低压电力线信道的决策估计算法研究.pdf

第32卷第221期
电力系统通信
Vo.32No.221
2011年3月10
Telecommunications for Electric Power System
Mar.10、2011
低压电力线信道的决策估计算法研究
张勤进,刘彦呈,赵友涛,张巧芬
(大连海事大学,辽宁大连116026)
摘要:OFDM技术以其多种优势成为低压电力线载波通信的最佳选择,信道估计是OFDM系
统的关键问题之一。分析了低压电力线信道特性,针对信道慢时变特性及噪声复杂的特点,
提出一种适用于低压电力线通信信道的直接决策估计算法。该算法基于 Kohonen神经网络,
改进了神经元学习率的自适应方法,通过竞争机制实时跟踪信道变化,实现信道估计。仿真
結果表明,该信道估计算法能有效地跟踪低压电力线信道特性,降低了系统的误比特率。
关键词:低压电カ线通信;OFDM;信道估计;神经网络
中图分类号:TM73;TN919文献标志码:B文章编号:1005-7641(2011)03-0005-05
0引言
也降低了系统效率。在高速率的数据通信系统
中,盲信道佔计方法显现出很大优势,不需要训练
低压电力线通信有着广阔的应用前景和经济序列来进行估计,数据传输效率将大大提高,但其
价值,但由于电力线信道存在着不可预測的高噪缺点是需要较多的运算量,且收敛速度也没有传
声、多径效应和信道衰落,严重制约了高速数据的统方法快?。
後输,而OFDM( Orthogonal Freqquency Division
文章首先对OFDM低压电力线通信的信道
Multiplexing,正交頻分复用)调制技术能够有效地进行了分析,并提出了一种基于 Kohone-n神经网
抵抗这些干扰,因此成为电力线宽带通信的理想络的直接決策估计算法。该算法利用了自组织神
选择。
经网络,为每一个QPSK符号分配一个神经元,通
在传统OFDM低压电力线通信系统中,接收过竞争机制实时跟踪信道的变化,降低了噪声及
端一一般采用相干檢测,系统对每个OFDM符号添
其他干扰的影响,实现信道估计。利用 MATLAB
加大于信道响应长度的循环前缀以抵抗符号间于
对此算法进行了仿真.并与基于拉格朗日内插的
扰,但这样会使传输效率降低
导频辅助信道估计算法进行了比较。结果表明,该
传统OFDM系统的符号均衡相对比较简单,
只要正确估计出信道频率响应,通过与接收信号算法能够很好地跟踪佇道的周期时变特性并能较
子载波上的数据相除,即可解调出原始数据,因
好地改善误码率性能。
此,寻找有效的信道估计算法成为OFDM技术1OFDM系统及低压电力线信道特
的主要研究方词之-一
目前,有关OFDM系统信道佔让算法主要有
性分析
2类:①基于导频辅助的信道估计算法;②盲(或1.1OFDM通信系统
半盲)信道估计算法。基于导频的信道估计算法需
OFDM通信是一种多载波调制技术,可以实
要按照一定规律在数据流中插人已知导频信息,现动态的数据流分配,得到信道的传输特性的估
这样做虽然能得到较好的信道估计信息,但同时计,就可以实现频域上衰减小、信噪比大的子载波
以较高的速率传输,从而达到传输的最优化。
辽宁省科技攻关项目(2007414023)
OFDM系统框图如图1所示。
也为说過
2011,32(221
输入
2基于 Kohonen神经网络的直接
决策算法
倍道估计
信道
输出
对于OFDM通信系统,信号S,经过信道会发
符号「井串解
均衡
速傳里叶变换「去除噪
生幅度变化和相位旋转,在接收端经过FF后,接
图1OFDM系统
收信号可表示为
Fig 1 Block diagram of OFDM system
式中:R,是第n个子信道的接收值;H,是信道在
1.2低压电力线信道特性
与传统的通信传输介质不同,低床电力线在第n个自载波上的增益,其增益反映了信道的
传输信号时,信道特性相当复杂,具有负载多
时变的非线性特征;S,是子载波n上的传输符号;
噪声干扰强、信号衰减大、信道多径传播等N。是加在子载波n上的加性噪声。
点,通信环境相当恶劣,因此信号传输的距离
这里选用QPSK作为OFDM系统发送端的调
般不长湖。
制方式,因为QPSK调制具有对称性和单幅值的
对输人阻抗及信号哀减特性测量-?表明低
特点。假设传输符号经QPSK星座调制后得到的
信号S,∈1,,-1,-},这样每个符号可以携帯2bit
压电力线网络的输人阻抗随频率的升高而呈上
的信息,{1,,-1,一依次代表{00,01,11,10,通过
升趋势,在100kHz频率以下的阻抗值一般很
QPSK星座映射可以将信息传输速卒提高为原来
低,通信距离为10m时的阻抗在9-95k比x率下的2倍。假设信道是理想的,则在接收端经过
已经低到292,这就要求信号发送装置具有低输出FFT变换后,第n个子载波上接收到的信号为
阻抗。由于随机负荷的影响,低压配电网的输人阻(H,Hn,-H,-H)。由于信道的干扰会影响接收
抗变得不可预测,在不同时间或不同位置,阻抗值信号的幅值和相位,使实际收到的信号偏离理想
可能发生较大的政变
接收的中心,假设实际接收到的信号中心为(Cn1
阻抗变化会使通信模块与电力线的耦合效率
发生变化,造成信号的耦合衰减。同时电网结构复
为了防止以上失真,提出用神经网络4个神
杂,负载具有多样性和时变性的特点,给信号带来
经元独立竞争眼踪接收符号R,每个神经元与
线路衰减,这种衰减特性难以预测。
个权值关联,这里的权值是复数,代表4个中心中
针对电力线主要的噪声特性进行分析,给出
的一组值,即{C。1,C2,C3,C4},那么对于每个
其统计特性。在对不同地域的电力网络进行大量
子载波都可以用4个神经元来表示竞争网络。当
测量实验的基础上,可以做出以下假设:脉冲喫符号R出现在网络,通过计算与R,具有最小欧
声服从泊松分布,背景噪声服从高斯分布且.可视
为加性噪声。
氏距离的神经元,得到获胜的神经元C,,其中
在实际电力线信道中,背景噪声对通信系统W=1,2,3,4是竞争胜利的神经元的序号,然后竞
的影响要大于周期性噪声和突发噪声,因此仿真争胜利的神经元按照 Kohonen更新规则更新,即
中阿利用白噪声对噪声进行建模。简化的电力线
+o(R
信道模型如图2所示。
式中:k指第k个OFDM符号;a∈(0.1)是获胜神
经元的学判概率。为了使神经网络能够更好的跟
噪声
踪信道的变化,对于非获胜的神经元也要进行相
应的更新,更新规则为
发送→LA0→接收端
图2简化的低压电力线信道模型
β(R
Fig2 Simplified model of power line channel
(3