[J].电机与控制学报，2024，28（4）：158-167.

[8]王文胜.高频开关电源的数字化控制电路的设计[J].电子元器件与信息技术，2024，8（1）：42-45.