针对电力线信道噪声干扰大、噪声建模复杂、重建无噪信号样本困难等问题,提出了一种面向一维时间序列的Noise2Noise神经网络优化模型,并验证分析Noise2Noise算法抑制电力线噪声的可行性。首先,分析了Noise2Noise算法的原理,对该算法原...针对电力线信道噪声干扰大、噪声建模复杂、重建无噪信号样本困难等问题,提出了一种面向一维时间序列的Noise2Noise神经网络优化模型,并验证分析Noise2Noise算法抑制电力线噪声的可行性。首先,分析了Noise2Noise算法的原理,对该算法原理进行了理论推导。其次,通过选取合适的网络结构,改进网络输入输出,使神经网络适合处理实验数据,并采用正弦波数据进行网络测试与模型验证。然后,通过搭建正交频分复用(orthogonal frequency division multi-plexing,OFDM)调制模型,产生OFDM符号,并添加特定噪声,形成带噪样本。最后,基于改进的网络结构实现了对电力线接收信号的OFDM前导序列进行带噪样本测试,增强了Noise2Noise方法的可行性与有效性,具有较好的实用性。展开更多
文摘针对电力线信道噪声干扰大、噪声建模复杂、重建无噪信号样本困难等问题,提出了一种面向一维时间序列的Noise2Noise神经网络优化模型,并验证分析Noise2Noise算法抑制电力线噪声的可行性。首先,分析了Noise2Noise算法的原理,对该算法原理进行了理论推导。其次,通过选取合适的网络结构,改进网络输入输出,使神经网络适合处理实验数据,并采用正弦波数据进行网络测试与模型验证。然后,通过搭建正交频分复用(orthogonal frequency division multi-plexing,OFDM)调制模型,产生OFDM符号,并添加特定噪声,形成带噪样本。最后,基于改进的网络结构实现了对电力线接收信号的OFDM前导序列进行带噪样本测试,增强了Noise2Noise方法的可行性与有效性,具有较好的实用性。
