[发明专利]基于深度学习的脉冲噪声削减方法

说明书

本发明公开了一种基于深度学习的脉冲噪声削减方法，包括：随机生成用于模型训练的信息，经过编码、调制、信道传输后与特定参数的高斯白噪声和脉冲噪声叠加；将叠加后的噪声与信息作为神经网络的输入，脉冲噪声序列作为神经网络的标签，训练脉冲噪声检测模型；随机生成需要传递的信息，经过编码、调制后叠加与模型训练参数相同的信道噪声与脉冲噪声；将叠加后的信号与噪声作为模型的输入，用训练好的检测模型检测其脉冲噪声；对模型检测出的脉冲噪声点进行削减；解调信息，根据发送端传递的信息与接收端获取的信息求取误码率。本发明方法简单，易于实现，性能优于传统方法，对于不同参数的噪声都有较好的脉冲噪声削减效果，适应性广。

技术领域

本发明属于无线通信技术领域，特别是一种基于深度学习的脉冲噪声削减方法。

背景技术

随着电力线通信应用范围越来越广，对电力线通信质量要求也越来越高，因此解决电力线上信号传输不稳定问题也变得更加重要。

电力线通信(PLC)中的噪声大致可分为两类：被假定为加性高斯白噪声(AWGN)的背景噪声，以及与主频率同步或不同步的脉冲噪声。异步脉冲噪声是由电网中的开关瞬变引起的人为电磁(EM)噪声。它的持续时间短，随机出现，并且功率谱密度高，它可能导致数据传输中的比特或突发错误。伯努利-高斯(BG)模型是用来描述这种脉冲噪声的模型之一，对于该模型，噪声被视为高斯过程，其到达时间遵循离散时域中的伯努利分布。

传统的脉冲噪声削减技术，主要采用三种非线性脉冲噪声削减技术即幅度消隐技术(blanking)、幅度削减技术(clipping)、分段混合技术(hybrid)。目前的研究已经表明，在接收信号上以及在多载波调制(MCM)解调器之前执行削波可显著改善脉冲信道的比特误码率(BER)性能。

现有研究成果提出了一些不同的方法来应对由于脉冲噪声引起的性能损害。如HomePlug AV(HPAV)规范所提倡的，其中之一将纠错码与自动重复请求(ARQ)结合在一起[Darnell,M.Error Control Coding:Fundamentals and Applications[J].IeeProceedings F Communications RadarSignal Processing,1985,132(1):68.]。该解决方案在数据速率方面是昂贵的，同时所引起的时间延迟对于准实时传输可能是有害的，尤其是在脉冲噪声强度高的环境中。另一种方法是使鲁棒的迭代信道解码,例如Turbo码(TC)[Umehara D,Yamaguchi H,Morihiro Y.Turbo decoding in impulsive noiseenvironment[C]//IEEE Global Telecommunications Conference.IEEE,2004.]和低密度奇偶校验码(LDPC)[Ardakani M,Kschischang F R,Yu W.Low-density parity-checkcoding for impulse noise correction on power-line channels[C]//Power LineCommunications and Its Applications,2005 International Symposium on.IEEEXplore,2005.]适应脉冲噪声特性，但该方法仅在单载波方案中有效，多载波调制并没有得到改善。近年来一些新的脉冲噪声削减技术也被提出，在文献[J.Lin,M.Nassar andB.L.Evans,Impulsive Noise Mitigation in Powerline Communications UsingSparse Bayesian Learning,in IEEE Journal on Selected Areas inCommunications,vol.31,no.7,pp.1172-1183,July 2013,doi:10.1109/JSAC.2013.130702.]中提出了使用贝叶斯学习的方式来削减脉冲噪声，在文献[Ying-RenChien,Yi-Wu Chen,Hen-Wai Tsao.Signal-quality-aware impulsive noise mitigationfor OFDM-based power-line communications[C].ICCE-TW 2015 IEEE,Taipei,2015:174–175]中提出了一种已知信号状态信息的脉冲噪声削减技术。然而这些技术面临算法复杂度较高，对OFDM系统要求较高的问题。Ndo G等人提出了基于检测理论的阈值优化[NdoG,Siohan P,Hamon M H.Adaptive Noise Mitigation in Impulsive Environment:Application to Power-Line Communications[J].Power Delivery,IEEE Transactionson,2010,25(2):p.647-656.]，对于两个优化标准，最佳阈值以封闭形式导出，该方法假设对脉冲噪声模型的概率密度函数(PDF)有完备的了解，不仅难以精确获取，而且实际上可能会随时间而变化。