一种广播电视接入网上行信道噪声智能识别方法

摘要

本发明属于广播电视网络双向传输健康监测领域，涉及一种广播电视接入网上行信道噪声智能识别方法，包括：获得实际NGB网络上行信道的实时频谱数据；将NGB网络上行信道的主要噪声划分为热噪声、窄带连续波干扰、宽带脉冲干扰三种，从实际NGB网络上行信道的实时频谱数据选取一些场，并判断每一场的主要噪声种类；提取每一场的多个频点的特征值；建立三层BP神经网络；采用LM算法，并进行BP神经网络的训练，得到对下一代广播电视接入网NGB上行信道进行噪声智能识别的神经网络模型；利用得到的神经网络模型对新输入的NGB上行信道的实时频谱数据的噪声类型进行有效的判断。本发明的故障诊断准确率达到85%以上，具有较好的实用价值。

主权项

一种广播电视接入网上行信道噪声智能识别方法，包括下列步骤：1)获得实际NGB网络上行信道的实时频谱数据；2)将NGB网络上行信道的主要噪声划分为热噪声、窄带连续波干扰、宽带脉冲干扰三种，从实际NGB网络上行信道的实时频谱数据选取一些场的频谱数据场作为训练和测试数据，并判断每一场的频谱数据的主要噪声种类；3)提取每一场的多个频点的幅度数据；4)从每一场的多个频点的幅度数据中提取六个特征值：频谱幅度均方根值、方差、自功率谱幅度的均值和方差、倒频谱幅度的均值和方差；5)建立三层BP神经网络，其输入节点为6个，分别代表一场幅度数据的方差、均方根、自功率谱的均值和方差、倒频谱的均值和方差，输出节点为3个，分别代表信道中存在的主要噪声类型，包括热噪声、窄带连续波噪声、宽带脉冲干扰三种，隐藏层为1层。6)采用LM算法，利用训练和测试的数据进行BP神经网络的训练，得到对下一代广播电视接入网NGB上行信道进行噪声智能识别的神经网络模型；7)利用得到的神经网络模型对新输入的NGB上行信道的实时频谱数据的噪声类型进行有效的判断。