非高斯噪声与非线性畸变:IIoT环境下的鲁棒回声消除研究
杨瑞丽
班爱莹
商丘工学院 河南商丘 476000
摘要：工业物联网(IIoT)的快速发展推动了智能制造、智慧工厂和工业自动化系统的升级.在IIoT环境中,传感器、执行器和通信设备产生海量数据,并通过网络进行实时交互.然而,工业环境中的噪声干扰(如机械振动、电磁干扰)和信号传输过程中的非线性畸变(如多径效应、传感器非线性)严重影响了数据的可靠性和系统性能.传统的信号处理方法通常假设噪声服从高斯分布,并采用线性模型进行回声消除,但在实际工业场景中,噪声往往呈现非高斯特性(如脉冲噪声、重尾分布),且系统存在显著的非线性效应.基于此,文章提出一种面向IIoT大数据融合的联合优化方案.首先,在非线性回声建模方面,采用无记忆非线性滤波器与稀疏FIR滤波器的级联结构,分别对非线性器件和线性声学路径进行建模.无记忆非线性滤波器(如分段线性函数)能够高效模拟非线性失真,而稀疏FIR滤波器则通过优化权值分布降低计算复杂度,从而在保证建模精度的同时提升计算效率;其次,在自适应滤波算法设计上,提出了一种改进的鲁棒算法——修正的改进比例归一化符号算法(MIPNSA).该算法在符号算法(SA)的基础上引入比例归一化机制,通过动态调整稀疏路径的权值更新步长,显著提升收敛速度;同时,结合L1范数优化增强算法对非高斯噪声的鲁棒性,确保在工业噪声环境下的稳定性能,使其更适合部署在资源受限的边缘设备上.研究结果表明,所提方法在非高斯噪声和非线性系统场景下具有显著的理论意义与工程应用价值.
关键词：工业物联网非线性回声消除非高斯噪声
资助基金：商丘工学院校级科研项目(2024KYXM05)
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 156-160 )