基于神經網絡與改進馬爾可夫鏈中壓背景噪聲建模研究

摘 要：在中壓電力線通信中，信道噪聲構成復雜，需根據不同類型噪聲單獨分析建模。針對一段特定中壓線路的背景噪聲，提出了一種基于小波包變換的噪聲模型，將得到的小波包系數分別進行神經網絡訓練和改進馬爾可夫鏈計算轉移概率矩陣，得到新的小波包系數重構噪聲信號，并進行仿真驗證及去噪，同時將２ 種方法與傳統直接神經網絡訓練比較分析。結果表明，基于改進馬爾可夫鏈方法所建噪聲比傳統馬爾可夫鏈方法更加準確，基于小波包變換的神經網絡方法所建噪聲與原噪聲相似度更高，去噪效果更好，且優于傳統神經網絡訓練方法，為進一步研究中壓電力線通信提供了可行性方案。

關鍵詞：中壓電力線通信；小波包變換；神經網絡；馬爾可夫鏈

中圖分類號：ＴＭ７３ 文獻標志碼：Ａ

文章編號：１００３－３１０６（２０２４）１０－２３２５－０８

０ 引言

在中壓電力線通信中，其信道與專門通信信道有很大不同，由于需要各種電氣元件的加入，中壓電力線信道噪聲干擾嚴重，時間、地點和頻帶因素等都會使信道有不同程度的噪聲，其類型差別也很大，因此對中壓電力線信道噪聲建模研究有重要意義［１－４］。

國內外學者已有利用小波包變換及馬爾可夫鏈對噪聲信號進行分析建模，文獻［５］通過擬合脈沖寬度和間隔的概率分布曲線建立時間統計模型，該模型僅適用于脈沖噪聲且忽視了其他因素如幅值之間關系的影響。文獻［６］對一類特殊的隨機序列進行改進馬爾可夫鏈建模，保留更多性質，但局限性很大，適合脈沖幅值模型；文獻［７］進一步將脈沖劃分為脈沖群內外進行改進馬爾可夫鏈建模，使得模型更加精確，但以上僅限于具有特定性質的脈沖噪聲。文獻［８］利用改進馬爾可夫鏈對低壓背景噪聲建模，但實際相似度很低。