一种电磁干扰噪声抑制方法、装置、设备及存储介质与流程

1.本技术涉及人工智能技术领域，特别涉及一种电磁干扰噪声抑制方法、装置、设备及存储介质。


背景技术：

2.电磁干扰(electromagnetic interference，emi)是指电子设备在自身工作过程中产生的电磁波对外发射，从而对设备其它部分或外部其它设备造成干扰。因此，需要对电磁干扰产生的噪声进行抑制来防止对自身设备或其它设备造成干扰。
3.目前主流的电磁干扰噪声抑制方法多是在硬件设计方面，如在电子产品研发初期以及后期进行电磁干扰实验时通过在电子线路中添加共模滤波器、差模滤波器、电容和电阻等元器件来抑制电磁干扰噪声。然而，上述电磁干扰噪声抑制方法存在问题或缺陷。例如，即使在研发初期深入考虑了电磁干扰的因素，样机完成后在进行电磁干扰实验时，仍然会遇到各种电磁干扰导致不能通过电磁干扰实验的现象，如果此时对产品进行改进，不仅在技术上有很大的难度，而且返工必然会带来时间和成本的大大浪费，甚至可能由于涉及到结构设计、pcb(printed circuit board，印制电路板)设计的缺陷导致无法实施改进措施，使得产品不能如期上市。


技术实现要素：

4.有鉴于此，本技术的目的在于提供一种电磁干扰噪声抑制方法、装置、设备及存储介质，能够有效的对电磁干扰噪声进行抑制，并且节省了时间和成本。其具体方案如下：
5.第一方面，本技术公开了一种电磁干扰噪声抑制方法，包括：
6.获取电子设备中目标传感器探测到的时序信号；
7.将所述时序信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰进行噪声抑制，得到目标传感器信号；其中，所述电磁干扰噪声抑制模型为利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子设备的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的模型。
8.可选的，所述获取电子设备中目标传感器探测到的时序信号，包括：
9.获取电容触摸开关被触摸时的目标传感器探测到的电容触摸信号；
10.相应的，所述将所述时序信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰噪声进行抑制，得到目标传感器信号，包括：
11.将所述电容触摸信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述电容触摸信号中的电磁干扰噪声进行抑制，得到目标传感器信号。
12.可选的，所述电磁干扰噪声抑制模型的创建过程，包括：
13.在实验室条件下，获取不受电磁干扰噪声时所述电容触摸开关被触摸时的传感器信号，得到第一电容触摸信号数据集；
14.在实验室条件下，获取受电磁干扰噪声时所述电容触摸开关无触摸时的传感器信号，得到电容无触摸信号数据集；
15.利用所述第一电容触摸信号数据集和所述电容无触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模型。
16.可选的，所述利用所述第一电容触摸信号数据集和所述电容无触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模型，包括：
17.对所述电容无触摸信号数据集进行预处理，得到预处理后的电容无触摸信号数据集；
18.将所述第一电容触摸信号数据集作为标签与所述预处理后的电容无触摸信号数据集进行叠加，得到含电磁干扰的第二电容触摸信号数据集；
19.利用所述第二电容触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模型。
20.可选的，所述对所述电容无触摸信号数据集进行预处理，得到预处理后的电容无触摸信号数据集，包括：
21.对所述电容无触摸信号数据集进行正则化处理，得到正则化后的电容无触摸信号数据集；
22.按照预设的电磁干扰噪声段处理方式对所述正则化后的电容无触摸信号数据集中的电磁干扰噪声段进行预处理，得到预处理后的电容无触摸信号数据集；所述预设的电磁干扰噪声段处理方式包括随机选择电磁干扰噪声段、对电磁干扰噪声段进行缩放、随机叠加电磁干扰噪声段中的任意一种或几种。
23.可选的，所述电磁干扰噪声抑制方法，还包括：
24.在实验室条件下，获取受电磁干扰噪声时所述电容触摸开关被触摸时的传感器信号，得到含电磁干扰的第三电容触摸信号数据集；
25.将所述第三电容触摸信号数据集作为测试集对所述电磁干扰噪声抑制模型进行测试。
26.可选的，所述电磁干扰噪声抑制模型的网络结构由输入层、全连接层、gru层和全连接层构成。
27.第二方面，本技术公开了一种电磁干扰噪声抑制装置，包括：
28.信号获取模块，用于获取电子设备中目标传感器探测到的时序信号；
29.噪声抑制模块，用于将所述时序信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰噪声进行抑制，得到目标传感器信号；其中，所述电磁干扰噪声抑制模型为利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子设备的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的模型。
30.第三方面，本技术公开了一种电子设备，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现前述的电磁干扰噪声抑制方法。
31.第四方面，本技术公开了一种计算机可读存储介质，用于存储计算机程序；其中，
所述计算机程序被处理器执行时实现前述的电磁干扰噪声抑制方法。
32.可见，本技术先获取电子设备中目标传感器探测到的时序信号，然后将所述时序信号输入至利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子设备的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰进行噪声抑制，得到目标传感器信号。可见，本技术通过基于循环神经网络创建的电磁干扰噪声抑制模型来滤除传感器信号中的电磁干扰噪声，即通过软件的方式对电磁干扰噪声进行滤除，能够有效的对电磁干扰噪声进行抑制，并且节省了时间和成本。
附图说明
33.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
34.图1为本技术公开的一种电磁干扰噪声抑制方法流程图；
35.图2为本技术公开的一种具体的电磁干扰噪声抑制方法流程图；
36.图3为本技术公开的一种电磁干扰噪声抑制模型抑制电磁干扰效果图；
37.图4为本技术公开的一种电磁干扰噪声抑制装置结构示意图；
38.图5为本技术公开的一种电子设备结构图。
具体实施方式
39.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
40.本技术实施例公开了一种电磁干扰噪声抑制方法，参见图1所示，该方法包括：
41.步骤s11：获取电子设备中目标传感器探测到的时序信号。
42.本实施例中，首先对待抑制电磁干扰的电子设备中传感器探测到的时间序列的信号进行采集；其中，所述电子设备指的是容易受到电磁干扰噪声影响的敏感设备，即可以是一个很小的元件或一个电路板组件，也可以是一个单独的用电设备甚至可以是一个大型系统。例如，对开关电源中的电磁干扰进行抑制时，获取所述开关电源中传感器探测到的时序信号。
43.步骤s12：将所述时序信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰进行噪声抑制，得到目标传感器信号；其中，所述电磁干扰噪声抑制模型为利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子设备的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的模型。
44.本实施例中，获取电子设备中目标传感器探测到的时序信号之后，将上述时序信号输入至利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子
设备的传感器信号数据集对基于循环神经网络(recurrent neural network，rnn)构建的初始抑制模型进行训练后得到的电磁干扰噪声抑制模型中，然后通过所述电磁干扰噪声抑制模型对输入的上述时序信号中的电磁干扰进行噪声抑制，输出抑制噪声后的目标传感器信号。其中，所述电磁干扰噪声抑制模型的网络结构依次由输入层、全连接层、gru(gated recurrent unit，门控循环单元)层和全连接层构成。
45.可以理解的是，由于所述电磁干扰噪声抑制模型可以对不同的电子设备受到的电磁干扰进行降噪，因此在创建所述电磁干扰噪声抑制模型时，可以根据实际应用场景，在实验室条件下采集不受电磁干扰噪声和受电磁干扰噪声时不同电子设备的传感器信号数据集，然后将采集到的所述传感器信号数据集作为训练集对基于循环神经网络构建的初始抑制模型进行训练，得到能够对多种不同电子设备进行降噪的电磁干扰噪声抑制模型。
46.可见，本技术实施例先获取电子设备中目标传感器探测到的时序信号，然后将所述时序信号输入至利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子设备的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰进行噪声抑制，得到目标传感器信号。可见，本技术实施例通过基于循环神经网络创建的电磁干扰噪声抑制模型来滤除传感器信号中的电磁干扰噪声，即通过软件的方式对电磁干扰噪声进行滤除，能够有效的对电磁干扰噪声进行抑制，并且节省了时间和成本。
47.本技术实施例公开了一种具体的电磁干扰噪声抑制方法，参见图2所示，该方法包括：
48.步骤s21：获取电容触摸开关被触摸时的目标传感器探测到的电容触摸信号。
49.本实施例中，以电容触摸开关为例，将电容触摸开关作为待抑制电磁干扰的电子设备，首先采集所述电容触摸开关被触摸时的目标传感器探测到的信号，即电容触摸信号。
50.步骤s22：将所述电容触摸信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述电容触摸信号中的电磁干扰噪声进行抑制，得到目标传感器信号；其中，所述电磁干扰噪声抑制模型为利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电容触摸开关的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的模型。
51.本实施例中，获取到电容触摸开关被触摸时的目标传感器探测到的电容触摸信号之后，将所述电容触摸信号输入至利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电容触摸开关的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的电磁干扰噪声抑制模型中，然后通过所述电磁干扰噪声抑制模型对上述电容触摸信号中的电磁干扰噪声进行抑制，得到降噪后的目标传感器信号。
52.本实施例中，所述电磁干扰噪声抑制模型的创建过程，具体可以包括：在实验室条件下，获取不受电磁干扰噪声时所述电容触摸开关被触摸时的传感器信号，得到第一电容触摸信号数据集；在实验室条件下，获取受电磁干扰噪声时所述电容触摸开关无触摸时的传感器信号，得到电容无触摸信号数据集；利用所述第一电容触摸信号数据集和所述电容无触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模型。也即，在实验室条件下，采集无外加电磁干扰时所述电容触摸开关被触摸时的传感器信号和外加电磁干扰时所述电容触摸开关无触摸时的传感器信号，分别得到所述第一
电容触摸信号数据集和所述电容无触摸信号数据集，然后将所述第一电容触摸信号数据集和所述电容无触摸信号数据集按照预设的比例划分为训练集和验证集，并将所述训练集输入至基于循环神经网络构建的初始抑制模型中进行训练，得到电磁干扰噪声抑制模型，再通过所述验证集对所述电磁干扰噪声抑制模型的降噪效果进行验证。
53.本实施例中，所述利用所述第一电容触摸信号数据集和所述电容无触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模型，具体可以包括：对所述电容无触摸信号数据集进行预处理，得到预处理后的电容无触摸信号数据集；将所述第一电容触摸信号数据集作为标签与所述预处理后的电容无触摸信号数据集进行叠加，得到含电磁干扰的第二电容触摸信号数据集；利用所述第二电容触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模型。本实施例中，在获取到所述第一电容触摸信号数据集和所述电容无触摸信号数据集之后，可以对所述电容无触摸信号数据集进行相应的预处理，然后将上述第一电容触摸信号数据集作为标签(label)与预处理后的电容无触摸信号数据集进行叠加，得到合成的包含电磁干扰的第二电容触摸信号数据集，再将所述第二电容触摸信号数据集按照预设的比例划分为训练集和测试集，并利用所述训练集对基于循环神经网络构建的初始抑制模型进行训练，得到所述电磁干扰噪声抑制模型。
54.具体的，所述对所述电容无触摸信号数据集进行预处理，得到预处理后的电容无触摸信号数据集，可以包括：对所述电容无触摸信号数据集进行正则化处理，得到正则化后的电容无触摸信号数据集，然后按照预设的电磁干扰噪声段处理方式对所述正则化后的电容无触摸信号数据集中的电磁干扰噪声段进行预处理，得到预处理后的电容无触摸信号数据集；其中，所述预设的电磁干扰噪声段处理方式包括但不限于随机选择电磁干扰噪声段、对电磁干扰噪声段进行缩放、随机叠加电磁干扰噪声段中的任意一种或几种。
55.在得到所述电磁干扰噪声抑制模型之后，为了对所述电磁干扰噪声抑制模型的降噪效果进行验证，具体还可以包括：在实验室条件下，获取受电磁干扰噪声时所述电容触摸开关被触摸时的传感器信号，得到含电磁干扰的第三电容触摸信号数据集，然后将所述第三电容触摸信号数据集作为测试集对所述电磁干扰噪声抑制模型进行测试，并通过测试结果来判断所述电磁干扰噪声抑制模型降噪效果的好坏。评判的指标包括但不限于snr(signal-to-noise ratio)、loss值等。具体的，参见图3所示，图3示出了使用所述电磁干扰噪声抑制模型对进行电磁干扰实验时外加电磁干扰并含触摸的电容信号数据集的降噪效果图，可以看出经过所述电磁干扰噪声抑制模型进行降噪之后，所述电容信号数据集中的电磁干扰噪声被去除了。
56.需要指出的是，在对基于循环神经网络构建的初始抑制模型进行训练的过程中，随着训练次数的增加，loss值会越来越小，合成的含电磁干扰噪声的所述第二电容触摸信号数据集在模型的作用下会越来越向无外加电磁干扰噪声时的所述第一电容触摸信号数据集靠近，使得snr的值也会越来越大，因此需要对训练参数、损失函数等进行相应的调整。在一种具体的实施方式中，设置所述电磁干扰噪声抑制模型的输入层的输入数据维度为30，输出特征维度为18，gru层的隐含单元个数为12，全连接层特征维度为12，网络求解参数个数为1775。训练参数设置如下：求解器设置为adam，最大迭代次数设置为500，学习率设置为0.001。
57.其中，关于上述步骤更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
58.可见，本技术实施例以电容触摸开关为例，将采集到的电容触摸开关被触摸时的电容触摸信号输入至利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电容触摸开关的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的电磁干扰噪声抑制模型中进行电磁干扰噪声的抑制，能够通过软件的方式对电容触摸开关受到的电磁干扰噪声进行滤除，同时能够解决电磁干扰噪声带来的基线漂移问题。
59.相应的，本技术实施例还公开了一种电磁干扰噪声抑制装置，参见图4所示，该装置包括：
60.信号获取模块11，用于获取电子设备中目标传感器探测到的时序信号；
61.噪声抑制模块12，用于将所述时序信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰噪声进行抑制，得到目标传感器信号；其中，所述电磁干扰噪声抑制模型为利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子设备的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的模型。
62.其中，关于上述各个模块的具体工作流程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
63.可见，本技术实施例中，先获取电子设备中目标传感器探测到的时序信号，然后将所述时序信号输入至利用在实验室条件下采集到的不受电磁干扰噪声和受电磁干扰噪声时所述电子设备的传感器信号数据集对基于循环神经网络构建的初始抑制模型进行训练后得到的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述时序信号中的电磁干扰进行噪声抑制，得到目标传感器信号。可见，本技术实施例通过基于循环神经网络创建的电磁干扰噪声抑制模型来滤除传感器信号中的电磁干扰噪声，即通过软件的方式对电磁干扰噪声进行滤除，能够有效的对电磁干扰噪声进行抑制，并且节省了时间和成本。
64.在一些具体实施例中，所述信号获取模块11，具体可以包括：
65.第一信号获取单元，用于获取电容触摸开关被触摸时的目标传感器探测到的电容触摸信号；
66.相应的，所述噪声抑制模块12，具体可以包括：
67.噪声抑制单元，用于将所述电容触摸信号输入至训练后的电磁干扰噪声抑制模型，以便通过所述电磁干扰噪声抑制模型对所述电容触摸信号中的电磁干扰噪声进行抑制，得到目标传感器信号。
68.在一些具体实施例中，所述电磁干扰噪声抑制模型的创建过程，具体可以包括：
69.第二信号获取单元，用于在实验室条件下，获取不受电磁干扰噪声时所述电容触摸开关被触摸时的传感器信号，得到第一电容触摸信号数据集；
70.第三信号获取单元，用于在实验室条件下，获取受电磁干扰噪声时所述电容触摸开关无触摸时的传感器信号，得到电容无触摸信号数据集；
71.第一模型训练单元，用于利用所述第一电容触摸信号数据集和所述电容无触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模
型。
72.在一些具体实施例中，所述第一模型训练单元，具体可以包括：
73.第一数据预处理单元，用于对所述电容无触摸信号数据集进行预处理，得到预处理后的电容无触摸信号数据集；
74.信号叠加单元，用于将所述第一电容触摸信号数据集作为标签与所述预处理后的电容无触摸信号数据集进行叠加，得到含电磁干扰的第二电容触摸信号数据集；
75.第二模型训练单元，用于利用所述第二电容触摸信号数据集对基于循环神经网络构建的初始抑制模型进行训练，得到电磁干扰噪声抑制模型。
76.在一些具体实施例中，所述第一数据预处理单元，具体可以包括：
77.数据正则化单元，用于对所述电容无触摸信号数据集进行正则化处理，得到正则化后的电容无触摸信号数据集；
78.第二数据预处理单元，用于按照预设的电磁干扰噪声段处理方式对所述正则化后的电容无触摸信号数据集中的电磁干扰噪声段进行预处理，得到预处理后的电容无触摸信号数据集；所述预设的电磁干扰噪声段处理方式包括随机选择电磁干扰噪声段、对电磁干扰噪声段进行缩放、随机叠加电磁干扰噪声段中的任意一种或几种。
79.在一些具体实施例中，所述电磁干扰噪声抑制方法，还可以包括：
80.第四信号获取单元，用于在实验室条件下，获取受电磁干扰噪声时所述电容触摸开关被触摸时的传感器信号，得到含电磁干扰的第三电容触摸信号数据集；
81.模型测试单元，用于将所述第三电容触摸信号数据集作为测试集对所述电磁干扰噪声抑制模型进行测试。
82.在一些具体实施例中，所述电磁干扰噪声抑制模型的网络结构由输入层、全连接层、gru层和全连接层构成。
83.进一步的，本技术实施例还公开了一种电子设备，图5是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本技术的使用范围的任何限制。
84.图5为本技术实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的电磁干扰噪声抑制方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
85.本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本技术技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
86.另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
87.其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是windows server、netware、unix、linux等。计算机程序222除了包括能够用于
完成前述任一实施例公开的由电子设备20执行的电磁干扰噪声抑制方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
88.进一步的，本技术还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的电磁干扰噪声抑制方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
89.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
90.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
91.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
92.最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
93.以上对本技术所提供的一种电磁干扰噪声抑制方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。