Para gestionar eficazmente el ruido impulsivo en transceptores de comunicación por línea eléctrica de banda estrecha (NB-PLC), es crucial realizar un análisis estadístico exhaustivo del ruido impulsivo asíncrono aperiódico (APIN). Los modelos matemáticos existentes de generación de ruido solo capturan un subconjunto de sus características. En este estudio, proponemos una novedosa red generativa antagónica (GAN), la GAN generadora de ruido (NGGAN), que sintetiza datos mediante el aprendizaje de las complejas características de muestras de ruido medidas en el mundo real. Para lograr una correspondencia precisa con las complejas estadísticas de ruido de los sistemas NB-PLC, construimos un conjunto de datos realista midiendo el ruido de NB-PLC mediante los circuitos de acoplamiento analógico y filtrado paso banda de un módem NB-PLC comercial. Para entrenar la NGGAN, diseñamos la longitud de la señal de entrada para facilitar la generación de ruido estacionario cíclico en el modelo NGGAN. Utilizamos la distancia de Wasserstein como función de pérdida para mejorar la similitud entre el ruido generado y los datos de entrenamiento. Analizamos el rendimiento de similitud del modelo basado en GAN cuantitativa y cualitativamente con base en conjuntos de datos matemáticos y medidos en el mundo real. El conjunto de datos de entrenamiento incluye mediciones reales del modelo gaussiano circular estacionario espectral por tramos (PSCGM), el filtro de frecuencia desplazada (FRESH) y el sistema NB-PLC. Los resultados de la simulación muestran que las muestras de ruido generadas por NGGAN son muy similares a las muestras de ruido reales. Los diagramas de dispersión de PCA y el análisis FID demuestran que NGGAN supera a otros modelos basados en GAN al generar muestras de ruido con excelente fidelidad y alta diversidad.
