低压电力线通信自适应脉冲噪声抑制

针对脉冲噪声严重影响电力线通信系统传输性能,提出一种室内电器脉冲噪声估计和抑制方法.首先,分析室内脉冲噪声的特性,在通信过程中对传输信号进行交织操作.然后,在接收端利用矩估计的方法对脉冲噪声的特征参数进行估计,根据估计的脉冲噪声信息建立噪声抑制的自适应门限.最后,根据自适应门限对电力线脉冲噪声进行抑制.仿真结果表明,所...     

基于非线性变换的自适应时间延迟估计

含有脉冲性噪声的信号常使经典的时间延迟估计算法效果变差。给出了一种基于Sigmoid 变换的自适应时间延迟估计算法（SATDE）,采用 Sigmoid 函数,对含有脉冲性噪声的信号进行非线性变换;利用自适应滤波器对信号的时间延迟参量进行估计。计算机数值仿真实验结果表明,该算法在对信号的时间延迟进行估计时,不仅可以适用于符合高斯模型的信号噪声,更适用于含有脉冲噪声的信号。该算法是一种具有较好鲁棒性的时间延迟估计算法。     

一种基于非线性GPR模型的低压电力线信道估计算法

针对信号在低压电力线载波通信信道传输的过程中容易受到非线性脉冲噪声干扰,从而造成信号的频率选择性衰落,导致信号误码率高的问题,提出了一种改进最小平方-高斯过程回归(LS-GPR)的信道估计算法,并进行了非线性脉冲干扰消除的迭代实验,在存在脉冲干扰的条件下对算法的误码率进行了仿真计算.结果表明,该改进算法能够较大程度地消除脉冲噪声所带来的影响,在低信噪比的情况下有效降低了系统的误码率,具有良好的信道估计性能.     

基于BP网络的语音信号自适应噪声抵消系统控制与研究

在信号的处理研究中,自适应噪声抵消技术被广泛的应用于通信、控制等领域,LMS算法是最常见的自适应算法。但是信号通道结构比较的复杂或者存在非线性和多噪声通道交叉串扰时,传统自适应滤波器的设计和使用就有很大的局限性。本文中的自适应噪声抵消设计思路,在基于误差反向传播算法(BP算法)的多层前向人工神经网络进行分析基础上,结合传统自适应噪声抵消系统基本原理,建立的基于BP算法的噪声抵消系统。由于神经网络能够克服传统自适应噪声抵消器无法解决的非线性问题,神经网络的自适应噪声抵消技术能够非常有效消除背景噪声。经过Matlab仿真,结果表明:采用BP网络设计的噪声抵消设计具有很好消除背景噪声的效果。     

一种脉冲噪声下的鲁棒性自适应回波抵消方法

实际通信线路中脉冲性噪声常使得基于高斯噪声模型的经典自适应回波抵消方法的效果变差。针对该问题,提出了一种基于α稳定分布模型的鲁棒性自适应回波抵消方法（RAEC）。该方法采用p稳定分布建模脉冲噪声,在最小平均p范数准则下,利用自适应时间延迟估计器来抵消回波,不仅可以有效地抵消通信线路中含有高斯噪声的回波,而且对含有脉冲噪声的回波也有良好的抵消效果。理论分析和计算机仿真实验表明,RAEC是一种对脉冲噪声具有鲁棒性的自适应回波抵消方法。     

脉冲噪声下基于Sigmoid的LFM信号参数估计

由于脉冲噪声具有的短时大幅值特性,使得基于高斯假设的信号参数估计方法无法在脉冲噪声环境下有效估计参数。针对此问题,利用α稳定分布模拟随机脉冲噪声,提出了一种基于Sigmoid-CFRFT的LFM信号参数估计方法。首先,建立了一种自适应Sigmoid函数,证明了信号经过此非线性变换后,信号的2阶矩由无界变为有界,且信号的相位信息保持不变。其次,将变换后的信号进行离散时间CFRFT,建立了数学优化模型,并使用水循环算法搜索最优值点。最后,利用了非标准SαS分布噪声的修正方法,分析了标准和非标准分布下参数估计的性能。仿真结果说明,所提方法不仅可以有效抑制脉冲噪声对LFM信号分数谱特征的影响,而且能够实现低信噪比信号参数的高精度估计。相比于现有的基于非线性变换的参数估计方法,本文方法具有更好的精度,稳定性和噪声鲁棒性。     

适用于宽带电力线通信的LDPC码译码算法的研究

用A类噪声模型模拟电力线信道中的脉冲噪声环境,采用LDPC码来抑制A类噪声信道（AWAN）中的窄带脉冲噪声。针对A类噪声信道的特性,将信道初始信息的对数似然比（LLR）公式进行适当修改,完成对原有Log-BP译码算法的改造。通过蒙特卡罗仿真与原有的Log-BP译码算法的译码性能进行比较分析,结果表明,在对A类噪声模型的参数Γ和A取值合理的情况下,在AWAN信道上改造后的Log-BP译码算法的误码率性能提高近11dB。     

基于稀疏贝叶斯学习算法的电力线通信脉冲噪声抑制方法

电力线通信脉冲噪声干扰是影响通信系统性能的主要因素之一。文中针对电力线中的脉冲噪声,采用基于稀疏贝叶斯学习算法的抗脉冲方法,将电力线信道中空子载波包含的信息用于脉冲噪声估计,通过基于正交频分复用(OFDM)的宽带电力线载波通信系统,在实际室内电压电网中,验证了算法的可行性。     

一种多带时频扩展OFDM电力线通信系统

针对电力线信道特性和噪声特性以及现有技术在鲁棒性和可靠性方面的不足,提出了一种适用于电力线环境的多带时频扩展OFDM（Multi-Band Time-Frequency Spreading OFDM,MB-TFS-OFDM）系统。该系统利用时频二维扩频技术来抵抗电力线信道的时变性和脉冲噪声,引入多带技术来克制脉冲噪声和窄带噪声,采用OFDM技术以抵抗符号间干扰、满足对速率的需求。与OFDM系统相比,MB-TFS-OFDM以牺牲G（扩频因子）倍的速率,获得10log(G) dB的增益;通过频带自适应选择和多     

OFDM低压电力线通信中基于小波去噪的盲信道估计

分析了OFDM低压电力线通信中采用盲信道估计的可行性,基于二阶矩盲信道估计算法提出一种小波去噪盲估计,这种算法利用小波变换思想,对盲算法中接收信号自相关矩阵的估计值进行消噪处理,以减小噪声干扰对信道估计的影响。通过仿真试验分析了小波去噪盲估计的性能。仿真结果表明,该方法与盲算法相比信道估计性能得到了明显的提高。     

基于OFDM低压电力线噪声抑制算法研究

针对基于压缩感知处理电力线脉冲噪声过程中依赖稀疏度特性和脉冲噪声特征等问题,提出一种改进的稀疏度自适应正交匹配追踪(OMP)算法进行脉冲噪声抑制.该方法从空载子波上获取噪声数据作为观测向量,在噪声预处理过程中获得脉冲噪声的时间序列和自适应稀疏度,最后采用改进的OMP算法对脉冲噪声进行重构,将接收的信号减去重构的脉冲噪声便可得到信息数据.仿真结果表明,改进的稀疏度自适应OMP算法的性能更好;与普通的稀疏度自适应匹配追踪(SAMP)算法相比,在数据载波较少时,误码率更低,耗费时间更短,重构效率更高.     

一种MC-CDMA系统的时域导频信道估计算法

本文针对MC-CDMA系统的下行链路,提出了一种在时域中插入恒模导频信号的最小二乘（LS）信道估计算法,利用复指数信号作为导频,直接在时域估计出信道的频域参数,消除了导频信号对系统峰均功率比（PAPR）的影响,通过对导频信号的下采样处理,在不增加导频数量的同时提供了时域分集能力。仿真结果表明本算法在明显降低运算复杂度的同时有效提高了估计精度。     

基于适应性扩展和阈值分割的低压电力线信道数据处理算法的研究与应用

为了克服电力线通信系统中严重的多径衰落效应,改善低压电力线通信系统的通信质量,引入基于适应性扩展和阈值分割的数据处理算法。建立了OFDM通信系统以及电力线信道的仿真模型,分别对适应性扩展算法以及三级阈值分割算法在电力线通信领域的应用进行了仿真分析。与传统的OFDM通信系统的信道估计技术相比,该算法不占用宝贵的频带资源并且易于实现。实验证明,除去信号被噪声淹没等一些极端情况,对于各种多径信道,该方法均可以有效对抗多径衰落特性,降低误码率(BER),提高通信质量。     

用Adaline网络实现电力线载波机的同频带全双工通信

分析了电力线载波机(PLC)的回波信号干扰问题,并指出了由此带来的电力线信道利用率低的问题。提出了一种利用Adaline网络(自适应线性神经网络)抵消回波信号的方法。利用神经网络强大的自适应能力、学习能力进行回波抵消,可使电力线载波机在同频带内实现全双工通信。由此即可提高信道利用率,因而此方法具有相当高的实用价值。结合ESB900系列数字式电力线载波机,探讨了在数字式电力线载波机上如何具体实现同频带内全双工通信,并利用M atlab对其可行性进行了仿真。     

用Adaline网络实现电力线载波机的同频带全双工通信

分析了电力线载波机(PLC)的回波信号干扰问题,并指出了由此带来的电力线信道利用率低的问题.提出了一种利用Adaline网络(自适应线性神经网络)抵消回波信号的方法.利用神经网络强大的自适应能力、学习能力进行回波抵消,可使电力线载波机在同频带内实现全双工通信.由此即可提高信道利用率,因而此方法具有相当高的实用价值.结合ESB900系列数字式电力线载波机,探讨了在数字式电力线载波机上如何具体实现同频带内全双工通信,并利用Matlab对其可行性进行了仿真.     

改进Sage-Husa 算法结合小波模糊阈值算法的MEMS陀螺去噪

为解决微机电系统（MEMS）中陀螺仪输出噪声大、精度低的问题,基于自适应滤波算法与小波阈值算法的基础上,将小波阈值算法与模糊理论结合,提出了Sage-Husa自适应滤波算法联合小波模糊阈值去噪算法应用在MEMS陀螺去噪中。首先使用改进的Sage-Husa自适应滤波算法进行预处理,通过修正状态的预测值抑制干扰数据对滤波的影响,然后使用小波模糊阈值去噪算法对信号进行后处理,实现抑制随机噪声的效果。实验结果表明：在静态实验中,该算法去噪效果优于Sage-Husa自适应滤波算法和小波阈值算法,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低78.7%和14.6%,信噪比分别提高43.7%和16.3%。;在动态实验中,该算法能够自适应地减少异常值的不利影响,保持原始信号的波形,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低62.7%和31.6%,信噪比分别提高47.8%和10.0%。     

基于改进Teager-Kaiser算子的来波时间估计

Teager-Kaiser（TK）算子对噪声比较敏感,当噪声存在时,TK算法对信号到达时间（time of Arrival,TOA）的估计精度比较低,结合多径信道特点,对TK算子进行了改进。改进算法通过对相关曲线进行高次方累积,增大相关曲线中TOA点对应的输出值,从而降低噪声对输出信号的影响,提高了TOA的估计精度,同时根据TOA点所对应相关曲线的位置特性,限定信号数据范围,不仅可以有效地降低改进算法的计算复杂度,还可以进一步提高TOA的估计精度。对多径信道模型的仿真结果表明,该改进算法对TOA估计的精度明显优于TK算法,特别是在噪声比较严重的情况下,TOA估计精度得到很大的提高。     

智能电网窄带OFDM通信系统噪声抑制

电力信道在低频处具有高的噪声,严重影响电力线通信(PLC)系统的性能.针对窄带(9 ～ 95kHz)电力信道非平稳分布的脉冲噪声和平稳分布的背景噪声,根据实际测量电力噪声的统计分析,建立随机分布特性参数所描述的噪声模型,并提出相应的噪声抑制(Noise Suppression,NS)方案.其中脉冲噪声使用限幅(Clipping)方法进行消除,这是一种无记忆非线性技术;背景噪声因具有高斯特性,而正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的正交和同相分量均符合线性分布模型,利用KLT(Karhunen-Loeve)变换将含噪信号协方差矩阵的特征值分解至噪声和信号子空间,在信号失真最小准则前提下,应用拉格朗日最优极值法,推导OFDM信号的线性估计.基于G3-PLC物理层和窄带噪声模型,构建OFDM仿真系统,对窄带OFDM系统噪声抑制前后性能的仿真,表明该噪声抑制方案,能够改进BER性能,提高SNR.     

无线光通信自适应阈值检测技术研究进展

光信号在大气湍流信道中传输时会引起信号衰落和光强闪烁等现象,接收端采用固定阈值检测无法正确恢复出基带信 号,需要对接收信号判决阈值进行自适应调整。 自适应阈值检测技术能够有效抑制大气湍流效应,是改善无线光通信系统的误 码性能、提高系统可靠性的重要手段,其检测性能主要针对阈值检测算法和反馈机制等方面进行优化和改进。 回顾自适应阈值 检测技术的发展历程,从无线光通信系统结构出发,根据贝叶斯最大似然估计和最大后验概率准则,推导了接收信号的最优判 决阈值模型,通过比较接收信号和最优判决阈值解调出基带信号。 分析了基于最小均方误差滤波、卡尔曼滤波和渐消卡尔曼滤 波 3 种算法的典型自适应阈值检测模型,分别适用于平稳输入信号和非平稳输入信号,同时介绍了西安理工大学在自适应阈值 检测领域使用高阶累积量代替传统二阶统计量的相关研究工作,最后对未来该领域发展趋势进行总结和展望,可为未来无线光 通信自适应阈值检测技术的研究和发展提供一定的参考借鉴。     

低压电力线信道的决策估计算法研究

OFDM技术以其多种优势成为低压电力线载波通信的最佳选择,信道估计是OFDM系统的关键问题之一.分析了低压电力线信道特性,针对信道慢时变特性及噪声复杂的特点,提出一种适用于低压电力线通信信道的直接决策估计算法.该算法基于Kolaonen神经网络,改进了神经元学习率的自适应方法,通过竞争机制实时跟踪信道变化,实现信道估计...