基於生成對抗網路時間序列產生器研究: 以窄頻電力線通訊循環穩態脈衝為例

Abstract

通訊系統的接收機設計需要考慮到外加雜訊的干擾，並適當地設計系統抑制這些干擾影響資訊傳輸效能。在接收機開發的階段，我們會利用雜訊建模的方式來評估雜訊干擾消除的效能。然而，傳統的「由下而上式」數學建模方法，不容易模擬複雜統計特性的雜訊信號。本研究針對窄頻電力線通訊系統中的主要干擾成分—循環穩態脈衝雜訊，進行建模的研究，目的在設計一個時間序列產生器，其產生的訊號不但在統計特性上能與真實窄頻電力線通訊中的加成性干擾很接近，而且也必須具備足夠的樣本多樣性。本論文基於生成對抗網路進行架構的改良修正，包括了: (1)擴大深度學習模型接受訊號的長度，使模型可以觀察到雜訊循環穩態的特性;(2)將損失函數替代為Wasserstein距離便於能更好的評估訓練集與生成集資料的分佈;(3)設計以雜訊的波形特徵對模型進行訓練的架構。訓練資料集除了採用兩種常見的模型來生成訓練資料外，我們也進行實際環境的量測作為訓練集資料，最後透過定量及定性分析選定最佳的生成架構。研究結果顯示以波形特徵作為訓練的生成對抗網路時間序列產生器在生成雜訊的品質上更接近於量測資料集。雖然此模型在頻譜響應上、時間波形特性上均有不錯的表現，但其循環頻率特性的表現上還有可改善的空間，建議未來可增加遞歸神經網路以及Transformer的架構，提高時間序列之間的相關特性之學習效果。