基于人工神经网络算法和平面波谱校准的近场扫描电磁干扰诊断技术

The near-field scanning (NFS) method used for the electromagnetic interference (EMI) diagnosis of the high-speed circuits can perform the on-line testing, and details of the circuits are not required. This method becomes a hot research topic and has a great potential application in both industry and military. This project will focus on the space domain and wave spectrum domain electromagnetic challenges of the NFS based EMI diagnosis. We will use the artificial neural network (ANN) techniques with its great advantages, to develop the reconstruction method of complex EMI source in space domain and EMI mode identification in wave spectrum domain. The scope of this project includes:.1) The new electromagnetic dipoles hybrid with the ANN algorithm, which makes a breakthrough for the solution of complex and nonlinear EMI problems;.2) The ANN is employed to fully analyze the plane wave spectrum (PWS) of the EMI near-field, and perform the noise modes/devices identification. This will enhance the analysis for the evanescent wave, which is ignored in the traditional PWS method;.3) As a support of above two research topics, we will develop the new PWS based electromagnetic probe calibration and noise reduction technique, to solve the problem where the environment electromagnetic noise has a large effect on the accuracy of the NFS based EMI diagnosis..The aim of this project is to provide a complete solution for the novel NFS based EMI diagnosis technique through the advanced electromagnetic algorithm, and promote its application in real industries. At the same time, we also want to promote the applications of ANN in the electromagnetic problem solution.

近场扫描技术无需探明电路的结构细节，即可实时在线诊断高速电路的电磁干扰，在军事和民用领域均具有重要的研究意义和广泛的应用前景。本项目围绕制约近场扫描诊断技术发展的空间域和波谱域关键电磁问题，融合人工神经网络，利用其通用性优势，首先研发“空间域噪声源重构”和“波谱域干扰模式识别”两组算法：1）将空间偶极子与人工神经网络结合，突破传统偶极子等效源在解决复杂、非线性电磁干扰问题时的局限；2）采用人工神经网络全面剖析干扰近场的平面波谱，弥补目前平面波谱方法对衰减波谱分析的不足，进而识别干扰模式/噪声器件。其次，作为对上述两组算法的补充，开发基于平面波谱的探头校准和降噪方法，有效解决环境噪声降低算法精度的问题。本项目通过探究新兴电磁算法，建立一套完整的电磁干扰空间域和波谱域诊断方法，进而促进基于近场扫描的电磁干扰诊断这一新技术的发展，同时推广并深化基于深度学习的人工神经网络在电磁计算中的应用。

近场扫描技术无需探明电路的结构细节，即可实时、在线诊断高速电路的电磁干扰，在军事和民用领域均具有重要的研究意义和广泛的应用前景。本项目围绕制约近场扫描诊断技术发展的空间域和波谱域关键电磁问题，在空间域噪声源重构、波谱域干扰模式识别、和探头校准和降噪方法三个方面开展研究，建立一套完整的基于近场扫描的电磁干扰空间域和波谱域诊断方法。同时，通过与华为等公司的合作，推广该技术在工业界产生落地应用，完成7项企业合作项目。本项目的主要研究结果如下：.（1）研发了人工神经网络（ANN）和等效偶极子的混合算法，用于重构复杂、未知电磁源，提高了传统等效源的重构精度。.（2）采用近场扫描获取未知辐射体的近场云图，得到其“电磁照片”，进而结合ANN识别其“电磁脸”，达到了识别噪声器件的目的。同时，基于平面波谱发展了一种新的近场电磁成像方法。.（3）研发了基于平面波谱的探头校准方法，提高了扫描场的精度；研发了一种基于多分量的电场探头和磁场探头校准系统及方法。.本项目共发表SCI国际期刊论文12篇（10篇IEEE Trans 长文，1篇IEEE 短文，1篇其它SCI长文），国际会议论文13篇（其中3篇论文获得最佳学生论文奖，1篇论文获得EuCAP 2019 Travel Grant）；授权1项发明专利，正在申请1项PTC专利，正在申请2项国内发明专利和1项实用新型专利。项目执行期间，负责人担任多个国际主要电磁兼容会议的技术程序委员会委员并组织多个近场扫描方面的研讨会，和国际同行进行广泛的交流；2019年7月-9月派遣3名学生赴美国密苏里科技大学进行交流，与本项目的合作方-美国密苏里科技大学的Jun Fan教授合作，合作发表1篇IEEE Trans长文；与新加坡高性能计算研究院的高先科博士合作，聘请高博士作为校外导师，联合培养了2名硕士和1名博士，合作发表7篇IEEE Trans长文。