29、基于数据挖掘的电子元件低频噪声特征提取方法

基于数据挖掘的电子元件低频噪声特征提取方法

1. 引言

噪声中包含着丰富的信息，比如血液信号。随着研究的深入，噪声研究的内涵逐渐拓展，噪声的提取和检测也受到了更多关注。电子元件的内部噪声，尤其是低频噪声，对旁观者的差异或者硬件元件不同材料、结构和工艺所导致的缺陷极为敏感。因此，电子元件的低频噪声可应用于器件质量和可靠性表征的研究。

噪声提取和测量的研究需要各个领域学者的共同努力。一方面，在噪声的理论研究中，深入理解和解释物理现象的基本规律是噪声测试、分析和应用研究的基础；另一方面，噪声测试和分析的研究是对理论研究的验证和补充，也是噪声提取和测试技术进步以及应用转化的动力。为此，提出了一种基于数据挖掘的电子元件低频噪声特征提取方法。该方法的创新点在于利用自回归模型提取确定性分量，得到低频噪声的自回归模型，通过对低频噪声自相关函数进行线性变换，获得线性预测的权重系数。实验结果表明，该方法能有效提高低频噪声特征的准确性，具有一定的实用性。

2. 数据挖掘

2.1 相关概念与公式

假设 ${X_n}, n = 1, \cdots, N$ 是电子元件的噪声点，位于相空间中，$C(\epsilon)$ 是相关函数。则距离小于某一值的点的比例可表示为：
[C(\epsilon) = \frac{2}{N(N - 1)}\sum_{i = 1}^{N}\sum_{j = i + 1}^{N}h(\epsilon - \vert X_i - X_j\vert)]
其中，$\vert X_i - X_j\vert$ 是由范数表示的距离，$h$ 表示海维赛德阶跃函数。当 $x$ 取不同值时，$h$ 会取两个不同的数。对于距离小于某一值