【技术实现步骤摘要】
本专利技术属于噪声建模领域，具体涉及一种基于生成对抗神经网络的电力线脉冲噪声建模方法。
技术介绍
0、
技术介绍
：
1、低压电力线通信技术的不断发展，使得其通信系统呈现出明显的高比例电力电子装备特性，在这种高比例电力电子接入的环境下，噪声干扰愈发严重，会增大低压电力线信号的误码率，影响通信可靠性。因此，实现电力线脉冲噪声的高精度建模是十分必要的。传统的电力线脉冲噪声建模方法多为采用分群的马尔可夫链模型，但该方法忽视了脉幅与脉宽、间隔以及极性变化间的相互关系，与电力线脉冲噪声的实际特性不符，无法保证建模精度。随着生物神经系统的不断发展，人工神经网络具有良好的容错性、联想能力和记忆能力，被广泛用于电力线脉冲噪声的建模中。
2、然而，现有基于神经网络的电力线脉冲噪声建模还存在着以下问题：
3、1)现有建模方法没有考虑到在高比例电力电子接入的环境下，低压电力线系统的稳定形态和运行特点发生变化，导致建模精度低、抗噪能力弱。因此，如何实现电力线脉冲噪声建模方法能够适应高比例电力电子接入的环境，是一个亟待解决的问题。
4、2)现有模型训练较为复杂、模型参数难以确定，影响网络的收敛速度，且复杂的训练过程也会增加训练过程中的不确定性，影响建模可靠性。因此，如何改进模型训练方式，提高神经网络收敛速度，是一个亟待解决的问题。
5、传统的电力线脉冲噪声建模方法多用卷积神经网络、循环神经网络、小波神经网络等方法进行建模，此类神经网络存在训练过程复杂、训练参数难以确定、收敛速度差等问题，难以适配高比
技术实现思路
0、
技术实现思路
：
1、有鉴于此，本专利技术的目的在于提出一种基于生成对抗神经网络的电力线脉冲噪声建模方法，以实现高精度、高可靠的电力线脉冲噪声建模。
2、为达到上述目的,本专利技术提供如下技术方案:
3、一种基于生成对抗神经网络的电力线脉冲噪声建模方法，该方法针对高比例电力电子接入的环境，通过生成对抗网络对电力线脉冲噪声进行建模，提出建模方案，在提高噪声建模精度的同时优化训练过程、提高神经网络收敛速度的同时，提高噪声建模的精度与可靠性，增强电力线系统的抗噪性，适应高比例电力电子接入的复杂环境。该方案具体包括以下步骤：
4、s1：实测电力线脉冲噪声数据作为样本输入，并对其进行处理，得到实测噪声波形；
5、s2：设计基于生成对抗神经网络的电力线脉冲噪声建模方法；
6、s3：简述具体方案流程，并将其在高比例电力电子设备中进行重复训练。
7、进一步的，所述步骤s1中，利用fpga实测电力线脉冲噪声数据，并通过matlab进行处理。其中包括串口接收模块、d/a转换模块、rom模块、按键控制模块、a/d转换模块、fifo模块以及串口发送模块。
8、进一步的，所述步骤s2中，设计基于生成对抗神经网络的电力线脉冲噪声建模方法，主要包括判别器网络和生成器网络的设计，其中，判别器网络的目的是更精准的区分实测数据和生成数据，生成器网络的目的是提高自身伪造样本的能力，使得判别器无法精准判别。
9、进一步的，所述步骤s3中，具体方案流程包括噪声生成阶段、分析阶段、训练阶段。其中，在训练阶段根据误差计算和各阶统计特性的分析结果，不断交替训练生成器网络和判别器网络，以求得最优网络。
10、与现有技术相比，本专利技术具有以下优点:
11、1)本专利技术以生成对抗神经网络代替传统的卷积神经网络、循环神经网络、小波神经网络等，通过更简洁的模型训练方式，优化网络训练过程，提高神经网络的收敛速度，减少了不确定因素对建模可靠性的影响。
12、2)本专利技术所提方法通过在高比例电力电子设备中不断训练，能够更好适应当前电力线系统中稳定形态和运行特点的变化，提高电力线脉冲噪声的建模精度，进一步增强低压电力线系统的抗噪能力。
本文档来自技高网...【技术保护点】
1.一种基于生成对抗神经网络的电力线脉冲噪声建模方法，其特征在于，该方案针对高比例电力电子接入的环境，采用FPGA获取实测电力线脉冲噪声数据，并通过MATLAB进行处理得到噪声幅度随样本点数变化的实测波形，采用生成对抗神经网络代替传统的神经网络对电力线脉冲噪声进行建模，在优化网络训练过程的同时，提高电力线脉冲噪声的建模精度，适应高比例电力电子接入的环境。
2.根据权利要求1所述的一种基于生成对抗神经网络的电力线脉冲噪声建模方法，其特征在于，该方法具体包括以下步骤：
3.根据权利要求2所述的获取实测噪声波形，其特征在于，利用FPGA实测电力线脉冲噪声数据，并通过MATLAB进行处理。FPGA中包括串口接收模块、D/A转换模块、ROM模块、按键控制模块、A/D转换模块、FIFO模块以及串口发送模块。
4.根据权利要求2所述的基于生成对抗神经网络的电力线脉冲噪声建模方法，其特征在于，设计基于生成对抗神经网络的电力线脉冲噪声建模方法，主要判别器网络设计和生成器网络设计，其中，判别器网络的目的是更精准的区分实测数据和生成数据，生成器网络的目的是提高自身伪
5.根据权利要求2所述的基于生成对抗神经网络的电力线脉冲噪声建模具体方案流程，其特征在于，具体方案流程包括噪声生成阶段、分析阶段、训练阶段。其中，在训练阶段根据误差计算和各阶统计特性的分析结果，不断交替训练生成器网络和判别器网络，以求得最优网络。
...【技术特征摘要】
1.一种基于生成对抗神经网络的电力线脉冲噪声建模方法，其特征在于，该方案针对高比例电力电子接入的环境，采用fpga获取实测电力线脉冲噪声数据，并通过matlab进行处理得到噪声幅度随样本点数变化的实测波形，采用生成对抗神经网络代替传统的神经网络对电力线脉冲噪声进行建模，在优化网络训练过程的同时，提高电力线脉冲噪声的建模精度，适应高比例电力电子接入的环境。
2.根据权利要求1所述的一种基于生成对抗神经网络的电力线脉冲噪声建模方法，其特征在于，该方法具体包括以下步骤：
3.根据权利要求2所述的获取实测噪声波形，其特征在于，利用fpga实测电力线脉冲噪声数据，并通过matlab进行处理。fpga中包括串口接收模块、d/a...
【专利技术属性】
技术研发人员：孙中伟，丁添，张孙烜，舒乙凌，刘希，周振宇，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。