【技术实现步骤摘要】
本专利技术涉及电磁抗干扰试验，具体为电磁抗干扰试验信号监测系统。
技术介绍
1、电磁抗干扰试验是一种测试电子设备和系统在电磁环境中运行性能的试验。
2、公开号为cn102944758b的中国专利公开了一种电磁辐射信号监测装置，主要通过防干扰保护电路连接在监测探头与放大滤波电路之间，用于防止环境中峰值脉冲干扰，放大滤波电路的输入端与防干扰保护电路的输出端相连，用于将所述电信号进行放大和滤波，光电隔离电路的输入端与放大滤波电路的输出端相连，用于将放大和滤波后的-5～+5v的模拟量电信号进行光电隔离后线性输出，防止干扰信号从输出端引回放大滤波电路，上述专利虽然解决了抗干扰的问题，但是在实际操作中还存在以下问题：
3、1.对抗干扰试验信号数据进行监测判断时，没有根据异常数据的异常大小进行有序的干扰抑制，从而导致抑制效率降低。
4、2.获取异常数据后没有将试验信号异常部分的路径以及抗干扰性能进行进一步的确认，从而导致试验信号数据评估不全面。
5、3.没有根据试验信号数据的数据特性进行有效的数据清洗和优化，从而导致试验信号数据采集的精准度降低。
技术实现思路
1、本专利技术的目的在于提供电磁抗干扰试验信号监测系统，根据干扰类型进行瞬态干扰信号的施加，通过施加瞬态干扰信号，可以进行电磁抗干扰试验，测试和验证电子设备和系统的抗干扰性能，通过计算出训练后的深度学习神经网络模型的损失函数值可以准确地评估出模型的数据清洗性能进而选择性地对其进行优化，通过曲
2、为实现上述目的，本专利技术提供如下技术方案：
3、电磁抗干扰试验信号监测系统，包括：
4、试验信号采集单元，用于：
5、将电磁抗干扰试验信号进行收集，其中，电磁抗干扰测试之前对设备状态、设备参数和环境状态进行核验；
6、试验信号处理单元，用于：
7、将接收的电磁抗干扰试验信号进行确认，并将确认的信号进行信号数据预处理，信号数据预处理完成后得到待分析信号数据；
8、试验信号干扰纠错单元，用于：
9、将待分析信号数据进行电磁干扰错误排查，排查后得到错误电磁干扰类型，并将得到的错误电磁干扰类型标注为待评估信号数据；
10、试验信号评估抑制单元，用于：
11、将待评估信号数据进行量化评估，并根据评估数据进行试验信号异常等级判定，根据判定结果进行干扰抑制。
12、优选的，所述试验信号采集单元，还用于：
13、电磁抗干扰测试之前将信号发生器、功率放大器、电磁场辐射测试仪、静电放电模拟器、浪涌发生器进行设备校准；
14、并将校准的设备进行设备参数的调试，其中，设备参数包括电磁辐射的频率、功率、场强等，静电放电的电压、电流以及浪涌的电压、电流参数；
15、同时，将试验场地进行调整，确保足够的空间和无障碍物。
16、优选的，所述试验信号处理单元，包括：
17、试验信号特征提取模块，用于：
18、将获取的电磁抗干扰试验信号数据进行确认；
19、根据电磁抗干扰试验信号数据中的波形、频率、幅值数据进行特征数据参数提取；
20、其中，波形参数通过计算电磁抗干扰试验信号数据的波形参数反映电磁抗干扰试验信号数据的波形特性，波形参数包括峰值、均值、方差、标准差；
21、频率参数通过计算电磁抗干扰试验信号数据的频率参数反映电磁抗干扰试验信号数据的的频率特性，频率参数包括周期、频率、频率系数；
22、幅值参数通过计算电磁抗干扰试验信号数据的幅值参数反映电磁抗干扰试验信号数据的幅值特性，幅值参数包括幅值、峰值、有效值；
23、根据波形参数、频率参数和幅值参数确认电磁抗干扰试验信号数据的特征数据；
24、其中，将波形参数、频率参数和幅值参数通过傅里叶变换法进行波形变换，波形变换后得到电磁抗干扰试验信号数据在不同频率下的幅值分布数据，在不同频率下的幅值分布数据数据中确认电磁抗干扰试验信号数据信号特性的特征数据。
25、优选的，所述试验信号处理单元，还包括：
26、提取特征清洗模块，用于：
27、将电磁抗干扰试验信号数据的特征数据进行确认；
28、将电磁抗干扰试验信号数据的特征数据导入至预设深度学习神经网络模型的模型节点中，其中，神经网络模型从数据库中进行调取；
29、利用预设特征数据对预设深度学习神经网络模型进行训练，获取训练后的深度学习神经网络模型；
30、利用验证特征数据生成验证集对训练后的深度学习神经网络模型进行模型清洗结果验证，根据验证结果确定训练后的深度学习神经网络模型的清洗精度，其中，验证特征数据从数据库中进行调取；
31、当清洗精度大于等于预设精度时，获取训练后的深度学习神经网络模型的网络层数。
32、优选的，所述提取特征清洗模块，还用于：
33、获取电磁抗干扰试验信号数据的特征数据对应的数据帧和数据帧的真实值；
34、将电磁抗干扰试验信号数据的特征数据对应的数据帧和数据帧的真实值，并将真实值输入到训练后的深度学习神经网络模型中获取模型的网络输入值和网络输出值；
35、根据网络输入值、网络输出值和电磁抗干扰试验信号数据的特征数据的数据帧的真实值计算出训练后的深度学习神经网络模型的损失函数值；
36、根据训练后的深度学习神经网络模型的损失函数值生成模型优化参数，利用模型优化参数对训练后的深度学习神经网络模型进行优化；
37、利用优化后的深度学习神经网络模型对电磁抗干扰试验信号数据的特征数据进行清洗，得到关键特征数据集合，并将关键特征数据集合标注为待分析信号数据。
38、优选的，所述试验信号干扰纠错单元，包括：
39、试验信号排查模块，用于：
40、将待分析信号数据利用crc校验法进行数据校验；
41、其中，将待分析信号数据通过crc校验法进行除法运算；
42、根据运算结果判断异常待分析信号数据；
43、若运算结果为除尽结果，则该待分析信号数据为合格待分析信号数据；
44、若运算结果为除不尽结果，则该待分析信号数据为异常待分析信号数据；
45、将异常待分析信号数据进行电磁波传播路径分析，分析后得到异常待分析信号数据的准确异常路径。
46、优选的，所述试验信号干扰纠错单元，还包括：
47、试验信号排查类型确认模块，用于：
48、根据异常待分析信号数据的准确异常路径判断电磁干扰类型；
本文档来自技高网...
【技术保护点】
1.电磁抗干扰试验信号监测系统，其特征在于，包括：
2.根据权利要求1所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号采集单元，还用于：
3.根据权利要求2所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号处理单元，包括：
4.根据权利要求3所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号处理单元，还包括：
5.根据权利要求4所述的电磁抗干扰试验信号监测系统，其特征在于：所述提取特征清洗模块，还用于：
6.根据权利要求5所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号干扰纠错单元，包括：
7.根据权利要求6所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号干扰纠错单元，还包括：
8.根据权利要求7所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号评估抑制单元，还用于：
9.根据权利要求8所述的电磁抗干扰试验信号监测系统，其特征在于：将评估曲线数据与电磁曲线数据进行曲线数据重叠，根据重叠区域的大小将待评估信号数据进行异常等级划分，包括
10.根据权利要求9所述的电磁抗干扰试验信号监测系统，其特征在于：当所述重叠因数参量未超过预设的重叠参量阈值时，则提取不重叠部分的曲线段部分的数据的数据，并根据所述不重叠部分的曲线段部分的数据的数据进行异常等级划分，包括：
11.根据权利要求10所述的电磁抗干扰试验信号监测系统，其特征在于：当所述重叠因数参量与所述重叠参量阈值之间的差异值不低于重叠参量阈值的比例P时，则不重叠部分的曲线段部分的数据的数据结合第二因数参量模型进行异常等级划分，包括：
...【技术特征摘要】
1.电磁抗干扰试验信号监测系统，其特征在于，包括：
2.根据权利要求1所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号采集单元，还用于：
3.根据权利要求2所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号处理单元，包括：
4.根据权利要求3所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号处理单元，还包括：
5.根据权利要求4所述的电磁抗干扰试验信号监测系统，其特征在于：所述提取特征清洗模块，还用于：
6.根据权利要求5所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号干扰纠错单元，包括：
7.根据权利要求6所述的电磁抗干扰试验信号监测系统，其特征在于：所述试验信号干扰纠错单元，还包括：
8.根据权利要求7所...
【专利技术属性】
技术研发人员：唐磊，徐妍，
申请(专利权)人：南京晟迅信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。