一種廣播電視接入網上行信道噪聲智能識別方法技術

本發明專利技術屬于廣播電視網絡雙向傳輸健康監測領域，涉及一種廣播電視接入網上行信道噪聲智能識別方法，包括：獲得實際NGB網絡上行信道的實時頻譜數據；將NGB網絡上行信道的主要噪聲劃分為熱噪聲、窄帶連續波干擾、寬帶脈沖干擾三種，從實際NGB網絡上行信道的實時頻譜數據選取一些場，并判斷每一場的主要噪聲種類；提取每一場的多個頻點的特征值；建立三層BP神經網絡；采用LM算法，并進行BP神經網絡的訓練，得到對下一代廣播電視接入網NGB上行信道進行噪聲智能識別的神經網絡模型；利用得到的神經網絡模型對新輸入的NGB上行信道的實時頻譜數據的噪聲類型進行有效的判斷。本發明專利技術的故障診斷準確率達到85%以上，具有較好的實用價值。

【技術實現步驟摘要】

【技術保護點】
一種廣播電視接入網上行信道噪聲智能識別方法，包括下列步驟：1)獲得實際NGB網絡上行信道的實時頻譜數據；2)將NGB網絡上行信道的主要噪聲劃分為熱噪聲、窄帶連續波干擾、寬帶脈沖干擾三種，從實際NGB網絡上行信道的實時頻譜數據選取一些場的頻譜數據場作為訓練和測試數據，并判斷每一場的頻譜數據的主要噪聲種類；3)提取每一場的多個頻點的幅度數據；4)從每一場的多個頻點的幅度數據中提取六個特征值：頻譜幅度均方根值、方差、自功率譜幅度的均值和方差、倒頻譜幅度的均值和方差；5)建立三層BP神經網絡，其輸入節點為6個，分別代表一場幅度數據的方差、均方根、自功率譜的均值和方差、倒頻譜的均值和方差，輸出節點為3個，分別代表信道中存在的主要噪聲類型，包括熱噪聲、窄帶連續波噪聲、寬帶脈沖干擾三種，隱藏層為1層。6)采用LM算法，利用訓練和測試的數據進行BP神經網絡的訓練，得到對下一代廣播電視接入網NGB上行信道進行噪聲智能識別的神經網絡模型；7)利用得到的神經網絡模型對新輸入的NGB上行信道的實時頻譜數據的噪聲類型進行有效的判斷。

【技術特征摘要】

【專利技術屬性】
技術研發人員：馬永濤，劉開華，朱琳，
申請(專利權)人：天津大學，
類型：發明
國別省市：