本發(fā)明涉及通信領域，尤其涉及一種基于增益控制的脈沖噪聲抑制方法。

背景技術：

1、在電力線通信plc中，由于是利用電線進行數(shù)據(jù)傳輸，它容易受到開關瞬態(tài)、電源裝置和電動調光器等設備的影響，從而產(chǎn)生脈沖噪聲。特別是異步脈沖噪聲，它由電力線的開關切換瞬間產(chǎn)生，具有隨機的、不可預測的特點，并且水平值通常非常高。

2、在現(xiàn)有技術中，通常使用時頻峰值濾波tfpf方法，通過含噪信號調制成解析信號的瞬時頻率，利用wigner-ville分布的峰值進行瞬時頻率估計，從而恢復有效信號，但該方法在處理非線性信號時可能會產(chǎn)生一定的偏差，尤其是在信號的波峰和波谷等非線性較強的位置。

技術實現(xiàn)思路

1、本發(fā)明目的在于提供一種基于增益控制的脈沖噪聲抑制方法，以解決上述問題。

2、本發(fā)明通過下述技術方案實現(xiàn)：

3、一種基于增益控制的脈沖噪聲抑制方法，包括：

4、s1：在plc通信的電路系統(tǒng)中，自動監(jiān)控輸入的原始信號，實時監(jiān)測原始信號的變化；

5、s2：通過反饋回路監(jiān)測輸出信號的強度，將測量得到的輸出信號特征與原始信號特征進行比較，得到誤差信號；

6、s3：使用自適應算法，對誤差信號進行處理，為增益控制模塊提供自動調整的增益參數(shù)，實現(xiàn)動態(tài)地調整增益；

7、s4：對輸出信號進行實時監(jiān)測和反饋，使得增益控制模塊對輸出信號進行實時修正。

8、本發(fā)明通過設置反饋回路以及自適應算法，將脈沖噪聲通過不斷的修正，最大程度的保證信號傳輸?shù)馁|量和可靠性。

9、優(yōu)選的，其中自動監(jiān)控原始信號包括如下：

10、使用均方根（rms）檢測器測量原始信號的幅度，首先，原始信號通過一個平方律器件，如二極管，將其轉換為與原始信號幅度成比例的平方信號，接著，平方信號通過一個低通濾波器進行平均處理，以獲得一段時間內(nèi)的平均電平，這個平均電平為原始信號的均方根值，最后，通過一個平方根提取器將平均值轉換為rms值。

11、本發(fā)明主要針對的是plc信號傳輸中的脈沖噪聲問題，其中plc信號傳輸精度高，因此本發(fā)明使用了均方根（rms）檢測器在測量信號幅度，其具有高精度、寬動態(tài)范圍、溫度穩(wěn)定性、低功耗、簡化設計、實時響應的優(yōu)勢。這些特性使rms檢測器成為解決本發(fā)明技術問題的理想的功率測量工具，尤其是在復雜調制信號的準確測量，其能顯著減少系統(tǒng)校準需求。

12、優(yōu)選的，自適應算法具體為徑向基函數(shù)神經(jīng)網(wǎng)絡算法，具體包括：

13、s3.1?：提取誤差信號的特征，特征具體包括信號幅度、相位、上升時間、下降時間、持續(xù)時間、能量；

14、s3.2：使用無監(jiān)督學習算法確定rbf（徑向基函數(shù)）中心點，并將中心點作為網(wǎng)絡隱含層的神經(jīng)元中心；

15、s3.3：基于中心點之間的最大距離，計算每個rbf中心點的方差；

16、s3.4：通過最小二乘法得到隱含層到輸出層的權值；

17、s3.5：通過修改輸出層的權重，動態(tài)調整信號的增益；

18、s3.6：調整后的信號通過輸出層輸出，完成增益調整過程。

19、本發(fā)明使用了徑向基函數(shù)神經(jīng)網(wǎng)絡算法，對脈沖噪聲進行自適應增益調整，由于rbf不需要通過權連接進行非線性映射，因此使得對脈沖噪音增益幅度的學習速度加快，特別是應用在plc實時通信中，很好的解決了延時問題，另外rbf網(wǎng)絡的隱層輸出對可調參數(shù)是線性的，這意味著網(wǎng)絡的權重可以通過解線性方程組直接獲得，從而加快學習速度并避免局部極小問題。

20、優(yōu)選的，無監(jiān)督學習算法具體為k-means聚類算法，其具體包括：

21、隨機選擇k個數(shù)據(jù)點作為初始聚類的中心；

22、s3.4.1:對于每個數(shù)據(jù)點，計算其與所有聚類中心的距離，并將其分配到最近的聚類中心，形成k個簇；

23、s3.4.2:距離使用歐氏距離來計算其中，是信號的特征的集合數(shù)據(jù)點y的第個特征，是聚類中心的第個特征；

24、s3.4.3:重新計算每個簇的聚類中心，簇內(nèi)所有點的均值：?，其中是簇中數(shù)據(jù)點的數(shù)量；

25、s3.4.4：檢查聚類中心是否發(fā)生變化，如果沒有或達到預定的迭代次數(shù)，則算法結束；否則，返回步驟s3.4.2；

26、s3.4.5：當聚類中心在連續(xù)迭代中的變動小于設定閾值或達到最大迭代次數(shù)時，算法終止。

27、由于rbf中心點的確定，是徑向基函數(shù)神經(jīng)網(wǎng)絡算法的核心，因此本技術使用了k-means聚類算法，確定rbf中心點，k-means算法可以幫助rbf網(wǎng)絡在保證精度要求的同時，優(yōu)化網(wǎng)絡結構，避免過擬合，另外k-means聚類能夠識別出數(shù)據(jù)中的代表性點作為中心點，減少rbf網(wǎng)絡隱含層的節(jié)點數(shù)量，簡化網(wǎng)絡結構。

28、優(yōu)選的，s4中的對輸出信號進行實時修正，具體包括：

29、s4.1：設定輸入的原始信號為，經(jīng)過處理的輸出信號為；

30、s4.2：利用循環(huán)神經(jīng)網(wǎng)絡處理原始信號與輸出信號之間的幅度和相位差異；

31、s4.3：損失函數(shù)定義如下：

32、

33、其中，：原始信號，可以是一個時間序列信號或任何形式的信號，其中表示信號中的第個樣本。

34、：輸出信號，是經(jīng)過系統(tǒng)處理（例如神經(jīng)網(wǎng)絡）后的輸出信號，其中表示失真信號中的第個樣本。

35、：原始信號的第個樣本的幅度，即信號的大小或強度。

36、：失真信號的第個樣本的幅度。

37、：原始信號的第個樣本的相位角，通常以弧度表示。

38、：失真信號的第個樣本的相位角。

39、：樣本數(shù)量，表示在損失函數(shù)中考慮的信號樣本的總數(shù)。

40、：權重系數(shù)，用于平衡幅度誤差在總損失函數(shù)中的比重。這個參數(shù)可以根據(jù)任務對幅度失真的敏感度進行調整。

41、：權重系數(shù)，用于平衡相位誤差在總損失函數(shù)中的比重。這個參數(shù)可以根據(jù)任務對相位失真的敏感度進行調整；

42、：總損失函數(shù)，它是原始信號和失真信號之間幅度誤差和相位誤差的加權和。這個函數(shù)的值越小，表示失真信號與原始信號越接近。

43、由于輸出的信號需要實時修正，因此本發(fā)明使用了循環(huán)神經(jīng)網(wǎng)絡，循環(huán)神經(jīng)網(wǎng)絡可以快速響應原始信號的變化，實時更新輸出信號，以適應動態(tài)變化的環(huán)境，通過優(yōu)化后的損失函數(shù)，使得其能夠穩(wěn)定地收斂到全局最小值，從而保證輸出信號的穩(wěn)定性和準確性。

44、優(yōu)選的，在plc通信的電路系統(tǒng)中，每一個針對開關電源的指令信息先傳輸?shù)皆鲆婵刂颇K中，再將指令信息下達到開關電源。

45、對于開關電源產(chǎn)生的脈沖噪聲，具有不可預測性，因此本發(fā)明將開關指令先傳輸?shù)皆鲆婵刂颇K中，進行預測處理。

46、優(yōu)選的，當開關電源為實體按鍵，并需要通過手動開關時，開關指令控制器還包括接近感應模塊，其中接近感應模塊安裝固定在實體開關按鍵上。

47、由于實體鍵的開關電源無法提前預制開關操作，因此本發(fā)明在實體按鍵上設置了感應模塊，增加了預測處理的全面性和準確性。

48、優(yōu)選的，還包括脈沖噪聲分析步驟，實現(xiàn)對每一個脈沖噪聲進行溯源分析。

49、優(yōu)選的，根據(jù)脈沖噪聲分析步驟得到的結果，對于脈沖噪聲中無法消除，但較為穩(wěn)定的脈沖噪聲，增益控制模塊根據(jù)往次增益數(shù)據(jù)，對增益的調整提前做出預判，減少了計算量，降低了功耗。

50、優(yōu)選的，在接收到開關電源即將工作的信號時同步做出增益的預判，實現(xiàn)了對穩(wěn)定脈沖噪聲的0時延增益。

51、本發(fā)明與現(xiàn)有技術相比，具有如下的優(yōu)點和有益效果：

52、1、使用均方根（rms）檢測器測量原始信號的幅度，首先，原始信號通過一個平方律器件，如二極管，將其轉換為與原始信號幅度成比例的平方信號，接著，平方信號通過一個低通濾波器進行平均處理，以獲得一段時間內(nèi)的平均電平，這個平均電平為原始信號的均方根值，最后，通過一個平方根提取器將平均值轉換為rms值。

53、2、本發(fā)明主要針對的是plc信號傳輸中的脈沖噪聲問題，其中plc信號傳輸精度高，因此本發(fā)明使用了均方根（rms）檢測器在測量信號幅度，其具有高精度、寬動態(tài)范圍、溫度穩(wěn)定性、低功耗、簡化設計、實時響應的優(yōu)勢。這些特性使rms檢測器成為解決本發(fā)明技術問題的理想的功率測量工具，尤其是在復雜調制信號的準確測量，其能顯著減少系統(tǒng)校準需求。

54、3、本發(fā)明使用了徑向基函數(shù)神經(jīng)網(wǎng)絡算法，對脈沖噪聲進行自適應增益調整，由于rbf不需要通過權連接進行非線性映射，因此使得對脈沖噪音增益幅度的學習速度加快，特別是應用在plc實時通信中，很好的解決了延時問題，另外rbf網(wǎng)絡的隱層輸出對可調參數(shù)是線性的，這意味著網(wǎng)絡的權重可以通過解線性方程組直接獲得，從而加快學習速度并避免局部極小問題。

55、4、由于rbf中心點的確定，是徑向基函數(shù)神經(jīng)網(wǎng)絡算法的核心，因此本技術使用了k-means聚類算法，確定rbf中心點，k-means算法可以幫助rbf網(wǎng)絡在保證精度要求的同時，優(yōu)化網(wǎng)絡結構，避免過擬合，另外k-means聚類能夠識別出數(shù)據(jù)中的代表性點作為中心點，減少rbf網(wǎng)絡隱含層的節(jié)點數(shù)量，簡化網(wǎng)絡結構。