1、收稿日期:2022-10-14基金项目:安徽省教育厅重点项目(KJ2020A0816).作者简介:李银萍,女,安徽合肥人,安徽文达信息工程学院讲师(安徽 合肥 230000).李银萍:基于小波变换的无线局域网通信信号增强方法基于小波变换的无线局域网通信信号增强方法李银萍摘要:信道多径效应、传输带宽有限性等因素,可导致无线局域网通信信号中存在大量的噪声,降低了通信信号质量.为此,提出基于小波变换的无线局域网通信信号增强方法.利用小波变换算法提取网络通信信号特征,分类处理无线局域网通信信号,得到信号类别;利用噪声模型与信号类别进行对比,确定带噪信号的小波系数,将小于阈值的信号视为噪声去除;重构无线
2、局域网通信信号,实现无线局域网通信信号的增强.实验结果表明:应用提出的算法信号信噪比得到了明显提升,信号均方误差低于最低限值,充分证实提出的算法具备可行性.关键词:小波变换;无线局域网;通信信号;信号增强;噪声消除;小波阈值中图分类号:TP393文献标志码:A文章编号:1008-7974(2023)10-0081-07DOI:10.13877/22-1284.2023.10.014无线局域网络具备较好的兼容性、便利性与管理性,在生活和生产领域中获得了较好的应用1,但随着应用层次加深,其所具备的缺陷也逐渐显现2.在无线局域网络运行过程中,由于信道多径效应、传输特性的不完善与传输带宽的有限性,通信
3、信号容易受到多种噪声与电磁的干扰,使得无线局域网络通信质量较低,影响信号的传输、接收及其分析.只有获取到高质量信号,对其进一步进行分析与处理,才可获得更好的增强信号,故需要对无线局域网络通信信号进行噪声与干扰处理,实现信号增强.以往信号增强算法大部分适用于原始信号与噪声、干扰信号互相分开的平稳信号模式,而对于无线局域网通信中的非平稳信号,信号增强作用不大,故提出基于小波变换的无线局域网通信信号增强方法.首先,利用小波变换提取通信信号特征,将信号特征解析为不同尺度的小波系数,针对于无线局域网通信信号的非平稳信号的特征提取,也能够具有较全面的性能;其次,分析通信信号中包含的噪声,并由此构建噪声模型
4、,对于无线局域网通信信号有较强的针对性与适用性;再次,将分类的通信信号与噪声模型进行对比,对于小波系数超出阈值的2023 年第10期第 44 卷总第 343 期学 报 812023 年第 10 期学 报信号进行剔除,避免了过多的运算过程,能够快速地实现噪声去除;最后,重构通信信号,完成了通信信号增强.1无线局域网通信信号增强算法1.1无线局域网通信信号特征分类无线局域网通信中,包含的信号类型较多,其中包含了背景噪声等,在进行增强处理时,需要对信号进行分类,以便剔除噪声3.利用小波变换算法提取网络通信信号特征,该算法能够将信号中不同的细节特征解析到不同尺度的小波系数上,针对非平稳信号性能好的特点
5、,将其应用到无线局域网通信信号特征提取中,可以有效解析背景噪声信号与有效通信信号,并对应到不同的小波系数上,从而为噪声剔除提供帮助.小波变换函数表达式为:()t=1|ax()t()t-badta,b R,a 0,(1)式中:()t表示小波变换函数;a表示伸缩因子;x()t表示无线局域网络通信信号;b表示平移因子.采用公式(1)所示的小波变换函数对无线局域网络通信信号进行三层离析分解,对高 频 系 数cwtde1、cwtde2、cwtde3及 低 频 系 数cwtlo3进行提取,并计算通信信号的均方差值,将其作为通信信号的特征参数值,最后利用小波重构各种类型的无线局域网络通信信号4.其中,通信信
6、号均方差表达式为:=()1ni=1n()xi-x 21 2,(2)式中:表示信号均方差;n表示无线局域网络通信信号的总数量;xi表示第i个信号;x 表示信号的平均值.依 据 公 式(2)对cwtde1、cwtde2、cwtde3与cwtlo3的均方差进行计算,记为1、2、3与4,则 获 得 通 信 信 号 特 征 参 数 向 量 为CP=1,2,3,4.以上述获取的通信信号特征参数向量为基础,引入线性支持向量机模型,对无线局域网络通信信号进行分类5.线性支持向量机模型表达式为:min12w2,s.t.yi()wTCP+c 1,(3)式中:w表示向量机鸿沟宽度;yi表示标签值;c表示模型辅助参数
7、,取值范围为0,1.获取最优超平面wTCP+c=0,以此为基础,求解决策函数,其表达式为:g()CP=i=1niyiCPi,CPm+c,(4)式中:g()CP表示决策函数;i表示最优解;CPi,CPm表示特征参数向量之间的相关系数;c表示辅助参数最佳值6.依据公式(4)进一步求解出无线局域网络通信信号的分类函数,表达式为:ym=f()CP=sgn()i=1niyiCPi,CPm+c,(5)式中:ym表示信号的类型标签;f()CP表示无线局域网络通信信号的分类函数;sgn()表示阶跃函数7.通过上述获得的分类函数对无线局域网络通信信号特征进行分类,并显示其不同种类信号对应的特征参数向量,为后续背
8、景噪声剔除与信号增强做准备.1.2噪声模型构建噪声是影响通信信号质量的关键因素,信号增强中需要注意的就是去除通信信号中包含的噪声.本文分析无线局域网络通信信 82李银萍:基于小波变换的无线局域网通信信号增强方法号中常见噪声的特点,并由此构建噪声模型,通过实际信号与构建模型进行对比,为噪声信号剔除提供依据.经过深入分析研究可知,无线局域网络通信信号中包含的多种噪声类型均会降低通信信号的质量.本文选取含量较高的四种类型噪声进行深入研究,依据每种噪声的特征,对其进行数学模型构造8.有色背景噪声模型.有色背景噪声是由高斯爆噪声经过滤波后产生的.假设噪声信号是由输入序列u()n激励一个线性系统的输出,表
9、达式为:x()n=-k=1pkx()n-k+k=0qku()n-k,(6)式中:x()n表示噪声信号;k与k表示模型构建辅助参数.在有色背景噪声情况下,白噪声方差记为2,对公式(6)进行整形滤波,即可获得有色背景噪声,其满足指数变化规律,表达式为:n()t=+,(7)式中:n()t表示有色背景噪声模型;表示最小二乘法参数;与辅助参数由实际测试数据获得;表示修正参数.窄带噪声模型.窄带噪声是由短波、中波无线电通信产生的,能够利用N个正弦函数叠加来表示,表达式为:nnarrow()t=i=1NAi()t sin()2fit+i,(8)式中:nnarrow()t表示窄带噪声模型;Ai()t表示噪声分
10、量的幅值;fi表示噪声分量的频率;i表示噪声分量的相位.周期脉冲噪声模型.周期脉冲噪声主要是由无线局域网络通信中的调节设备所产生的9,也是影响信号质量的关键噪声之一.全面考虑时间轴上脉冲信号出现的时间,定义单个脉冲表达式为:Nimp=Ae-t/sin()2f()t-tarr+,(9)式中:Nimp表示单个脉冲信号;A表示单个脉冲的幅值;表示时间常数;f表示单个脉冲的频率;tarr表示脉冲出现时间;表示单个脉冲的初相10.与工频同步及其异步的周期脉冲噪声模型为:Npisp=i=1lNpisp-period,i()t-nT,Npiap=i=1lNpiap-period,i()t-nTi,(10)式
11、中:Npisp表示与工频同步的周期脉冲噪声模型;T表示脉冲周期;Npiap表示与工频异步的周期脉冲噪声模型11.突发脉冲噪声模型.突发脉冲噪声主要通过归一化脉冲序列表示12.原始脉冲序列表达式为:nimp()t=iAi imp()t-tarr,itw,i,(11)式中:nimp()t表示原始脉冲序列;Ai表示幅度;tarr,i表示时间间隔;tw,i表示宽度.经过研究发现,突发脉冲噪声的出现具有随机性,致使其特征规律也很难描述,只能使用随机变量表示.已有研究文献指出,突发脉冲噪声的到达时间间隔具备一定规律,符合 Poission 分布,依据其规律能够计算出不同背景下脉冲的幅度、时间间隔、周期等相
12、关参数13.虽然突发脉冲噪声对无线局域网络通信会产生较大的影响,但是其干扰时间较少,只占据整个考察时间的 1%左右.本文利用马尔科夫链对原始脉冲序列进行处理,获取突发脉冲噪声模型14.突发脉冲噪声模型表达式为:832023 年第 10 期学 报Ps()k=1,k=0;i=0knimp()t nimp()k,k=1,2,.(12)通过上述过程完成了无线局域网络通信信号噪声模型的构建,阐述了不同噪声的特征,为后续噪声的去除、通信信号的增强打下坚实的基础.1.3无线局域网通信信号增强以 2.4 GHz 频 段 为 例,在 整 体 频 率 区 间2.42.483 5 GHz 内,以 5 MHz 为信道
13、间隔,以22 MHz 为信道宽度,划分了十几个子频段,发射的射频信号通过在信道内传输实现无线局域网通信.但在各种背景噪声的干扰下,无线局域网通信信号的质量较差.基于上述分类,无线局域网通信信号,划分为有色背景噪声、窄带噪声、周期脉冲噪声和突发脉冲噪声.根据不同噪声的特征,小波变换获取无线局域网络通信信号,设置噪声的阈值,并去除超出阈值的信号,从而实现增强处理,为无线局域网络通信提供更加有效的帮助.获取无线局域网络带噪通信信号,其中包含的噪声在上述章节中已经进行了分析,提取各噪声的特征.通过小波变换方法处理带噪信号,获取小波域空间内的小波系数.借助于无线局域网通信中有效信号与噪声信号的小波系数幅
14、值存在着较大不同的特点,前者较大,后者较小,选取合理的阈值,去除较小的小波系数,即可完成噪声的剔除,再通过小波逆变换对剩余小波系数进行处理,重构无线局域网络通信信号,实现信号的去噪与增强15.具体步骤如下:步骤 1:获取带噪无线局域网通信信号ym()t,选取适当的小波函数对其进行小波变换,考虑到无线局域网通信信号具有连续性,采用小波包变换函数获取不同尺度上的小波系数及其尺度系数,分别记为wj,k与vL,k,两者数量之和与带噪无线局域网信号长度保持一致,记为N.步骤 2:以步骤 1 获取的不同尺度小波系数wj,k为基础,对其进行非线性阈值化处理.小波阈值的设定极为重要,若阈值过大,将无线局域网通
15、信信号中有效信号作为噪声滤除,导致信号失真;若阈值过小,保留了较多有效信号的小波系数的同时,也保留了噪声,导致增强效果不佳.为了尽可能地保证信号形状的完整性,对尺度系数进行全部保留,处理小波系数16.利用通用阈值=1lnN(为高斯白噪声标准方差)对小波系数进行软阈值与硬阈值处理,表达式为:w j,k=wj,k-,wj,k ;0,|wj,k ;wj,k+,wj,k-;(13)w j,k=wj,k,|wj,k ;0,wj,k.(14)公 式(13)为 软 阈 值 处 理 表 达 式,公 式(14)为硬阈值处理表达式.步骤 3:基于步骤 2 阈值处理后的小波系数,通过小波逆变换,滤除了大部分的噪声,
16、重构无线局域网通信信号,即可完成信号的增强,记为xm()t.综上所述,利用小波变换实现了无线局域网通信信号的增强,去除了通信信号中的噪声,提升了通信信号的质量.2实验与结果分析2.1实验准备阶段构建一个规模较小的无线局域网络,主要由客户端、无线控制器、DHCP 服务器、认证 84李银萍:基于小波变换的无线局域网通信信号增强方法服务器、数据库、应用软件等构成.应用软件是无线局域网络的关键,例如 MySQL、php、OpenSSL、aphche 等,搭建的无线局域网络结构拓扑如图 1 所示.图 1无线局域网络结构拓扑图实验需要对无线局域网络通信中包含的噪声进行测量,为实验顺利进行提供帮助.在实验过
17、程中,采用 PicoScope 对构建无线局域网络中的噪声进行测量,确认网络通信信号中存在的噪声类型与含量,不但方便了后续实验的进行,也为算法应用性能的对比提供了依据.在噪声测量过程中,将高速采集卡PicoScope 与工频变压器与耦合器进行连接,构建噪声测量硬件单元,将采集到的噪声信号传输给计算机进行处理与分析,实现噪声的测量与分析.无线局域网通信中检测信号如图 2 所示.信号频率为 1 000 Hz,信噪比区间为(-10 dB,30 dB),采样率为 16 kHz,信号带宽为 96 kHz,子载波数量 8,子载波频率 60 kHz.选取噪声库为 NOISEX-92 的有色噪声,测试噪声选取
18、为未参与训练的平稳周期脉冲噪声、窄带噪声和非平稳突发脉冲噪声.图 2原始无线局域网通信信号2.2评估指标确定实验采用通信信号的均方误差与信噪比作为衡量提出算法应用性能的评估指标.其中,信号的均方误差计算公式为:MSE=1Nt=1N|ym()t-xm()t2,(15)式中:MSE表示信号均方误差数值;N表示采样信号帧数;ym()t与xm()t分别表示原始信号与增强后的信号.信噪比是指原始信号中有效信号与噪声信号之间的比值,记为SegSNR.常规情况下,信噪比SegSNR越大,表明信号中噪声含量越少,失真也越少,增强效果越好,反之,表明信号增强效果越差.采用分段信噪比度量方法,信号的信噪比计算公式
19、为:SegSNR=1Nn=0N-110lnl=0L-1y2m(nL+l)l=0L-1 ym(nL+l)-xm(nL+l)2,(16)式中:L表示帧长.误码率BER是指误码出现的频率,计算方式为:通信信号传输中误码与所传输信号的总码数的比值.该值越小,说明信号中发生差值的概率越小,信号增强效果越好.2.3实验结果分析基于构建好的无线局域网络,利用提出 852023 年第 10 期学 报的算法进行信号增强实验.处理后的信号如图 3 所示.图 3增强的通信信号增强信噪比与均方误差.通过 2.2 所示的公式,根据测量增强前后的信号,计算信号增强后的均方误差与信噪比.如表 1 数据显示,应用提出算法后,
20、信噪比数值明显提升,并且增强后信号均方误差均低于最低限值15.2010-6,充 分 证 实 提 出 算 法 的 应 用 性 能较好.表 1信号均方误差与信噪比数据表实验次数12345678910原始信噪比/dB5.565.506.124.264.026.896.476.006.405.84增强信噪比/dB7.567.248.486.776.818.708.448.488.497.05均方误差10.2310-68.1210-67.0510-69.4510-68.2310-68.0010-67.0010-67.2210-66.4510-66.1210-6频域分段信噪比.从图 4 可以看出,本文方法
21、在不同的噪声信噪比下仍保持较好的噪声去除效果,平均频域分段信噪比整体波动不大,表明本文方法在去除噪声增强信号时具有较好的稳定性.误码率.从图 5 可以看出,随信噪比变化,增强后信号的误码率低于原始信号的误码率,表明本文方法去除噪声后再增强信号,为提高信号传输质量提供了较大帮助.图 4不同噪声下平均频域分段信噪比图 5不同噪声下误码率3结语研究利用小波域算法实现了无线局域网络信号增强,极大地提升了信噪比,降低了信号均方误差,整体增加了通信信号的质量,有助于无线局域网络提高通信质量.参考文献:1 王明芬.软件定义无线局域网的切换接入机制 J.计算机应用,2020,40(9):234-239.2 李
22、昆,朱卫纲.利用生成对抗网络的时频图像去噪和增强处理 J.电讯技术,2020,60(5):517-523.3 甘俊英,谭海英,项俐,等.结合局部二值模式和卷积神经网络的人脸美丽预测 J.信号处理,2019,35(1):154-162.4 王雁,贾海蓉,吉慧芳,等.特征联合优化深 86李银萍:基于小波变换的无线局域网通信信号增强方法度信念网络的语音增强算法 J.计算机工程与应用,2019,55(9):38-42.5 肖易寒,王亮,郭玉霞.基于去噪卷积神经网络的雷达信号调制类型识别 J.电子与信息学报,2021,43(8):2300-2307.6 倪雪,王华力,徐志军,等.基于 STFT-SST
23、和深度卷积网络的多相码雷达信号识别 J.数据采集与处理,2020,35(6):84-90.7 余振宝,卢小平,刘英,等.一种改进 BP 神经网络的接收信号强度测距算法 J.测绘科学,2020,45(11):52-56,71.8 张政,马金全.低信噪比通信信号的自适应调参随机共振方法 J.电子学报,2019,47(11):85-91.9 牛富强,薛睿超,周在明,等.印太瓶鼻海豚(Tursiops aduncus)通讯声信号分类及特征参数的环境差异性分析 J.声学学报,2020,45(2):47-53.10 姚宇晨,彭虎.基于深度学习的通信信号自动调制识别技术J.电子技术应用,2019,45(2)
24、:12-15.11 张悦,王惠琴,曹明华,等.无线光通信中的增强型光空间调制 J.光学学报,2020,40(3):28-37.12 米智,曹文静.电介质纳米圆柱增强单分子荧光传感光信号的研究J.光通信技术,2019,43(12):34-38.13 姚武,崔朋,胡晓倩.基于信号增强的电化学发光适配体传感器检测三磷酸腺苷 J.发光学报,2020,41(6):117-125.14 王芳,林伟国,常新禹,等.基于信号增强的缓慢泄漏检测方法 J.化工学报,2019,70(12):386-394.15 顾振飞,袁小燕,张照锋,等.基于透射图融合的红外图像传感器信号增强方法 J.传感技术学报,2019,32
25、(7):1070-1076.16 陈剑,陶善勇,王维,等.基于周期势函数的自适应二阶欠阻尼随机共振信号增强方法 J.计量学报,2019,40(4):681-685.(责任编辑:王前)Wireless LAN Communication Signal Enhancement MethodBased on Wavelet TransformLI Yin-ping(Anhui Wenda Information Engineering College,Hefei 230000,China)Abstract:Influenced by factors such as channel multipath
26、 effect and limited transmission bandwidth,there is a lot of noise in wireless LAN communication signals,which reduces the quality of communicationsignals.Therefore,a signal enhancement method for wireless LAN communication based on wavelet transform is proposed.The following methods are proposed,wh
27、ich are using wavelet transform algorithm toextract the characteristics of network communication signals and classify and process wireless LAN communication signals to obtain signal categories,comparing the noise model with the signal category to determine the wavelet coefficients of noisy signals,w
28、ith the signals less than the threshold being regarded asnoise removal and reconfiguring WLAN communication signals to enhance WLAN communication signals.Experimental results show that after the application of the proposed algorithm,the signal-to-noise ratio is obviously improved,and the mean square error of the signal is lower than the minimum limit,whichfully proves the feasibility of the proposed algorithm.Keywords:wavelet transform;wireless LAN;communication signal;signal enhancement;noise elimination;wavelet threshold 87