趙曉宇，殷海雙

（東北石油大學(xué) 電氣信息工程學(xué)院，大慶 163319）

隨著信息時(shí)代的到來，電子設(shè)備被廣泛應(yīng)用于各個(gè)領(lǐng)域，實(shí)現(xiàn)了不同行業(yè)的溝通與交流，信息的相互交換實(shí)際上就是電子信號之間的數(shù)據(jù)傳遞。 當(dāng)電動(dòng)機(jī)識別到有利的信號，會立即識別出信號所攜帶的信息，然后轉(zhuǎn)換成機(jī)械能，控制器就會使信號的傳輸幅度保持在相同的頻率。 而在實(shí)際生活中，信號正常傳輸時(shí)，會受到各種因素干擾，導(dǎo)致信號中斷不能按時(shí)傳輸。 基于此，許多學(xué)者都研究了局部干擾信號識別方法，文獻(xiàn)[1]研究了基于SVM 分類受電弓振動(dòng)干擾信號識別方法，該方法主要計(jì)算接觸網(wǎng)沖擊指數(shù)確定偏差位置，然后計(jì)算該偏差的加速度衰減系數(shù)，并通過衰減系數(shù)組成識別特征向量，完成干擾信號識別；文獻(xiàn)[2]研究了雷達(dá)干擾信號識別決策樹的自動(dòng)化設(shè)計(jì)方法，該方法首先建立基于干擾信號的參數(shù)特征集，在決策樹中引入模糊均值聚類方法，最后采用基于信息增益的算法建立模糊聚類決策樹，實(shí)現(xiàn)局部干擾信號的識別。 但是，當(dāng)前的干擾信號自動(dòng)識別方法仍然存在一定不足，為此需要優(yōu)化當(dāng)前的干擾信號識別方法。 此次研究的研究思路是預(yù)先對干擾的各種信號實(shí)地采集與分析研究，自動(dòng)將干擾信號過濾出來，識別信號的主要特征，通過主要特征的識別就會非常容易地找出干擾信號變化的規(guī)律。 基于這個(gè)思想，設(shè)計(jì)了一種電氣傳動(dòng)控制器局部干擾信號自動(dòng)識別方法，同時(shí)此次研究的方法更加著重于加入適量地減少參數(shù)，以增強(qiáng)方法的代表性與實(shí)用性，使信號的識別更加準(zhǔn)確與靈敏。

1 干擾信號模型建立

干擾信號的種類繁多且復(fù)雜， 不能一概而論，根據(jù)識別數(shù)量的多少可分為單一信號干擾、多組信號干擾、弧形信號干擾與噪聲信號干擾等，以單一干擾信號為例，該信號不能對所有的信息傳輸通道造成干擾，只對特定的控制系統(tǒng)發(fā)出干擾[3]，中斷正常信號的傳輸，優(yōu)點(diǎn)是不受任何因素影響，檢測快速，功率較大，在干擾時(shí)的表達(dá)式為

式中：t 代表周期；Pj代表該干擾信號發(fā)射的功率；f 代表傳輸中的信號通道；χ 代表干擾位置。 干擾信號完成一個(gè)周期的發(fā)射后，就會立即產(chǎn)生巨大功率，頻率馬上達(dá)到閾值，此時(shí)要立刻收集信號樣本[4]，周期可設(shè)置為10-4s。

與單信號干擾不同， 多信號干擾更加復(fù)雜，主要是由不同的頻道以及長短不一的音波組成，它不僅是針對單一的信號通道造成干擾，還會將信號隨機(jī)分類，分別介入每個(gè)時(shí)域內(nèi)，并均勻分布[5]，同時(shí)產(chǎn)生大功率干擾，其作用的效率遠(yuǎn)遠(yuǎn)大于單一干擾信號，在相同周期內(nèi)用公式表示為

式中：n 代表信號頻道的數(shù)量；i 代表隨機(jī)信號；fi代表干擾信號所在的通道。 其中所涉及到的所有參數(shù)都是決定干擾信號強(qiáng)弱的重要因素，包括信號變化的頻率與幅度，位置與相對應(yīng)的正常信號。

弧形信號干擾也可以理解為頻率不同的信號同時(shí)干擾，也是應(yīng)用最多的信號干擾，由于信號發(fā)射的路線隨機(jī)，不一定是朝向同一個(gè)方向，會被控制隨著時(shí)域與周期的變化而變化，呈正態(tài)分布[6]，但在特定的時(shí)域內(nèi)可能會出現(xiàn)單信號干擾的情況，表現(xiàn)出弧形信號的干擾特點(diǎn)，周期相同的情況下表達(dá)式為

式中：R 代表信號活動(dòng)的幅度；k 代表線性系數(shù)；T 代表時(shí)域。 其中幅度與時(shí)域的變化是控制弧形信號干擾的主要因素，最后將獲得的信號波繪制成曲線[7]，找到主要波動(dòng)規(guī)律。

噪聲信號干擾與其他信號干擾不同，當(dāng)發(fā)射出干擾信號時(shí)就會立即中斷信息通道，完全阻塞正常信號的傳輸，產(chǎn)生較大赫茲，噪聲就會逐漸增大，干擾的范圍也會大于上述幾種，那么最后形成的表達(dá)式為

式中：N 代表噪聲；j 代表信號帶；Rj代表信號帶變化的幅度；K 代表噪聲矩陣；δ 代表噪聲系數(shù)， 且服從正態(tài)分布。 噪聲的干擾原理主要是調(diào)節(jié)信號帶的寬度，使系數(shù)與距離在同一頻道，保證控制器局部對信號正常識別。

當(dāng)利用電動(dòng)控制器削減傳輸通道中的干擾信號時(shí)，雖然適量地減少了其他頻率的信號產(chǎn)生[8]，但識別到的干擾信號會受到影響出現(xiàn)分辨率降低以及電波不穩(wěn)定的情況， 為了使識別到的信號清晰、周期一定，設(shè)定一個(gè)標(biāo)準(zhǔn)頻率，求出最大值，通過SPWVD 算法令信號處于相同時(shí)域，定義為

式中：c 代表閾值；UZ代表分辨率。

基于上述過程建立干擾信號模型，為后續(xù)信號識別提供基礎(chǔ)。

2 干擾信號預(yù)處理及特征提取

對干擾信號的預(yù)處理是建立在干擾信號正常運(yùn)行的基礎(chǔ)上的，是將其攔截之后找到傳輸?shù)囊?guī)律與時(shí)域，完成分類以及計(jì)算的過程。 在處理之前采集到局部干擾信號與控制器主要特征，針對特征的相似性來判斷屬于何種類別，去除重復(fù)的干擾信號[9]，之后找到各自的位置，忽略電流的影響歸一化處理。 為了減少計(jì)算的復(fù)雜性，隨時(shí)改變信號轉(zhuǎn)化的類型與行進(jìn)方向，對屬性不同的信號及時(shí)進(jìn)行傅里葉變換，盡量避免人工操作，那么經(jīng)過預(yù)處理后的表達(dá)式為

k 作為一個(gè)系數(shù)控制著整個(gè)頻道的線性變化，在預(yù)處理過程中設(shè)置k=1， 就可以根據(jù)系數(shù)的變化來自動(dòng)識別出干擾信號的類別，將干擾信號與噪聲區(qū)分，分別輸入進(jìn)兩個(gè)系統(tǒng)，實(shí)施檢測，獲取其主要特征。 基于傳輸通道的特異性，使干擾信號波動(dòng)的幅度一致[11]，處理后得到多個(gè)功率值，表達(dá)式為

式中：Pi（n）代表平均功率；P（M）代表最大功率；P1代表初始功率。 從其中提取出干擾信號的相似特征，隨著振幅的改變，公式就變?yōu)?/p>

式中：（n-i）代表減少的信號干擾；L 代表信號波長；P1（M）代表改進(jìn)后的功率，功率的變化是從P1逐漸變化到最大值。 系統(tǒng)中的窗口值會由于波長的增大而增大，不受其它因素的影響，那振幅系數(shù)的表達(dá)式為

上述計(jì)算后，對干擾信號預(yù)處理，并提取到了一些信號特征。

3 電氣傳動(dòng)控制器局部干擾信號自動(dòng)識別實(shí)現(xiàn)

電氣傳動(dòng)控制器干擾信號的識別是外國學(xué)者提出來的，經(jīng)過研究發(fā)現(xiàn)馬爾科夫過程與識別研究極為相似，以其為例建立一個(gè)識別模型[12]，模仿信號的活動(dòng)軌跡，預(yù)測出每個(gè)時(shí)刻信號的狀態(tài)，識別流程如圖1 所示。

圖1 干擾信號識別流程Fig.1 Interference signal identification flow chart

針對這一特點(diǎn)找出干擾信號的狀態(tài)規(guī)律，過濾出與模型無關(guān)的其他狀態(tài)[13]，假設(shè)信號的控制序列為｛Xi，i=0，1，2，3，…｝，那么滿足下列條件：

式中：x1代表干擾信號的初始狀態(tài)；X（x1）代表初始狀態(tài)序列；xe代表能量轉(zhuǎn)換；X（xe）代表能量轉(zhuǎn)換的信號序列；xn代表終止?fàn)顟B(tài)；X（xn+1）代表終止?fàn)顟B(tài)序列；ln代表窗口的長度；P 代表功率。

公式的波動(dòng)規(guī)律能夠體現(xiàn)出馬爾科夫的特征[14]，一個(gè)參數(shù)的增大就會引起另一個(gè)參數(shù)的減小，具有隨機(jī)性但卻足夠穩(wěn)定，隨著過程的逐漸實(shí)現(xiàn)就會將結(jié)果匯報(bào)給系統(tǒng)，然后采用決策樹方法，進(jìn)行分類，原理如圖2 所示。

圖2 決策樹方法分類過程Fig.2 Classification process of decision tree method

經(jīng)過上述處理后，得到的決策集合表示為｛S，P，A，R｝，其中，S 代表軌跡集合，P 代表功率集合，A 代表模擬集合，R 代表幅度集合。

從公式的演變可以知道，干擾信號的每一個(gè)狀態(tài)變化都與之前的活動(dòng)軌跡相關(guān)，隨著狀態(tài)的線性變化回報(bào)出的數(shù)值也慢慢清晰，而信號動(dòng)作幅度的大小決定著回報(bào)的長短，信號的特征會根據(jù)狀態(tài)的回報(bào)顯現(xiàn)出來，而馬爾科夫過程并不是一成不變的，大致分為持續(xù)狀態(tài)變化與間隔狀態(tài)變化，前者來說干擾信號會持續(xù)維持某種狀態(tài)，而后者的信號干擾會一直保持在相同狀態(tài)[15]，不會繼續(xù)演變，公式為

式中：G 代表終止?fàn)顟B(tài)；ω 代表權(quán)重，范圍在［0，1］之間；（Si，Si+1）分別代表前后信號運(yùn)動(dòng)的軌跡。 當(dāng)信號的狀態(tài)屬于間隔狀態(tài)時(shí)，是不會隨著軌跡結(jié)束的，此時(shí)ω＝1，那么回報(bào)的公式為

當(dāng)干擾信號處于持續(xù)狀態(tài)時(shí)，權(quán)重就為ω＝0，此時(shí)信號是具有終止動(dòng)作的，要使信號一直保持不重復(fù)的幅度變化，才能獲得最佳決策。 從其他方向出發(fā)使0＜ω＜1，就可以制造出回報(bào)，完成狀態(tài)的收斂。當(dāng)決策逐漸消失，同時(shí)得到的收益最大，將不會有任何狀態(tài)的影響，以此完成電氣傳動(dòng)控制器局部干擾信號的自動(dòng)識別。

4 實(shí)驗(yàn)對比

為驗(yàn)證電氣傳動(dòng)控制器局部干擾信號自動(dòng)識別方法的有效性，進(jìn)行實(shí)驗(yàn)，并將基于SVM 分類識別方法、雷達(dá)干擾信號識別決策樹的識別方法與所研究方法對比。 實(shí)驗(yàn)中信號的采集與分析采用分析儀實(shí)現(xiàn)，分析儀性能指標(biāo)如表1 所示。

表1 分析儀性能指標(biāo)Tab.1 Performance indicators of the analyzer

按照相應(yīng)的接線方式安裝測試裝置，保證電源是正常工作的，然后模擬干擾，主要干擾情況如表2 所示。

表2 干擾信號仿真參數(shù)以及變化范圍Tab.2 Simulation parameters and variation range of interference signal

分別施加4 次不同噪聲， 對比在多種噪聲下3種方法對于干擾信號識別的準(zhǔn)確性。 單音干擾下信號識別結(jié)果如圖3 所示，多音干擾下信號識別結(jié)果如圖4 所示， 線性掃頻干擾下信號識別結(jié)果如圖5所示，噪聲調(diào)頻干擾下信號識別結(jié)果如圖6 所示。

圖3 單音干擾下信號識別結(jié)果Fig.3 Signal recognition results under monotone interference

圖4 多音干擾下信號識別結(jié)果Fig.4 Signal recognition results under multi-tone interference

圖5 線性掃頻干擾下信號識別結(jié)果Fig.5 Signal recognition results under linear frequency sweep interference

圖6 噪聲調(diào)頻干擾下信號識別結(jié)果Fig.6 Signal recognition results under noise FM interference

基于上述結(jié)果能夠看出，所研究的方法在單音干擾下、多音干擾下、線性掃頻干擾下一級噪聲調(diào)頻干擾下，所研究的局部干擾信號識別方法與實(shí)際的信號變化情況基本保持一致，具有較高的識別準(zhǔn)確性。 而另外兩種方法在信號識別上得到的功率譜與實(shí)際情況有一定差距，沒有所提出的信號識別方法識別準(zhǔn)確性高。

5 結(jié)語

基于上述過程完成電氣傳動(dòng)控制器局部干擾信號的自動(dòng)識別，此次研究創(chuàng)新之處如下：①針對信號的幅度、 頻率與狀態(tài)進(jìn)行分類以及特征提取，并去除了噪聲；②將得到的回報(bào)盡數(shù)應(yīng)用在傳輸通道中，根據(jù)特征的不同選用不同的方法，不但增加了局部控制，并得到了最大收益；③實(shí)驗(yàn)結(jié)果表明，所研究的方法在多種干擾下，都獲得了較高的識別和準(zhǔn)確性。 由于時(shí)間有限，所提出的方法還有不足之處，在后續(xù)研究中需要進(jìn)一步優(yōu)化。