CN111313985A - 宽带电力线载波通信模拟噪声生成方法、装置及电子设备 - Google Patents

宽带电力线载波通信模拟噪声生成方法、装置及电子设备 Download PDF

Info

Publication number
CN111313985A
CN111313985A CN202010149127.5A CN202010149127A CN111313985A CN 111313985 A CN111313985 A CN 111313985A CN 202010149127 A CN202010149127 A CN 202010149127A CN 111313985 A CN111313985 A CN 111313985A
Authority
CN
China
Prior art keywords
noise
state
attribute information
power line
state transition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010149127.5A
Other languages
English (en)
Other versions
CN111313985B (zh
Inventor
刘忠阳
尹旭
徐鉴
李超
张纪中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhenzhong Electronic Technology Co Ltd
Original Assignee
Beijing Zhenzhong Electronic Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zhenzhong Electronic Technology Co Ltd filed Critical Beijing Zhenzhong Electronic Technology Co Ltd
Priority to CN202010149127.5A priority Critical patent/CN111313985B/zh
Publication of CN111313985A publication Critical patent/CN111313985A/zh
Application granted granted Critical
Publication of CN111313985B publication Critical patent/CN111313985B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/0082Monitoring; Testing using service channels; using auxiliary channels
    • H04B17/0087Monitoring; Testing using service channels; using auxiliary channels using auxiliary channels or channel simulators
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/391Modelling the propagation channel
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B3/00Line transmission systems
    • H04B3/02Details
    • H04B3/46Monitoring; Testing
    • H04B3/487Testing crosstalk effects
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B3/00Line transmission systems
    • H04B3/54Systems for transmission via power distribution lines

Abstract

本发明涉及一种宽带电力线载波通信模拟噪声生成方法、装置、电子设备及计算机可读存储介质,属于宽带电力线载波通信领域。该方法通过根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。通过该方法,可以产生符合期望噪声特性要求的随机性噪声信号。

Description

宽带电力线载波通信模拟噪声生成方法、装置及电子设备
技术领域
本申请属于宽带电力线载波通信领域,具体涉及一种宽带电力线载波通信模拟噪声生成方法、装置、电子设备及计算机可读存储介质。
背景技术
宽带电力线载波通信是通过已有的电力线进行数据传输的一种通信方式。由于宽带电力线路具备十分牢固的支撑结构,并架设3条以上的导体,因此宽带电力线输送工频电流的同时,用之传送载波信号是一种既经济又十分可靠的方式。然而,宽带电力线不是专用通信信道,信道中的噪声干扰比其它通信信道更加复杂,因此,需要模拟出不同的噪声加载到宽带电力线上,以便对电力线载波通信进行研究。
已有的噪声模拟系统或装置采用以下两种方案模拟噪声:一种是在计算机或处理器中预存专用的噪声数据,使用时从预存的噪声数据库中选取指定的噪声数据或者将有限几种噪声数据进行加权合并处理,将这些噪声数据的线性组合作为最终的噪声数据;另一种是将可以实际产生噪声的负载装置或用电设备(如水泵、电瓶充电器、开关电源等)接入待测线路中,直接产生噪声。
针对第一种方案,由于需要预先存储,因此,所模拟出的噪声信号是静态信号。然而在实际电力线载波通信系统的测试过程中,模拟的噪声源需要具备实时性和随机性等特性,纯静态的噪声源无法完备地体现出电力线载波通信系统的通信性能。针对第二种方案,噪声源严重依赖于采用的负载装置或用电设备,噪声特性只体现该负载装置或用电设备的特性。若需要遍历其它噪声特征,只能更换其它负载装置或用电设备。如果某个电力线载波通信测试系统,需要模拟的噪声源种类或噪声特性非常复杂,那需要的产生噪声源的用电设备规模以及成本也会随之增大,影响实用性。
发明内容
有鉴于此,本申请的目的在于提供一种宽带电力线载波通信模拟噪声生成方法、装置、电子设备及计算机可读存储介质,可以产生符合期望噪声特性要求的随机性噪声信号。
本申请的实施例是这样实现的:
第一方面,本申请实施例提供一种宽带电力线载波通信模拟噪声生成方法,所述方法包括:根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。在上述过程中,最后的噪声采用隐马尔科夫模型对每个时刻的脉冲噪声状态进行模拟,可以从数学原理上保证产生的脉冲噪声具备足够的随机性,相较于现有技术中通过静态存储噪声的方式,可以产生随机性噪声信号。此外,脉冲噪声的统计特性由状态数、期望归一化宽度、噪声期望功率、噪声出现概率等参数决定,不依赖任何额外的负载或用电设备,相较于现有的通过负载或用电设备来调整噪声的方案,可以节约成本。
结合第一方面实施例,在一种可能的实施方式中,与每个状态对应的子属性信息包括每个状态的初始概率π以及每个状态的平均噪声宽度D,根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵,包括:基于公式p(zt=k)=π(k),Tij=p(zt=j|zt-1=i),
Figure BDA0002401209200000031
π=πT,
Figure BDA0002401209200000032
计算状态转移概率矩阵T,其中,zt=k表征基础噪声在t时刻为k状态,p(zt=k)=π(k)表征k状态在t时刻的概率,Tij表征状态转移概率矩阵T中的元素,用于表示基础噪声从t-1时刻的i状态跳转到t时刻的j状态的概率,Tn,n表征状态转移概率矩阵T中的对角元素。
结合第一方面实施例,在一种可能的实施方式中,所述方法还包括:将所述最终生成的噪声转换为模拟信号;将所述模拟信号耦合到宽带电力线线路。
结合第一方面实施例,在一种可能的实施方式中,所述方法还包括:将所述最终生成的噪声进行速率变换和/或滤波处理,再经过数模转换器DAC转换为指定带宽的模拟信号。
结合第一方面实施例,在一种可能的实施方式中,在所述将所述模拟信号耦合到宽带电力线线路之前,所述方法还包括:将所述模拟信号进行放大。
第二方面,本申请实施例提供一种宽带电力线载波通信模拟噪声生成装置,所述装置包括:生成模块、计算模块、确定模块以及叠加模块。生成模块,用于根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;计算模块,用于根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;确定模块,用于根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;叠加模块,用于将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。
结合第二方面实施例,在一种可能的实施方式中,与每个状态对应的子属性信息包括每个状态的初始概率π以及每个状态的平均噪声宽度D,所述计算模块,用于基于公式p(zt=k)=π(k),Tij=p(zt=j|zt-1=i),
Figure BDA0002401209200000041
π=πT,
Figure BDA0002401209200000042
计算状态转移概率矩阵T,其中,zt=k表征基础噪声在t时刻为k状态,p(zt=k)=π(k)表征k状态在t时刻的概率,Tij表征状态转移概率矩阵T中的元素,用于表示基础噪声从t-1时刻的i状态跳转到t时刻的j状态的概率,Tn,n表征状态转移概率矩阵T中的对角元素。
结合第二方面实施例,在一种可能的实施方式中,所述装置还包括:数模转换模块,用于将所述最终生成的噪声转换为模拟信号;耦合模块,用于将所述模拟信号耦合到宽带电力线线路。
结合第二方面实施例,在一种可能的实施方式中,所述装置还包括调整模块,用于将所述最终生成的噪声进行速率变换和/或滤波处理,再经过数模转换器DAC转换为指定带宽的模拟信号。
结合第二方面实施例,在一种可能的实施方式中,所述装置还包括放大模块,用于将所述模拟信号进行放大,以便后续所述耦合模块将放大后的模拟信号耦合到宽带电力线线路。
第三方面,本申请实施例还提供一种电子设备包括:存储器和处理器,所述存储器和所述处理器连接;所述存储器用于存储程序;所述处理器调用存储于所述存储器中的程序,以执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
第四方面,本申请实施例还提供一种非易失性计算机可读取存储介质(以下简称计算机可读存储介质),其上存储有计算机程序,所述计算机程序被计算机运行时执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。通过附图所示,本申请的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本申请的主旨。
图1示出了本申请实施例提供的一种宽带电力线载波通信模拟噪声生成方法的流程图。
图2示出了本申请实施例提供的噪声经过仿真得到的时域噪声包络图。
图3示出了本申请实施例提供的一种宽带电力线载波通信模拟噪声生成装置的结构框图之一。
图4示出了本申请实施例提供的一种宽带电力线载波通信模拟噪声生成装置的结构框图之二。
图5示出了本申请实施例提供的一种电子设备的结构示意图。
标号:100-电子设备;110-处理器;120-存储器;130-噪声生成模块;400-宽带电力线载波通信模拟噪声生成装置;410-生成模块;420-计算模块;430-确定模块;440-叠加模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
再者,本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
此外,针对现有技术中的噪声模拟方案所存在的缺陷是申请人在经过实践并仔细研究后得出的结果,因此,上述缺陷的发现过程以及在下文中本申请实施例针对上述缺陷所提出的解决方案,都应该是申请人在本申请过程中对本申请做出的贡献。
为了解决上述问题,本申请实施例提供一种宽带电力线载波通信模拟噪声生成方法、装置、电子设备及计算机可读存储介质,可以产生符合期望噪声特性要求的随机性噪声信号。
该技术可采用相应的软件、硬件以及软硬结合的方式实现。
下面将针对本申请所提供的宽带电力线载波通信模拟噪声生成方法进行介绍。
请参阅图1,本申请实施例提供一种应用于电子设备的宽带电力线载波通信模拟噪声生成方法,该方法包括以下步骤。
步骤S110:根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息。
其中,基础噪声可以是常见的各种噪声,比如高斯白噪声、窄带噪声、短簇式脉冲噪声等。在本申请实施例中以短簇式脉冲噪声举例。
在电力线载波通信里,当短簇式脉冲噪声包括多个状态时,该噪声的下一时刻的状态和当前时刻的状态或者之前的有限时刻的状态之间存在关联,即噪声样点间不独立。
在本申请实施例中,可以通过噪声生成模块生成包括多个状态的短簇式脉冲噪声。其中,噪声生成模块可以包括数字信号处理器(Digital Signal Processing,DSP)、中央处理器(Central Processing Unit/Processor,CPU)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、集成电路ASIC等任何具备实时运算能力的硬件。
当预先为噪声生成模块配置属性信息后,噪声生成模块按照配置好的属性信息生成与属性信息对应的噪声。例如,当需要生成包括多个噪声状态数的基础噪声时,可以配置包括多个噪声状态数的属性信息,以便生成期望的基础噪声。其中,基础噪声状态数以及各项参数由属性信息决定。例如当需要生成包括多个噪声状态数的基础噪声时,属性信息包括多个子属性信息,子属性信息与状态的噪声形成一一对应关系。
值得指出的是,对于每个子属性信息而言,可以包括与之对应的状态的噪声期望功率γ、噪声期望归一化宽度D、噪声出现概率和初始概率π。其中,各个状态的初始概率π之和为1。
在确定出基础噪声以及对应的属性信息后,可以根据基础噪声的状态数,配置对应的噪声生成模块所包括的基础噪声发生器,比如高斯分布随机数发生器,然后将基础噪声发生器输出的信号确定为该噪声状态下的数字噪声输出值。此外,可以在不更换噪声生成模块的前提下,通过改变配置的属性信息达到改变基础噪声的目的。
还值得指出的是,噪声生成模块可以是集成在电子设备内的功能性模块,并直接接收电子设备的处理器的指令生成噪声,也可以是通过电气线与电子设备进行耦合的外接元件,并在收到电子设备的指令后控制生成噪声。
步骤S120:根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵。
在生成基础噪声后,可以根据基础噪声的属性信息建模来描述该基础噪声在后续每个随机时刻的状态。
传统的建模方法是通过隐马尔科夫链方式对基础噪声的随机过程直接建模,但隐马尔科夫链里的发射状态是无穷空间,无法用有限状态来实现,因此,需要借助大量的隐状态,从而会导致运算复杂度高,需要消耗大量存储资源。为了改善这个问题,在本申请实施例中,针对隐马尔科夫模型以及基础噪声的有限个状态的随机过程进行建模,以预测基础噪声在后续每个随机时刻各个状态的出现概率,避免对隐马尔科夫链中的隐状态直接进行数学描述,从而达到降低运算复杂度的目的。
其中,针对隐马尔科夫模型以及基础噪声的有限个状态的随机过程进行建模的过程如下。
假设基础噪声的随机过程包括K个状态,每个状态zt在t时刻出现的概率为p(zt=k)=π(k),zt=k表征基础噪声在t时刻为k状态,0<k≤K。其中,基础噪声的分布表示公式为
Figure BDA0002401209200000081
其中,bt表示zt=k这个状态下噪声的采样点,t表示时间轴,b表示样点,
Figure BDA0002401209200000082
表示随机变量b的概率分布的均值为m,方差为v,γ(k)表示第k个状态的噪声期望功率。
由于基础噪声为短簇式脉冲噪声,其各个状态之间不独立,因此,可以定义马尔科夫状态转移概率矩阵T,其中T的表达式为:Tij=p(zt=j|zt-1=i),
Figure BDA0002401209200000091
Tij表征状态转移概率矩阵T中的元素,用于表示基础噪声从t-1时刻的i状态跳转到t时刻的j状态的概率。
此外,由于状态转移概率矩阵T在稳态时,满足π=πT,各个状态的噪声期望归一化宽度D满足
Figure BDA0002401209200000092
Tn,n表征状态转移概率矩阵T中的对角元素,因此,可以计算出状态转移概率矩阵T中各个元素的值。下面通过举例的方式对计算状态转移概率矩阵T的过程进行描述。
假设基础噪声包含一条背景噪声和一条脉冲噪声,K=2,即包括两个状态zt=[z0,z1]。zt的状态转移概率矩阵为
Figure BDA0002401209200000093
已知参数π=[π(0)(1)],其中,π(0)为状态1的初始概率,π(1)为状态2的初始概率。利用π=πT和
Figure BDA0002401209200000094
建立如下方程组
Figure BDA0002401209200000095
求解上述方程组,即可得到矩阵T。
当K大于2时,例如K=3,π=[π(0)(1)(2)],
Figure BDA0002401209200000096
可以得到以下方程组
Figure BDA0002401209200000097
将方程组合并,得到
Figure BDA0002401209200000098
将合并后的方程组进行简化,可以得到简化结果T21+T23=1-T22=2m,其中m是T21和T23的均值。引入一个随机因子di=rand(-0.5,0.5)·w·m,使得T21=m+d1,T23=m-d1。其中rand(-0.5,0.5)是-0.5到0.5之间的随机数,w是权重因子,一般取10%。将简化结果T21+T23=1-T22=2m带入方程组
Figure BDA0002401209200000101
可以得到T矩阵。例如K=3时,包含一条背景噪声和两条脉冲噪声,脉冲噪声部分的噪声功率相对背景噪声部分的噪声功率分别高20dB和30dB,脉冲噪声部分出现概率分别为7%和3%,脉冲噪声部分归一化宽度分别为17和7,根据上述计算规则,可以得到状态转移概率矩阵为
Figure BDA0002401209200000102
其中,经过仿真得到的时域噪声包络图如图2所示。
对于K大于3的情况,可以仿照K=3的情况计算T矩阵。
当然,作为一种可选的实施方式,上述各种情况也可以借助其它数学工具进行正向求解。
步骤S130:根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态。
在确定出状态转移概率矩阵后,可以根据状态转移概率矩阵和初始概率π,计算在每个时刻下每个噪声状态出现的概率。其中,针对每个时刻,将出现的概率最大的状态确定为该时刻下的噪声状态。
其中,通过状态转移概率矩阵和初始概率计算得到下一时刻的状态概率值为现有技术,此处不再赘述。
步骤S140:将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。
在确定出每个时刻下的噪声状态(即出现概率最大的状态)后,可以将每个时刻下的噪声状态及其对应的子属性信息进行叠加,叠加后的噪声即为最后输出的噪声,叠加后的子属性信息即为最后输出的噪声的参数信息。
在上述过程中,最后的噪声采用隐马尔科夫模型对每个时刻的脉冲噪声状态进行模拟,可以从数学原理上保证产生的脉冲噪声具备足够的随机性,相较于现有技术中通过静态存储噪声的方式,可以产生随机性噪声信号。此外,脉冲噪声的统计特性由状态数、期望归一化宽度、噪声期望功率、噪声出现概率等参数决定,不依赖任何额外的负载或用电设备,相较于现有的通过负载或用电设备来调整噪声的方案,可以节约成本。
此外,由于最后生成的噪声信号为数字信号,为了将最后生成的噪声信号运用到宽带电力线线路,作为一种可选的实施方式,还可以通过数模转换模块(DAC)将最后生成的噪声信号转换为模拟信号,然后再通过耦合模块将模拟信号耦合到宽带电力线线路,以供宽带电力线线路使用。此外,作为一种可选的实施方式,还可以将模拟信号通过放大器模块进行放大后再耦合到宽带电力线线路上。
其中,上述过程所出现的数模转换模块、耦合模块以及放大器模块都可以是集成在电子设备内的功能性模块,并直接接收电子设备的处理器所产生的指令执行相应的操作,也可以是通过电气线与电子设备进行耦合的外接元件,并在收到电子设备的指令后执行相应的操作。
当然,在生成最后的噪声信号后,为了使得噪声信号能够适配不同的宽带需求,还可以通过调整数模转换模块的速率和/或滤波处理,再经过数模转换模块DAC转换为指定带宽的模拟信,从而适配不同的宽带需求,广泛应用于宽带电力线载波通信测试系统。
如图3所示,本申请实施例还提供一种宽带电力线载波通信模拟噪声生成装置400,宽带电力线载波通信模拟噪声生成装置400可以包括:生成模块410、计算模块420、确定模块430以及叠加模块440。
生成模块410,用于根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;
计算模块420,用于根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;
确定模块430,用于根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;
叠加模块440,用于将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。
可选的,与每个状态对应的子属性信息包括每个状态的初始概率π以及每个状态的平均噪声宽度D,所述计算模块420,用于基于公式p(zt=k)=π(k),Tij=p(zt=j|zt-1=i),
Figure BDA0002401209200000121
π=πT,
Figure BDA0002401209200000122
计算状态转移概率矩阵T,其中,zt=k表征基础噪声在t时刻为k状态,p(zt=k)=π(k)表征k状态在t时刻的概率,Tij表征状态转移概率矩阵T中的元素,用于表示基础噪声从t-1时刻的i状态跳转到t时刻的j状态的概率,Tn,n表征状态转移概率矩阵T中的对角元素。
可选的,请参看图4,所述装置还包括:数模转换模块450,用于将所述最终生成的噪声转换为模拟信号;耦合模块460,用于将所述模拟信号耦合到宽带电力线线路。
可选的,所述装置还包括调整模块,用于将所述最终生成的噪声进行速率变换和/或滤波处理,再经过数模转换器DAC转换为指定带宽的模拟信号。
可选的,所述装置还包括放大模块,用于将所述模拟信号进行放大,以便后续所述耦合模块将放大后的模拟信号耦合到宽带电力线线路。
本申请实施例所提供的宽带电力线载波通信模拟噪声生成装置400,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
此外,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被计算机运行时,执行如上述的宽带电力线载波通信模拟噪声生成方法所包含的步骤。
此外,请参看图5,本发明实施例还提供一种电子设备100,可以包括:处理器110、存储器120、噪声生成模块130等。
应当注意,图5所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,电子设备100也可以具有其他组件和结构。例如,在一些情况下,电子设备100还可以包括数模转换模块、耦合模块以及放大器模块。
处理器110、存储器120、噪声生成模块130以及其他可能出现于电子设备100的组件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,处理器110、存储器120、噪声生成模块130以及其他可能出现的组件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器120用于存储程序,例如存储有前文出现的宽带电力线载波通信模拟噪声生成方法对应的程序或者前文出现的宽带电力线载波通信模拟噪声生成装置。可选的,当存储器120内存储有宽带电力线载波通信模拟噪声生成装置时,宽带电力线载波通信模拟噪声生成装置包括至少一个可以以软件或固件(firmware)的形式存储于存储器120中的软件功能模块。
可选的,宽带电力线载波通信模拟噪声生成装置所包括软件功能模块也可以固化在电子设备100的操作系统(operating system,OS)中。
处理器110用于执行存储器120中存储的可执行模块,例如宽带电力线载波通信模拟噪声生成装置包括的软件功能模块或计算机程序。当处理器110在接收到执行指令后,可以执行计算机程序,例如执行:根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。
当然,本申请任一实施例所揭示的方法都可以应用于处理器110中,或者由处理器110实现。
综上所述,本发明实施例提出的宽带电力线载波通信模拟噪声生成方法、装置、电子设备及计算机可读存储介质,该方法包括:根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。在上述过程中,最后的噪声采用隐马尔科夫模型对每个时刻的脉冲噪声状态进行模拟,可以从数学原理上保证产生的脉冲噪声具备足够的随机性,相较于现有技术中通过静态存储噪声的方式,可以产生随机性噪声信号。此外,脉冲噪声的统计特性由状态数、期望归一化宽度、噪声期望功率、噪声出现概率等参数决定,不依赖任何额外的负载或用电设备,相较于现有的通过负载或用电设备来调整噪声的方案,可以节约成本。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,笔记本电脑,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种宽带电力线载波通信模拟噪声生成方法,其特征在于,所述方法包括:
根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;
根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;
根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;
将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。
2.根据权利要求1所述的方法,其特征在于,与每个状态对应的子属性信息包括每个状态的初始概率π以及每个状态的平均噪声宽度D,根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵,包括:
基于公式p(zt=k)=π(k),Tij=p(zt=j|zt-1=i),
Figure FDA0002401209190000011
π=πT,
Figure FDA0002401209190000012
计算状态转移概率矩阵T,其中,zt=k表征基础噪声在t时刻为k状态,p(zt=k)=π(k)表征k状态在t时刻的概率,Tij表征状态转移概率矩阵T中的元素,用于表示基础噪声从t-1时刻的i状态跳转到t时刻的j状态的概率,Tn,n表征状态转移概率矩阵T中的对角元素。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述最终生成的噪声转换为模拟信号;
将所述模拟信号耦合到宽带电力线线路。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
将所述最终生成的噪声进行速率变换和/或滤波处理,再经过数模转换器DAC转换为指定带宽的模拟信号。
5.根据权利要求3所述的方法,其特征在于,在所述将所述模拟信号耦合到宽带电力线线路之前,所述方法还包括:
将所述模拟信号进行放大。
6.一种宽带电力线载波通信模拟噪声生成装置,其特征在于,所述装置包括:
生成模块,用于根据预先配置的属性信息生成包括多个状态的基础噪声,所述属性信息包括与每个状态对应的子属性信息;
计算模块,用于根据隐马尔科夫模型及所述属性信息,计算所述多个状态的状态转移概率矩阵;
确定模块,用于根据所述状态转移概率矩阵,确定所述基础噪声在后续每个时刻出现的概率最大的状态;
叠加模块,用于将所述每个时刻出现的概率最大的状态的子属性信息进行叠加,得到最终生成的噪声及其参数。
7.根据权利要求6所述的装置,其特征在于,与每个状态对应的子属性信息包括每个状态的初始概率π以及每个状态的平均噪声宽度D,所述计算模块,用于基于公式p(zt=k)=π(k),Tij=p(zt=j|zt-1=i),
Figure FDA0002401209190000021
π=πT,
Figure FDA0002401209190000022
计算状态转移概率矩阵T,其中,zt=k表征基础噪声在t时刻为k状态,p(zt=k)=π(k)表征k状态在t时刻的概率,Tij表征状态转移概率矩阵T中的元素,用于表示基础噪声从t-1时刻的i状态跳转到t时刻的j状态的概率,Tn,n表征状态转移概率矩阵T中的对角元素。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
数模转换模块,用于将所述最终生成的噪声转换为模拟信号;
耦合模块,用于将所述模拟信号耦合到宽带电力线线路。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器连接;
所述存储器用于存储程序;
所述处理器调用存储于所述存储器中的程序,以执行如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被计算机运行时执行如权利要求1-5中任一项所述的方法。
CN202010149127.5A 2020-03-05 2020-03-05 宽带电力线载波通信模拟噪声生成方法、装置及电子设备 Active CN111313985B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010149127.5A CN111313985B (zh) 2020-03-05 2020-03-05 宽带电力线载波通信模拟噪声生成方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010149127.5A CN111313985B (zh) 2020-03-05 2020-03-05 宽带电力线载波通信模拟噪声生成方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111313985A true CN111313985A (zh) 2020-06-19
CN111313985B CN111313985B (zh) 2022-05-13

Family

ID=71160447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010149127.5A Active CN111313985B (zh) 2020-03-05 2020-03-05 宽带电力线载波通信模拟噪声生成方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111313985B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035911A (zh) * 2022-05-31 2022-09-09 中国第一汽车股份有限公司 噪声生成模型训练方法、装置、设备及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6668333B1 (en) * 2000-02-29 2003-12-23 Agere Systems Inc. Method and apparatus for evaluating effects of switching noise in digital and analog circuitry
CN103607219A (zh) * 2013-11-07 2014-02-26 电子科技大学 一种电力线通信系统的噪声预测方法
US20140112164A1 (en) * 2012-10-19 2014-04-24 Telefonaktiebolaget L M Ericsson (Publ) Method, apparatus, and system for interference and noise estimation
CN104333424A (zh) * 2014-10-16 2015-02-04 北京邮电大学 一种频谱检测与未知噪声方差跟踪估计方法与装置
CN107273624A (zh) * 2017-06-22 2017-10-20 重庆邮电大学 一种基于fpga和mc模型生成突发随机脉冲噪声的方法及装置
CN108270497A (zh) * 2018-01-19 2018-07-10 重庆邮电大学 一种脉冲噪声的单脉冲生成方法
US20180196891A1 (en) * 2015-04-03 2018-07-12 Baidu Online Network Technology (Beijing) Co. Ltd. Kalman filter based capacity forecasting method, system and computer equipment

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6668333B1 (en) * 2000-02-29 2003-12-23 Agere Systems Inc. Method and apparatus for evaluating effects of switching noise in digital and analog circuitry
US20140112164A1 (en) * 2012-10-19 2014-04-24 Telefonaktiebolaget L M Ericsson (Publ) Method, apparatus, and system for interference and noise estimation
CN103607219A (zh) * 2013-11-07 2014-02-26 电子科技大学 一种电力线通信系统的噪声预测方法
CN104333424A (zh) * 2014-10-16 2015-02-04 北京邮电大学 一种频谱检测与未知噪声方差跟踪估计方法与装置
US20180196891A1 (en) * 2015-04-03 2018-07-12 Baidu Online Network Technology (Beijing) Co. Ltd. Kalman filter based capacity forecasting method, system and computer equipment
CN107273624A (zh) * 2017-06-22 2017-10-20 重庆邮电大学 一种基于fpga和mc模型生成突发随机脉冲噪声的方法及装置
CN108270497A (zh) * 2018-01-19 2018-07-10 重庆邮电大学 一种脉冲噪声的单脉冲生成方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035911A (zh) * 2022-05-31 2022-09-09 中国第一汽车股份有限公司 噪声生成模型训练方法、装置、设备及介质

Also Published As

Publication number Publication date
CN111313985B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
Jeruchim et al. Simulation of communication systems: modeling, methodology and techniques
Lisnianski Extended block diagram method for a multi-state system reliability assessment
CN113221183B (zh) 实现隐私保护的多方协同更新模型的方法、装置及系统
Garanayak et al. Fast and accurate measurement of harmonic parameters employing hybrid adaptive linear neural network and filtered‐x least mean square algorithm
US11651198B2 (en) Data processing method and apparatus for neural network
CN111313985B (zh) 宽带电力线载波通信模拟噪声生成方法、装置及电子设备
Yan et al. Adaptive state estimation of stochastic delayed neural networks with fractional Brownian motion
Boukal et al. Large‐scale fractional‐order systems: stability analysis and their decentralised functional observers design
CN105264769A (zh) 失真补偿装置和无线通信装置
Yin et al. Using probabilistic collocation method for neighbouring wind farms modelling and power flow computation of South Australia grid
CN111278085B (zh) 用于获取目标网络的方法及装置
Jiang et al. Forecasting method study on chaotic load series with high embedded dimension
CN112633486B (zh) 数据感测装置及其数据感测方法
KR101418686B1 (ko) 유한체에서 타입 4 가우시안 정규기저를 이용한 이차 미만의 공간 복잡도를 갖는 병렬 곱셈 연산방법 및 그 연산장치
CN116108697A (zh) 基于多元性能退化的加速试验数据处理方法、装置和设备
CN113553771B (zh) 基于rnn网络的动态x参数核计算方法
CN113301673B (zh) 无线传感网络的分布式滤波方法、装置、设备及存储介质
CN113408702B (zh) 音乐神经网络模型预训练方法及电子设备和存储介质
CN110929209B (zh) 用于发送信息的方法及装置
CN114401175A (zh) 白噪声相位方差的确定方法、装置、电子设备及存储介质
CN114118358A (zh) 图像处理方法、装置、电子设备、介质及程序产品
CN113489011A (zh) 电力系统暂态稳定评估方法、装置、电子设备和存储介质
CN108898446B (zh) 用于输出信息的方法和装置
Weng et al. Performance guaranteed state estimation for renewable penetration with improved meters
Reise et al. Clustered wireless sensor networks for robust distributed field reconstruction based on hybrid shift-invariant spaces

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant