基于独立分量分析算法的医疗电子设备辐射电磁干扰EMI噪声分析方法

赵 阳 夏 欢 邱晓晖 宋百通 陈雪丽

(1.南京师范大学(江苏省电气装备电磁兼容工程实验室) 南京 210042 2.南京邮电大学 南京 210042)



基于独立分量分析算法的医疗电子设备辐射电磁干扰EMI噪声分析方法

赵 阳1夏 欢1邱晓晖2宋百通1陈雪丽1

(1.南京师范大学(江苏省电气装备电磁兼容工程实验室) 南京 210042 2.南京邮电大学 南京 210042)

针对多辐射源医疗电子设备的辐射EMI噪声，提出了基于独立分量分析算法的分析方法。采用独立分量分析(Independent Component Analysis，ICA)算法处理医疗电子设备中多辐射源叠加的近场辐射时域信号，得到多个独立的共模/差模辐射源，找出引起辐射噪声超标的源头，即可对该元器件实施针对性的整改措施。相较于目前的多辐射源分析方法，此方法能更准确快速地找出症结所在，较为容易操作和实现。采用双共模混合源、双差模混合源和共差模混合源3种模型进行实验，结果验证了该方法的可行性，最后将此方法应用于医疗电子设备，其结果成功验证了该方法的有效性，此项研究对今后的复杂电子设备溯源方法和多辐射源整改有积极参考意义。

独立分量分析 辐射噪声 电磁干扰 分析方法

0 引言

近年来，随着大量电力电子设备或系统不断涌现，(如射频识别系统(RFID)、无线传感网络等)，由高速数字印刷电路(PCB)引起的辐射电磁干扰噪声严重影响其他电子设备的正常运行[1-7]。另一方面，各国均已制订强制性电磁兼容标准，如中国的GB9254、GB 4824和美国的CISPR 22等。国家食品药品监督管理局办公室也正式确定医用设备电磁兼容标准YY 0505—2012于2014年1月1日正式实施。因此对医疗电子设备电磁辐射噪声源的识别和诊断成为EMI故障分析中最大的挑战[8-11]。

目前，针对复杂医疗电子设备的多辐射源噪声问题，大部分学者选择从电磁场分析角度进行研究。文献[12]利用电磁场分析方法并结合电路仿真，建立了射频电路辐射机理模型。文献[13]根据电磁场特征函数展开法建立了一套近场、远场转换公式，并结合近场测量得到辐射目标特征。文献[14]利用Mardiguian的远场技术，结合近-远场修正因子分析了PCB的辐射目标特性。

还有部分学者选择从信号分析角度分析医疗电子设备的多辐射源辐射噪声问题，将信号分析方法应用于辐射EMI噪声诊断。文献[15]建立了医疗设备的EMI模型，提出了采用有限差分时域分析方法。文献[16]将EMI问题等效为非多项式的优化问题，在现有遗传算法的基础上提出改进方法并应用于EMI问题分析，节省了工作时间。文献[17]针对可植入医疗设备的电磁干扰提出了磁通分布特性分析方法。

尽管现今的辐射EMI噪声分析方法众多，但仍存在很多问题。采用电磁场分析方法虽然能建立模型，但是遇到实际问题仍有不确定因素存在，影响实验分析结果。而现有的信号分析方法虽然可以获取目标特性，但是其运算复杂，且不能明确定位辐射源。鉴此，在实验室前期研究[18-20]和文献[21-25]基础上，本文将独立分量分析ICA算法应用于辐射噪声源分析，提出了一种医疗电子设备的辐射电磁干扰分析方法。本文采用独立分量分析算法，对医疗电子设备中多辐射源叠加的近场辐射时域信号进行分离，得到多个独立的共模/差模辐射源，找出辐射噪声超标的源头，进行针对性地整改。相较于目前的多辐射源分析方法，本文方法更简单快捷，能准确快速地找出症结所在，较为容易操作和实现。

1 基于ICA算法的辐射电磁干扰噪声源筛选方法理论研究

1.1 辐射电磁干扰分析方法概述

医疗电子设备中通常包含ARM、单片机、晶振等器件，易产生高频噪声，通过共模/差模辐射在空间引起辐射电磁场，相互叠加后引起严重的辐射噪声。由于在进行电磁兼容标准测试时，当检测到辐射噪声超标，并不能直接得出是由哪个或者哪几个器件引起的辐射噪声超标。因此有必要在总体辐射EMI测试基础上，再检测是哪种噪声分量引起的整个EMI性能超标，即辐射机理描述。

实际中的PCB板上有多个噪声源，如图1所示，该设备中含有N个辐射源，则其单个辐射源产生的辐射噪声分别可表示为E1，E2，E3，…，EN，这些辐射通过叠加形成该设备的辐射总噪声。若该设备的辐射噪声超标，则是由这些辐射源共同影响产生的，但其中若干个辐射源在超标频点处的辐射噪声相较于其他辐射源特别强，则该辐射源为造成辐射超标的主要噪声。因此首先筛选出引起辐射超标的噪声源十分重要，找到辐射源之后，再采取针对性的整改措施则更为有效快捷。

图1 医疗电子设备多辐射源噪声模型Fig.1 Multiple sources noise model of medical electronic equipment

本文将ICA算法应用于辐射电磁干扰问题分析，建立一种新的辐射噪声源筛选的方法。首先通过采集PCB辐射噪声信号的时域信号，进行独立分量分析，将EUT的总辐射噪声进行分离，筛选出若干个辐射噪声源，再将分离出的时域波形与该PCB板上单独的噪声时域信号进行比对，最终筛选出辐射噪声源。

1.2 独立分量分析算法原理

设1.1节中多辐射源模型的噪声信号是由N个未知源噪声信号si(t)(其中i=1，…，N)组成的，源噪声信号构成一个列矢量s(t)=[s1(t)，s2(t)，…，sN(t)]T，其中t为离散时间序列。A是由混合系数{aij}组成的M×N的混合矩阵。

x(t)=[x1(t)，…，xM(t)]T由M个观察信号xi(t)(其中i=1，…，M)构成的列矢量，其中N个未知源信号si(t)线性组合构成观察信号x(t)，对于任意时刻t，源信号s(t)与观测信号x(t)的关系为

(1)

其矩阵形式为

xM(t)=AsN(t),M≥N

(2)

独立分量分析ICA的基本模型由图2表示。

图2 ICA基本模型Fig.2 ICA basic model

ICA要解决的问题是在A、s(t)未知的条件下，根据观察信号x(t)，通过衡量变量的独特性准则的目标函数寻找出分离矩阵W，从而求得s(t)的最大估计。若输出的分离信号设为y(t)=[y1(t)，y2(t)，…，yN(t)]，则有

yN(t)=WN×MxM(t)=WN×MAM×NsN(t)=sN(t)

(3)

式中y(t)为源噪声信号，是s(t)的一个最大近似估计，且各分离信号yi(t)之间尽可能相互独立。值得注意的是，上述模型中，有如下几点假设条件：

1)各信号源si(t)之间相互统计独立，均值为0。

2)源信号数量M与观察新号数量N相同，且A为满秩矩阵。

3)si(t)(其中i=1，…，N)中的概率分布函数最多只允许有一个为高斯分布。

在诸多ICA算法中，固定点算法 (也称FastlCA)以其收敛速度快、分离效果好被广泛应用于信号处理领域。因此，本文选取FastICA算法作为独立分量分析方法，应用于辐射电磁噪声源识别中，将多辐射源混合辐射噪声分离成若干个独立的辐射噪声信号。

1.3 基于ICA算法的辐射电磁干扰噪声源筛选方法实现

本文提出将独立分量分析ICA算法应用于辐射噪声EMI噪声的分离，首先通过磁场探头经过高速示波器采集辐射噪声的时域信号，再代入ICA算法进行分析，将混合的辐射噪声信号分离成多个独立的噪声信号，从而筛选出被测设备的辐射噪声源。具体分析流程图如图3所示。

由辐射EMI噪声机理可知，共模电流产生共模辐射场；差模电流产生差模辐射场。设Z0为自由空间(远场)波阻抗，则远场中带电导线产生的辐射场为

(4)

式中：I为共模/差模电流；Z0为自由空间(远场)波阻抗，为377 Ω；β0=2π/λ，λ为相关频率信号波长；θ为测试角度；r为测试距离。

辐射噪声筛选方法模型如图4所示，PCB板上3个芯片之间通过共模、差模辐射产生辐射噪声，E1、E2、E3分别为这3个芯片本身产生的辐射噪声，采用3个近场电场探头同时测量测试点A、B、C处的辐射总电场，并将其接至高速数字示波器的3个通道。值得注意的是，高速数字示波器的最高测试频率应大于辐射电场的频率，这3个观测点处的辐射电场强度可表示为

(5)

式中：EA1、EB1、EC1分别为芯片1在测试点A、B、C处产生的辐射电场；EA2、EB2、EC2分别为芯片2在测试点A、B、C处产生的辐射电场；EA3、EB3，EC3分别为芯片3在测试点A、B、C处产生的辐射电场分；测试距离与测试角度均已知。

图4 PCB辐射噪声筛选方法模型Fig.4 PCB radiation noise screening method model

在测试过程中，测试距离、测试角度、芯片1电缆、芯片2电缆、芯片3电缆(L1、L2和L3)、Z0和β0均已确定。

(6)

式中：I1(t)、I2(t)、I3(t)分别为共模电流和差模电流；K11、K12、K13、K21、K22、K23、K31、K32、K33均为常量，其值为(i代表不同的测试点)

(7)

电场探头可以输出一个与射频场强成比例的电压至示波器，比例系数称为天线系数AF，即AF=E/V。通过天线理论，可以得到场强计算公式。在测试中，3个近场探头的天线系数均为已知(AF1，AF2，AF3)，且3个电场探头均采用罗德施瓦茨公司生产的近场电场探头Stab 3 mm，因此3个探头的性能非常相似，天线系数基本相等，即AF1=AF2=AF3。故由式(6)可得

(8)

由式(8)可以看出，电场探头测得的电压混合信号V1(t)、V2(t)、V3(t)是信号I1(t)、I2(t)、I3(t)的线性组合。当信号I1(t)、I2(t)、I3(t)相互独立时，可以利用独立分量分析算法先由接收信号V1(t)、V2(t)、V3(t)分离得到源信号的I1(t)、I2(t)、I3(t)、再由式(6)及式(8)得到辐射电场。

虽然分离后信号和源信号的波形特征基本相同，但其幅度发生了变化，尤其应用于辐射电磁干扰噪声，其波形无规律可循，难以判断前后两者的近似程度。为了评判该盲源分离算法的性能指标，本文采用用度量分离信号和源信号的近似程度的相似系数ξ[13]

(9)

式中N为选取的采样点数量。当yi=csj(c为常数)时，ξi，j=0，即相似系数矩阵越接近单位对角矩阵，该分离效果就越好。

2 基于ICA算法的辐射电磁干扰噪声源筛选方法仿真研究

2.1 ICA算法基本性能仿真实验

在Matlab中进行独立分量分析算法仿真。首先创建4个独立的源信号，分别为正弦信号、方波信号、锯齿信号和随机噪声，其波形如图5a所示，然后将这4个信号通过随机的混合系数矩阵进行混合，混合后的信号时域波形图如图5b所示，经过去均值、白化处理等步骤，寻求合理条件使分离矩阵的非高斯性最大化，从而将信号分解成独立的4组信号，图5c所示为经ICA分解后的信号波形。

将图5c的分离结果与图5a中的源信号波形进行对比，可以明显看出通过ICA算法能成功地将混合信号分离成源信号，因此ICA算法可以应用在混合信号分解中。

图5 ICA算法特性仿真Fig.5 ICA algorithm characteristics simulation

2.2 基于ICA算法的辐射电磁干扰噪声源筛选方法仿真

为了验证独立分析方法在电磁兼容中应用的有效性，在电磁干扰噪声中进行独立分量分析算法的应用。

为了进一步验证仿真结果，本文采用相关系数来计算准确分离后信号与源信号之间的相关度，可得两个差模信号的前后相关系数为0.99和0.97，由此可见，应用ICA算法的分离结果十分理想。

图6 ICA算法应用于辐射电磁干扰噪声的仿真结果Fig.6 Simulation results of ICA algorithm applied in the radiated electromagnetic interference noise

3 基于ICA算法的辐射电磁干扰噪声源筛选方法实验研究

本文中的3组验证实验主要采用3个不同的被测设备，分别为双共模源、双差模源和共差模混合模型。实验布置图如图7a所示。将近场探头通过屏蔽线缆和BNC接头与高速示波器连接，探头置于被测设备上方，采用多个探头同时测量辐射噪声的混合时域信号。

实验中，本文选用江苏省电气装备电磁兼容工程实验室所提供的泰克DPO5204多通道高速示波器和Rohde&Schwarz(罗德施瓦茨)公司生产的近场探头组HZ-11进行测试，其实物图分别如图7b和图7c所示。其中，DPO5204的采样率设置为1GS/s，即可满足实验需要。

图7 验证实验装置和设备Fig.7 Verification experiment device and equipment

1)双共模源PCB条件下实验。

本实验的实验实物布置如图8所示。该PCB板上有6M和20M两个晶振，采用江苏省电气装备电磁兼容工程实验室的3m电波暗室进行标准辐射噪声测试，得到该PCB的辐射噪声结果如图9a所示，可以看出低频有多个频点超标，因此需要快速有效地找出引起辐射超标的主要因素。

图8 双共模辐射电磁干扰噪声源模型实物图Fig.8 Two common mode radiation EMI noise model picture

图9 整改前后共模辐射电磁干扰模型暗室测量结果Fig.9 The measurement results before and after rectification of CM radiated EMI model in chamber

实验中，首先通过高速示波器采集两组混合信号，如图10a所示，将这两组混合信号组成矩阵。示波器在测试时，需要注意设置采样点数和采样频率，本实验中，采样频率的设置不低于1GS/s。然后通过ICA算法，进行独立分量分析，将混合的辐射噪声信号分离成两组独立的噪声信号y1(t)、y2(t)，其时域波形如图10b所示。

图10 双共模辐射模型分离前后时域信号Fig.10 The time-domain signal before and after seperation of two common mode radiation model

本实验中采取FastICA算法进行分离后，计算分离信号和源信号的相似系数为0.99与0.94，约等于1，由此可见，采用该算法的分离效果较好。因此可以得出该PCB的辐射噪声主要是由于6 M和20 M晶振通过共模辐射叠加产生的，在进行辐射噪声抑制过程中，只需要对这两个芯片进行共模噪声抑制整改，通过减少共模电流或等效短直天线长度，整改后的暗室测量结果如图9b所示，将辐射噪声抑制至通过测试标准。

2)双差模源PCB条件下实验。

图11为双差模混合模型PCB板，分别是32 M和6 M晶振的差模模型混合，其暗室测量的辐射噪声结果如图12a所示，有多个频点超标。通过双磁场探头同时通过高速示波器测量被测设备的信号，得到两组混合噪声信号，其时域波形如图13a所示。

将测得的混合时域信号进行独立分量分析，把混合信号分离成两个独立的噪声信号，结果如图13b所示。鉴于数据量较大，采用相似系数来评判分离信号与源信号近似程度，得到两个信号的相似系数分别为1和0.996，近似于1，说明这两组信号的分离情况很理想。

图11 双差模辐射电磁干扰噪声模型实物图Fig.11 Two differential mode radiation EMI noise model picture

图12 整改前后差模辐射电磁干扰模型暗室测量结果Fig.12 The measurement results before and after rectification of DM radiated EMI model in chamber

图13 双差模辐射模型分离前后时域信号Fig.13 The time-domain signal before and after seperation of two differential mode radiation model

综上所述，可以看出该PCB模型的辐射噪声主要是由32 M和6 M晶振通过差模辐射叠加产生，在进行辐射整改时，对于差模模型，主要采取减少环路面积等措施，减小辐射噪声。整改后，该PCB的暗室测量结果如图12b所示，辐射噪声已降至标准限值以下。

3)共差模混合PCB条件下实验。

图14为共模差模混合模型PCB板，分别是由32 M 和20 M的晶振产生的信号，在暗室测量其辐射噪声后，发现该噪声超标，如图15a所示。用两个磁场探头连接高速四通道示波器之后，在两个不同点测量辐射噪声信号，得到两个混合信号，其混合时域波形如图16a所示。

同样采用FastICA算法对混合时域信号进行独立分量分析，分离结果如图16b所示，由于采样点数较多，无法单从时域图形上判断分离效果，仍然采用上文提到的相似系数ξ来评判该盲源分离算法的性能指标。在共差模混合模型的盲源分离实验中，其分离信号和源信号的相似系数为0.997和0.995，趋近于1，该实验的分离效果较好。

由此可以判断该PCB模型的辐射噪声主要是由32 M晶振通过共模辐射和20 M晶振通过差模辐射叠加形成，需要针对不同辐射模型进行辐射整改。对于共模模型，主要采取减少线缆长度，对于差模模型，主要采取减少环路面积等措施，减小辐射噪声。整改后，该PCB的暗室测量结果如图15b所示，辐射噪声已降至标准限值以下。

图14 共差模辐射电磁干扰噪声模型实物图Fig.14 CM and DM mixed radiation EMI noise model picture

图15 整改前后共差模辐射电磁干扰模型暗室测量结果Fig.15 The measurement results before and after rectification of CM and DM mixed radiated EMI model in chamber

图16 共差模混合辐射模型分离前后时域信号Fig.16 The time-domain signal before and after seperation of CM and DM mixed radiation model

上述3个实验分别是对双共模模型、双差模模型和共差模混合模型辐射噪声信号的分离，其分离近似程度即相似系数见表1，各模型的分离信号与源信号的相似系数都近似或等于1，说明分离情况非常理想，可以得出独立分量分析算法适用于辐射噪声信号的分离。

表1 各辐射电磁干扰噪声模型相似系数

因此，在今后的辐射噪声源筛选和分析中，可以将独立分量分析方法应用于其中，帮助工程师筛选出待处理的辐射源，更快速准确地进行辐射噪声整改，提高工作效率，缩短工作时间，对辐射噪声源的识别方法研究具有重要的参考意义。

4 在医疗电子设备中的应用

将独立分量分析算法应用于医疗设备的辐射电磁干扰噪声诊断，从实际应用检验本文方法的有效性。图17为医疗电子设备，该设备在暗室进行辐射噪声标准测试后，其结果表明该产品的辐射噪声不符合标准，如图18a所示，需对其辐射超标问题进行诊断。

首先采集该医疗电子设备的辐射噪声混合时域信号，其噪声如图19a所示，对混合信号进行独立分量分析，如图19b所示，图中为两个独立的噪声信号，将这两组时域信号转变成频域后，发现该信号在50 M较强，比对该设备，发现是由50 M晶振产生引起的辐射噪声超标。对该器件进行辐射整改后，其标准噪声测试结果如图18b所示，成功通过辐射标准。

图17 JY-SF I型电子式肺活量计实物图Fig.17 JY-SF I electronic spirometer picture

图18 整改前后电子式肺活量计的暗室测量结果Fig.18 The measurement results before and after rectification of electronic spirometer radiated EMI model in chamber

图19 电子式肺活量计分离前后时域信号Fig.19 The time-domain signal before and after seperation of electronic spirometer

该应用案例表明，本文方法可应用于实际医疗电子设备的多辐射噪声问题研究，通过独立分量分析算法对混合噪声信号进行分离，筛选出辐射电磁干扰噪声超标的源头，为进一步的整改工作提供参考和基础。

5 结论

本文将信号中的独立分量分析算法应用于复杂医疗电子设备的辐射电磁干扰噪声分析，通过ICA算法将混合的辐射噪声分离，筛选辐射噪声源。通过这种信号分析方法，可以迅速找到辐射噪声源，分析噪声源的噪声模型后，采取相应的整改措施。本文通过3组 PCB验证实验，对ICA算法在辐射噪声中的应用进行验证，结果表明独立分量分析算法能成功地对多辐射源辐射干扰噪声进行分离。最后，本文将独立分量分析算法应用于医疗电子设备，用实际的整改前后结果对比，验证了本方法的可行性和有效性。可以看出，相较于传统的经验诊断法，更具有针对性和准确性，大大提高了辐射整改的效率。

然而，本文方法仍存在需要改进的地方，比如多辐射源的二次辐射问题仍有待解决。因此，关于复杂电子设备的辐射电磁干扰噪声问题研究还有待更进一步地研究。

[1] Clayton R Paul.Introduction to Electromagnetic Compatibility[M].2nd ed.New York：John Wiley & Sons Inc.，2006.

[2] Aouine O，Labarre C，Costa F.Measurement and modeling of the magnetic near field radiated by a buck chopper[J].IEEE Transactions on Electromagnetic Compatibility，2008，50(2)：445-449.

[3] Tong Xin，Thomas D W P，Nothofer A，et al.Modeling electromagnetic emissions from printed circuit boards in closed environments using equivalent dipoles[J].IEEE Transactions on Electromagnetic Compatibility，2010，52(2)：462-470.

[4] 钱照明，陈恒林.电力电子装置电磁兼容研究最新进展[J].电工技术学报，2007，22(7)：1-11. Qian Zhaoming，Chen Henglin.State of art of electromagnetic compatibility research on power electronic equipment[J].Transactions of China Electrotechnical Society，2007，22(7)：1-11.

[5] 汪泉弟，刘青松，安宗裕，等.混合动力客车低频电磁辐射机理及抑制方法[J].电工技术学报，2014，29(1)：202-207. Wang Quandi，Liu Qingsong，An Zongyu.Electromagnetic radiation mechanism and noise suppression method for hybrid electric bus[J].Transactions of China Electrotechnical Society，2014，29(1)：202-207.

[6] 崔翔，李琳，卢铁兵，等.电力系统电磁环境的数值预测方法及其应用[J].华北电力大学学报，2002，29(5)：18-24. Cui Xiang，Li lin，Lu Tiebing，et al.Numberical prediction methods of electromagnetic environment in power system and applications[J].Journal of North China Electric Power University，2002，29(5)：18-24.

[7] 张卫东，邢悦，崔翔.电力线通信网络电磁辐射近场测量系统[J].中国电机工程学报，2010，30(12)：117-121. Zhang Weidong，Xing Yue，Cui Xiang.Measurement system for near field electromagnetic radiation of power line communication networks[J].Proceedings of CSEE，2010，30(12)：117-121.

[8] Capizzi G，Coco S，Laudani A.A new tool for the identification and localization of electromagnetic sources by using independent component analysis[J].IEEE Transactions on Magnetics，2007，43(4)：1625-1628.

[9] Fiori S，Faba A，Albini L，et al.Numerical modeling for the localization and the assessment of electromagnetic field sources[J].IEEE Transactions on Magnetics，2003，39(3)：1638-1641.

[10]Song Zhenfei，Su Donglin，Xie Shuguo.Detecting the number of EMI sources based on higher order statistics[C].IEEE International Symppsium on Electromagnetic Compatibility，Zurich，2009：465-468.

[11]Yan Wei，Wang Enrong，Zhao Yang，et al.Modeling of electromagnetic interference noise mechanism for magneto-rheological damper[C].Proceedings of the 5th International Conference on Intelligent Robotics and Application，Motreal，QC，Canada，2012，7507LNAI(PART2)：153-163.

[12]Han-Chang H，Cheng-Nan C，Chi-Hsueh W.A new approach for fast Analysis of spurious emissions from RF/microwave circuits[J].IEEE Transactions on Electromagnetic Compatibility，2009，51(3)：631-638.

[13]Ricciardi G F，Stutzman W L.A near-field to far-field transformation for spheroidal geometry utilizing an eigenfunction expansion[J].IEEE Transactions on Antennas and Propagation，2004，52(12)：3337-3349.

[14]Bertocco M，Sona A，Stellini M.Simplified approach for the analysis of PCB radiated emissions in the near field region[C].International Symposium on Electromagnetic Compatibility-EMC Europe，Hamburg，2008：1-6.

[15]Malik M M.EMI model of automatic implantable medical device(AIMDs)[C].Second International Conference on Electrical Engineering，Lahore，2008：25-26.

[16]Di Lin，Fabrice L.Accelerated genetic algorithm for bandwidth allocation in view of EMI for wireless healthcare[C].IEEE Wireless Communications and Networking Conference，Shanghai，2012：3312-3317.

[17]Shunichi，Koike B.A novel assement methodology for the EMI occurrence in implantable medical devices based upon magnetic flux disttibution of RFID reader/writers[J]. IEEE International Symposium on Electromagnetic Compatibility，2007，4(6)：1-6

[18]赵阳，颜伟，赵波，等.电路辐射干扰机理诊断与特性估计方法研究[J].电工技术学报，2010，25(10)：6-13. Zhao Yang，Yan Wei，Zhao Bo，et al.EMI radiated noise diagnosis and estimation for HF circuits[J].Transactions of China Electrotechnical Society，2010，25(10)：6-13.

[19]赵阳，罗永超，颜伟，等.高频电路辐射干扰快速分析与预估方法[J].电波科学学报，2010，25(3)：466-471. Zhao Yang，Luo Yongchao，Yan Wei，et al.Rapid analysis and prediction method of radiation interference of high frequency circuit[J].Chinese Journal of Radio Science，2010，25(3)：466-471.

[20]赵阳，董颖华，陆婋泉，等.大功率开关磁阻电机EMI噪声综合分析与处理[J].中国电机工程学报，2011，31(21)：135-141. Zhao Yang，Dong Yinghua，Lu Xiaoquan，et al.EMI noise analysis and process for large-power switched reluctance motor[J].Proceedings of the CSEE，2011，31(21)：135-141.

[21]Fu Yan，Hubing T H.Analysis of radiated emissions from a printed circuit board using expert system algorithms[J].IEEE Transactions on Electromagnetic Compatibility，2007 49(1)：68-75.

[22]Gillman T H，Le May I.Mechanical and electrical failures leading to major fires[J].Engineering Failure Analysis，2007，14(6)：995-1018.

[23]Bhargava A，Pommerenke D，Kam K W，et al.DC-DC Buck converter EMI reduction using PCB layout modification[J].IEEE Transactions on Electromagnetic Compatibility，2011，53(3)：806-813.

[24]Qiu Xiaohui，Zhao Yang，Chen Hao，et al.Blind signalseparation (BSS) algorithm applied in EMI noise diagnosis[C].Asia-Pacific Symposium on Electromagnetic Compatibility (APEMC)，Beijing，2010：1602-1605.

[25]Wang Q D，An Z Y.Electromagnetic interference pattern recognition for vehicle wiper motor based on wavelet packet decomposition[J].International Journal of Electric and Hybrid Vehicles，2012，4(2)：186-196.

The Radiated EMI Analysis Method for Electromedical Equipments Based on ICA

ZhaoYang1XiaHuan1QiuXiaohui2SongBaitong1ChenXueli1

(1.Nanjing Normal University Jiangsu Electrical Equipment EMC Engineering Laboratory Nanjing 210042 China 2.Nanjing University of Posts and Telecommunications Nanjing 210042 China)

Aiming at the multi-point electromagnetic interference (EMI) radiation of the medical electronic equipment，this paper designs the analysis method based on the independent component analysis (ICA) algorithm.The near field time-domain signals，resulted from the superposition of multiple radiation sources，can be separated into several independent common mode and differential mode (CM/DM)radiation sources by applying the ICA algorithm.After the over standard sourceis found，technicians can take the corresponding improvement measures.Comparing to the present analysis methods，this one is more convenient and simple.It can quickly locate the over standard source and is easy to be manipulated and realized.In this paper，with three experiments，i.e.the double CM mixed source，the double DM mixed sources，and the CM/DM mixed source，the feasibility of the method is verified.And the validity of the method is tested by the application example in the electronic medical equipment.In the meantime，this method may offer a reference for tracing source in the complex electronic equipment and multiple radiation sources improvements in the future.

ICA，radiated noise，electromagnetic interference，analysis method

江苏省自然科学基金(BK2011789)、毫米波国家重点实验室开放基金(K201309)和江苏省科技厅产学研究联合创新资金(BY2012004)资助项目。

2015-01-27 改稿日期2015-03-19

O441.4

赵 阳 男，1966年生，教授博导，研究方向为电磁兼容。(通信作者)

夏 欢 女，1991年生，硕士研究生，研究方向为电磁兼容。