협대역 전력선 통신(NB-PLC) 트랜시버의 임펄스 노이즈를 효과적으로 처리하기 위해, 비주기적 비동기 임펄스 노이즈(APIN)의 포괄적인 통계 분석이 중요합니다. 기존의 수학적 노이즈 생성 모델은 노이즈 특성의 일부만 포착합니다. 본 연구에서는 실제 측정된 노이즈 샘플의 복잡한 특성을 학습하여 데이터 합성을 수행하는 새로운 생성적 적대 네트워크(GAN)인 NGGAN(noise generation GAN)을 제안합니다. NB-PLC 시스템의 복잡한 노이즈 통계와 밀접하게 일치시키기 위해 상용 NB-PLC 모뎀의 아날로그 커플링 및 대역 통과 필터링 회로를 통해 NB-PLC 노이즈를 측정하여 현실적인 데이터 세트를 구축했습니다. NGGAN 훈련을 위해, NGGAN 모델이 순환 정상 노이즈 생성을 용이하게 할 수 있도록 입력 신호 길이를 설계하고, 생성된 노이즈와 훈련 데이터 간의 유사성을 향상시키기 위해 Wasserstein 거리를 손실 함수로 사용하며, 수학적 및 실제 측정 데이터 세트를 기반으로 GAN 기반 모델의 유사성 성능을 정량적 및 정성적으로 분석했습니다. 훈련 데이터 세트는 조각별 스펙트럼 순환 정상 가우시안 모델(PSCGM), 주파수 시프트(FRESH) 필터 및 NB-PLC 시스템의 실제 측정을 포함합니다. 시뮬레이션 결과, NGGAN에서 생성된 노이즈 샘플이 실제 노이즈 샘플에 매우 가깝다는 것을 보여줍니다. PCA 산점도 및 FID 분석을 통해 NGGAN이 우수한 충실도와 높은 다양성을 가진 노이즈 샘플을 생성함으로써 다른 GAN 기반 모델보다 우수함을 입증했습니다.
