針對電力線通信中的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信息的問題,提出一種基于冪迭代的快速獨立成分分析算法（PowerICA）。在此工作中,首先通過加權(quán)處理構(gòu)建偽觀測信號,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行噪聲和源信號分離工作;最后仿真驗證了提出算法的有效性。實驗研究分析表明,提出的算法比FastICA算法分離效果更好,分離更穩(wěn)定,所需要的時間也更少,提高了通信信號處理的實時性。 

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

【文章頁數(shù)】：6 頁

【部分圖文】：

信號分離示意圖

本文通過算法的仿真實驗來評估算法在電力線通信環(huán)境下對噪聲抑制的效果。在仿真實驗中，信號噪聲模型見第2節(jié)，純凈信號u (t)是OFDM信號，n1 (t)是脈沖噪聲，它們作為兩路輸入信號，載波頻率是1 000 Hz,迭代次數(shù)設(shè)為100，樣本采樣點數(shù)為500個，樣本頻率為1 600 Hz，原始的輸入信號如圖2所示。α穩(wěn)定分布噪聲的α在具體的實驗中取不同的值，β=0,γ=1,λ=0，混合矩陣A是2×2維的隨機矩陣。電力線通信中的脈沖噪聲是時變的，為了更接近信號在實際環(huán)境中的傳輸情況，因此需要產(chǎn)生兩個隨機混合觀測信號，將兩個隨機數(shù)對作為混合加權(quán)向量，分別與OFDM信號和脈沖噪聲信號相乘，然后將結(jié)果相加，再加上外加干擾高斯白噪聲，就產(chǎn)生了一個混合觀測信號的向量。信號波形如圖3所示。

電力線通信中的脈沖噪聲是時變的，為了更接近信號在實際環(huán)境中的傳輸情況，因此需要產(chǎn)生兩個隨機混合觀測信號，將兩個隨機數(shù)對作為混合加權(quán)向量，分別與OFDM信號和脈沖噪聲信號相乘，然后將結(jié)果相加，再加上外加干擾高斯白噪聲，就產(chǎn)生了一個混合觀測信號的向量。信號波形如圖3所示。非高斯性是ICA常用的判據(jù)。與高斯白噪聲和OFDM信號相比，α穩(wěn)定分布噪聲的非高斯性最強。因此根據(jù)非高斯性，對于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。當脈沖噪聲α=1.2，高斯噪聲的方差σ2=0.02時，經(jīng)過計算相關(guān)函數(shù)達到0.99。

【參考文獻】：
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.  湖南大學學報(自然科學版). 2018(04)



本文編號：3558882