針對(duì)電力線通信中的α脈沖噪聲影響,以及傳統(tǒng)的噪聲抑制算法受限于噪聲的先驗(yàn)信息的問(wèn)題,提出一種基于冪迭代的快速獨(dú)立成分分析算法（PowerICA）。在此工作中,首先通過(guò)加權(quán)處理構(gòu)建偽觀測(cè)信號(hào),將單通道的盲分離模型轉(zhuǎn)換為多通道正定模型;然后利用提出的盲分離算法進(jìn)行噪聲和源信號(hào)分離工作;最后仿真驗(yàn)證了提出算法的有效性。實(shí)驗(yàn)研究分析表明,提出的算法比FastICA算法分離效果更好,分離更穩(wěn)定,所需要的時(shí)間也更少,提高了通信信號(hào)處理的實(shí)時(shí)性。 

【文章來(lái)源】：現(xiàn)代電子技術(shù). 2020,43(21)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

信號(hào)分離示意圖

本文通過(guò)算法的仿真實(shí)驗(yàn)來(lái)評(píng)估算法在電力線通信環(huán)境下對(duì)噪聲抑制的效果。在仿真實(shí)驗(yàn)中，信號(hào)噪聲模型見(jiàn)第2節(jié)，純凈信號(hào)u (t)是OFDM信號(hào)，n1 (t)是脈沖噪聲，它們作為兩路輸入信號(hào)，載波頻率是1 000 Hz,迭代次數(shù)設(shè)為100，樣本采樣點(diǎn)數(shù)為500個(gè)，樣本頻率為1 600 Hz，原始的輸入信號(hào)如圖2所示。α穩(wěn)定分布噪聲的α在具體的實(shí)驗(yàn)中取不同的值，β=0,γ=1,λ=0，混合矩陣A是2×2維的隨機(jī)矩陣。電力線通信中的脈沖噪聲是時(shí)變的，為了更接近信號(hào)在實(shí)際環(huán)境中的傳輸情況，因此需要產(chǎn)生兩個(gè)隨機(jī)混合觀測(cè)信號(hào)，將兩個(gè)隨機(jī)數(shù)對(duì)作為混合加權(quán)向量，分別與OFDM信號(hào)和脈沖噪聲信號(hào)相乘，然后將結(jié)果相加，再加上外加干擾高斯白噪聲，就產(chǎn)生了一個(gè)混合觀測(cè)信號(hào)的向量。信號(hào)波形如圖3所示。

電力線通信中的脈沖噪聲是時(shí)變的，為了更接近信號(hào)在實(shí)際環(huán)境中的傳輸情況，因此需要產(chǎn)生兩個(gè)隨機(jī)混合觀測(cè)信號(hào)，將兩個(gè)隨機(jī)數(shù)對(duì)作為混合加權(quán)向量，分別與OFDM信號(hào)和脈沖噪聲信號(hào)相乘，然后將結(jié)果相加，再加上外加干擾高斯白噪聲，就產(chǎn)生了一個(gè)混合觀測(cè)信號(hào)的向量。信號(hào)波形如圖3所示。非高斯性是ICA常用的判據(jù)。與高斯白噪聲和OFDM信號(hào)相比，α穩(wěn)定分布噪聲的非高斯性最強(qiáng)。因此根據(jù)非高斯性，對(duì)于Fast ICA算法和Power ICA算法，可以首先提取α穩(wěn)定分布的脈沖噪聲，分離結(jié)果如圖4和圖5所示。Fast ICA算法和Power ICA算法分離出的脈沖噪聲與原始的脈沖噪聲很接近。當(dāng)脈沖噪聲α=1.2，高斯噪聲的方差σ2=0.02時(shí)，經(jīng)過(guò)計(jì)算相關(guān)函數(shù)達(dá)到0.99。

【參考文獻(xiàn)】：
期刊論文
[1]基于壓縮感知和虛警概率的電力線脈沖噪聲抑制方法[J]. 譚周文,劉宏立,陳炳權(quán),馬子驥.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)



本文編號(hào)：3558882