【摘要】：為增強(qiáng)電力線通信的抗噪能力,針對低壓電力線信道噪聲中的有色背景噪聲和窄帶噪聲,提出一種基于小波神經(jīng)網(wǎng)絡(luò)的建模方法。首先,將背景噪聲進(jìn)行小波神經(jīng)網(wǎng)絡(luò)建模,對比所建模型輸出噪聲與測試噪聲的時域波形及功率譜密度,計算兩者功率譜密度的均方根誤差;然后,對同一組背景噪聲分別進(jìn)行基于傳統(tǒng)的小波馬爾科夫鏈和小波神經(jīng)網(wǎng)絡(luò)的建模,并計算2種模型輸出噪聲與測試噪聲的功率譜密度及其均方根誤差。仿真結(jié)果表明,小波神經(jīng)網(wǎng)絡(luò)輸出噪聲與測試噪聲的時域波形及功率譜密度均有著較一致的變化趨勢,因此小波神經(jīng)網(wǎng)絡(luò)對低壓電力線信道背景噪聲的建模是有效的,對寬帶噪聲的建模效果更好。
[Abstract]:In order to enhance the anti-noise ability of power line communication, a modeling method based on wavelet neural network is proposed for colored background noise and narrowband noise in low voltage power line channel noise. Firstly, the background noise is modeled by wavelet neural network, the time domain waveform and power spectral density of output noise and test noise are compared, and the root mean square error of power spectral density is calculated. Then, the same group of background noise is modeled based on traditional wavelet Markov chain and wavelet neural network, and the power spectral density and root mean square error of output noise and test noise of the two models are calculated. The simulation results show that the time domain waveform and power spectral density of the output noise and the test noise of the wavelet neural network have the same changing trend, so the wavelet neural network is effective for the modeling of the background noise of the low voltage power line channel, and the modeling effect of the broadband noise is better.
【作者單位】： 華北電力大學(xué)電氣與電子工程學(xué)院;
【基金】：國網(wǎng)重慶市電力公司資助項目(KH15010158)~~
【分類號】：TN913.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龔玉蓉;湯井田;蔡劍華;;小波神經(jīng)網(wǎng)絡(luò)的大地電磁數(shù)據(jù)靜態(tài)效應(yīng)處理[J];物探化探計算技術(shù);2011年06期

2 盛景泉,付夢印,劉永信;采用小波神經(jīng)網(wǎng)絡(luò)的捷聯(lián)慣導(dǎo)系統(tǒng)靜基座快速初始對準(zhǔn)[J];內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版);2003年04期

3 李志剛;司錫才;陳玉坤;;基于小波神經(jīng)網(wǎng)絡(luò)的信號識別[J];彈箭與制導(dǎo)學(xué)報;2005年SD期

4 陳立偉;宋憲晨;章東升;楊洪利;;一種基于優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的語音識別[J];應(yīng)用科技;2008年02期

5 斯蕓蕓;徐道連;周卓然;;基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的語音識別研究[J];微型機(jī)與應(yīng)用;2011年16期

6 涂望明;宋執(zhí)環(huán);孟慶志;張國超;蘇帥;;小波神經(jīng)網(wǎng)絡(luò)在雷達(dá)故障診斷中的應(yīng)用研究[J];計算機(jī)測量與控制;2012年04期

7 陳珂;張立君;彭志平;柯文德;;基于小波神經(jīng)網(wǎng)絡(luò)的實際業(yè)務(wù)流預(yù)測方法[J];四川大學(xué)學(xué)報(自然科學(xué)版);2013年03期

8 潘俊林;樊可清;李炎華;;基于小波神經(jīng)網(wǎng)絡(luò)的振動信號消噪[J];科技信息(科學(xué)教研);2008年02期

9 胡鋼;馮向前;陳欣;曹力;;帶時頻區(qū)間精度小波神經(jīng)網(wǎng)絡(luò)的信號仿真研究[J];山東大學(xué)學(xué)報(工學(xué)版);2008年01期

10 劉千里;;基于小波神經(jīng)網(wǎng)絡(luò)的非線性噪聲對消[J];電子設(shè)計工程;2012年07期

相關(guān)會議論文 前3條

1 史健芳;湯洪彪;楊盤洪;朱慶雙;龔海燕;;小波神經(jīng)網(wǎng)絡(luò)的機(jī)動目標(biāo)跟蹤方法[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

2 宋海發(fā);謝祝捷;;小波神經(jīng)網(wǎng)絡(luò)的研究[A];武備維修保障理論與應(yīng)用：中國造船工程學(xué)會學(xué)術(shù)論文集.3[C];2013年

3 寧佐貴;王雄祥;朱長春;;信號消噪的小波神經(jīng)網(wǎng)絡(luò)方法[A];中國工程物理研究院科技年報（2000）[C];2000年

相關(guān)博士學(xué)位論文 前1條

1 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 陳斌;無線傳感器網(wǎng)絡(luò)故障診斷方法研究[D];上海電力學(xué)院;2015年

2 姜紅茹;基于深度SVM和深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR影像地物分類[D];西安電子科技大學(xué);2014年

3 傅女婷;雙正交小波基的構(gòu)造方法和心音小波神經(jīng)網(wǎng)絡(luò)的研究[D];南京郵電大學(xué);2015年

4 邵志成;基于作物需求的設(shè)施二氧化碳智能調(diào)控技術(shù)研發(fā)[D];西北農(nóng)林科技大學(xué);2017年

5 李超;基于小波神經(jīng)網(wǎng)絡(luò)的衛(wèi)星信號調(diào)制方式識別[D];吉林大學(xué);2007年

6 王樂;粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)在目標(biāo)跟蹤中的應(yīng)用[D];太原理工大學(xué);2011年

7 薛越峰;基于小波神經(jīng)網(wǎng)絡(luò)多用戶檢測算法的研究[D];太原理工大學(xué);2007年

8 朱人杰;基于遺傳小波神經(jīng)網(wǎng)絡(luò)的海雜波抑制方法研究[D];江蘇科技大學(xué);2014年

9 高峰;基于神經(jīng)網(wǎng)絡(luò)的UWB弱信號目標(biāo)識別方法研究[D];北京郵電大學(xué);2013年

10 李翱翔;基于小波神經(jīng)網(wǎng)絡(luò)的OFDM系統(tǒng)調(diào)制識別方法的研究[D];西安電子科技大學(xué);2007年

，

本文編號：2522928