NGGAN：基于实际测量数据集的噪声生成 GAN
信号处理
2025-10-30 v3 人工智能
信息论
机器学习
math.IT
摘要
为有效处理窄带电力线通信(NB-PLCs)收发机的脉冲噪声，捕获非周期性脉冲噪声(APIN)的全面统计特征是关键任务。然而，现有数学噪声生成模型仅捕获噪声特征的部分特征。本研究提出一种新型生成对抗网络(GAN)，称为噪声生成 GAN (NGGAN)，用于从实际测量的噪声样本中学习复杂特征，以进行数据合成。为将 NGGAN 的统计特性与 NB-PLC 系统中复杂噪声相匹配，我们通过商业 NB-PLC 调制器的模拟耦合和带通滤波电路对 NB-PLC 噪声进行测量，以构建真实数据集。训练 NGGAN 时，我们遵循以下原则：1)设计 NGGAN 模型能够适配输入信号长度，以实现周期性噪声生成；2)采用 Wasserstein 距离作为损失函数以增强生成噪声与训练数据之间的相似性；3)为衡量基于数学和实际测量数据集的 GAN 模型相似性表现，我们进行了定性和定量分析。训练数据集包括：1)分段谱周期性高斯模型(PSCGM)；2)频率偏移(FRESH)滤波器；以及 3)来自 NB-PLC 系统的实际测量数据。仿真结果表明，来自所提出 NGGAN 生成的噪声样本与真实噪声样本高度接近。主成分分析(PCA)散点图和 Fréchet 意象距离(FID)分析表明，NGGAN 在生成具有更高保真度和更高多样性的噪声样本方面优于其他 GAN 模型。
引用
@article{arxiv.2510.01850,
title = {NGGAN: Noise Generation GAN Based on the Practical Measurement Dataset for Narrowband Powerline Communications},
author = {Ying-Ren Chien and Po-Heng Chou and You-Jie Peng and Chun-Yuan Huang and Hen-Wai Tsao and Yu Tsao},
journal= {arXiv preprint arXiv:2510.01850},
year = {2025}
}
备注
16 pages, 15 figures, 11 tables, and published in IEEE Transactions on Instrumentation and Measurement, 2025