一种受冲击噪声干扰的电力线通信信道估计方法

摘要

本发明公开一种受冲击噪声干扰的电力线通信信道估计方法，先从电力线上接收信号；再根据冲击噪声的特性估计截短长度；后利用最小截平方和算法进行信道估计；本发明根据冲击噪声的特性，估计冲击噪声的污染率，确定截短长度，并采用最小截平方和算法进行电力线信道估计，通过剔除残差较大的受冲击噪声污染的数据，来提高信道估计的精确度。

说明书

技术领域

本发明涉及通信信道估计技术领域，具体涉及一种受冲击噪声干扰的电 力线通信信道估计方法。

背景技术

电力线通信(PowerLineCommunication,PLC)是指以电力配电线为介 质，利用电力线网络进行通信。在与供电同一根电力线上传输数据，从而可 以将房屋等现有的电力基础设施用于传输数据，而不需要新增加电线。电力 线通信技术正在经历快速增长的阶段，并找到了进入多个应用和市场领域的 方式，包括智能电网、照明控制、能量计量等。全球在提倡节约能源，这促 进了让能源产生和能源消耗的设备相互通信的需求。电力线通信提供了一个 独特的无需新建设施的方法，使智能能量管理技术遍布世界各地，电力线通 信不受视线和传输范围的限制，同时电力线通信对于很多应用来说也是一种 低成本和易安装的技术。

一旦发射信号注入到电力线，其完整性取决于线路上噪声的大小，噪声 越大，对电力线的信号破坏就越大。电力线噪声可以来自多个方面。电力线 噪声可以简单地分为两种类型：冲击型噪声和连续型噪声。冲击噪声是不可 预知的，并以冲击序列出现，例如，这种类型的噪声可能来自于一个在厨房 里搅拌机的开关。很难设计一个这样的系统，其可忍受不可预测的、巨大的 冲击噪声而不降低数据速率。这种类型的噪声会完全覆盖线路上的任何数据 包。

为了保证电力线通信的可靠性，人们必须估计出电力线通信的信道模型。 由于电力线通信刚处于起步阶段，目前对于电力线通信信道的估计还没有一 个非常成熟的方法作为标准。目前，一种比较基本的方法是基于LMS的信道 估计方法。LMS算法存在其自身的固有缺点：步长因子固定，不能同时满足 收敛精度和收敛速度；当受到能量较大的冲击噪声污染时，收敛速度慢，产 生较大的误差。然而，电力线通信中，信道往往受到较多的而且能量较大的 冲击噪声干扰，被冲击噪声干扰后，被污染的接收信号与发送信号不再服从 线性回归模型。

发明内容

本发明所要解决的技术问题是冲击噪声对电力线通信信道估计的影响， 提供一种受冲击噪声干扰的电力线通信信道估计方法，其具有估计误差小和 高精度的特点。

为解决上述问题，本发明是通过以下技术方案实现的：

一种受冲击噪声干扰的电力线通信信道估计方法，包括如下步骤：

步骤1、从电力线上接收信号y(n)；

步骤2、根据冲击噪声的特性估计截短长度h；其中

$h=1-\hat{A}$

式中，为冲击噪声的污染率的估计值；

步骤3、利用最小截平方和算法进行信道估计；

步骤3.1、设定外层迭代次数门限n_s、内层迭代次数门限n_c和判决门限 objO；并初始化外层迭代次数t_s，初始化内层迭代次数t_c；

步骤3.2、从接收信号y(n)的N个样本值中，任意选取n₀个样本值，并计 算初始的信道参数和初始的残差的平方和σ；

步骤3.3、利用得到的信道参数计算所有N个样本值的残差的平方 并对得到的残差的平方进行排序后，选取最小的h个残差的平方 对应的接收信号的样本值；

步骤3.4、根据选取的接收信号的h个样本值，重新计算信道参数和残 差的平方和σ；

步骤3.5、判断内层迭代次数t_c是否达到预先设定的内层迭代次数门限 n_c；若达到，则转至步骤3.6；若未达到，则将重新计算得到的信道参数作 为下一次迭代的初始的信道参数并让内层迭代次数t_c+1，返回步骤3.3；

步骤3.6、判断重新计算得到的残差的平方和σ是否小于预先设定的判决 门限objO；若小于，则将重新计算的信道参数作为最小截平方和最优信道 参数将重新计算得到的残差的平方和σ作为最小截平方和最小残差的平 方和σ^LTS，并将判断门限objO更新为重新计算的σ；若不小于，则转至步骤 3.7；

步骤3.7、判断外层迭代次数t_s是否达到预先设定的外层迭代次数门限 n_s；若达到，则输出最小截平方和最优信道参数和最小截平方和最小残 差的平方和σ^LTS；若未达到，则让外层迭代次数t_s+1，返回步骤3.2。

步骤2中，冲击噪声的污染率的估计值为：

$\hat{A}=\frac{{(\frac{{\hat{m}}_4}{2}-1)}^3}{{(\frac{{\hat{m}}_6}{6}-\frac{3{\hat{m}}_4}{2}+2)}^2}$

式中，为4阶原点矩，为6阶原点矩，y(n)为接收信号，N为接收信号的样本值个数。

步骤3.2中，任意选取的样本值个数n₀为：

n₀＝d+1

式中，d为信道长度点数。

步骤3.3中，残差的平方为：

$r_i^2\left(\bar{\beta }\right)={(y\left(i\right)-{\bar{x}}_i\bar{\beta })}^2,i=\mathrm{1,2},...,N$

式中，为信道参数，y(i)为接收信号的第i个样本值，为已知发射信 号。

步骤3.3中，对得到的残差的平方进行由小到大排序后，选取最小 的前h个残差的平方对应的接收信号的样本值。

本发明针对LMS算法步长因子固定，不能同时满足收敛精度和收敛速度； 当受到能量较大的冲击噪声污染时，收敛速度慢，产生较大的误差的缺点。 同时根据电力线通信中，信道往往受到较多的而且能量较大的冲击噪声干扰 的特点。本发明根据冲击噪声的特性，估计冲击噪声的污染率，确定截短长 度，并采用最小截平方和(LTS)算法进行电力线信道估计，通过剔除残差较 大的受冲击噪声污染的数据，来提高信道估计的精确度。

附图说明

图1为本发明的系统流程图。

图2为基本的LTS算法系统流程图。

图3为不同截短长度时利用LTS算法进行信道估计的误差性能图。

具体实施方式

一种受冲击噪声干扰的电力线通信信道估计方法，如图1所示，包括如 下步骤：

步骤A、从电力线上接收信号。

接收端接收信号y(n)写下面的形式：

$y\left(n\right)=x\left(n\right)\otimes \beta \left(n\right)+ϵ\left(n\right)---\left(1\right)$

其中，表示卷积运算，β(n)表示电力线通信信道单位冲击响应， ε(n)＝w(n)+p(n)表示加性高斯白噪声和冲击噪声的叠加，w(n)表示加性高斯白 噪声，p(n)表示冲击噪声。

假设，接收端以N点长为单位进行处理，信道长为d点，则式(1)可以 写成下面矩阵的形式：

分别令：

$\bar{y}={[y\left(1\right),y\left(2\right),y\left(3\right),...,y\left(N\right)]}^T$

$\bar{\beta }={[\beta \left(1\right),\beta \left(2\right),\beta \left(3\right),...,\beta \left(d\right)]}^T$

$\overline{ϵ}={[ϵ\left(1\right),ϵ\left(2\right),ϵ\left(3\right),...,ϵ\left(N\right)]}^T$

则式(2)表示为：

$\bar{y}=\bar{X}\bar{\beta }+\overline{ϵ}---\left(3\right)$

步骤B、根据冲击噪声的特性估计截短长度h。

步骤B.1、根据冲击噪声的特性估计冲击噪声的污染率A的估计值

冲击噪声模型常用MiddletonClassA分布：

$P_{ϵ}\left(x\right)=e^{-A}\underset{m=0}{\overset{\infty }{\Sigma }}\left\{\frac{A^m}{m!}{e}^{\frac{-x^2}{{{\sigma }_{ϵm}}^2}}\frac{1}{\sqrt{2{{\mathrm{\pi \sigma }}_{ϵm}}^2}}\right\}---\left(4\right)$

其中，A为冲击噪声的污染率，为噪声ε(n)在m取不同值时的方差。

参数可以估计如下：

$\hat{A}=\frac{{(\frac{{\hat{m}}_4}{2}-1)}^3}{{(\frac{{\hat{m}}_6}{6}-\frac{3{\hat{m}}_4}{2}+2)}^2}---\left(5\right)$

其中，为污染率A的估计值，为4阶原点矩，为6 阶原点矩，y(n)为接收信号，N为接收信号的样本值个数。

步骤B.2、根据步骤B.1得到的污染率的估计值计算截短长度h。

$h=1-\hat{A}---\left(6\right)$

步骤C、利用LTS算法进行信道估计。参见图2。

步骤C.1、初始化参数LTS算法的外层迭代次数门限n_s、LTS算法的内层 迭代次数门限n_c和判决门限objO。

步骤C.2、初始化初始样本值选取点数n₀；其中，n₀＝d+1，d为信道长 度点数。

步骤C.3、初始化外层迭代次数t_s，初始化内层迭代次数t_c；令t_s＝1，t_c＝1。

步骤C.4、t_s＝t_s+1；

步骤C.5、从接收到的N个样本值中，任意选取n₀个样本值，对于选取到 的n₀个样本值写成公式(3)的形式，得

${\bar{y}}_1={\bar{X}}_1\bar{\beta }+{\overline{ϵ}}_1---\left(7\right)$

计算初始的信道参数残差的平方和σ值：

$\bar{\beta }={\left({\bar{X}}_1^{\prime }{\bar{X}}_1\right)}^{-1}{\bar{X}}_1^{\prime }{\bar{y}}_1---\left(8\right)$

$\sigma ={({\bar{y}}_1-{\bar{X}}_1\bar{\beta })}^{\prime }({\bar{y}}_1-{\bar{X}}_1\bar{\beta })---\left(9\right)$

步骤C.6、t_c＝t_c+1。

步骤C.7、利用得到的信道参数计算所有N个样本值的残差的平方

$r_i^2\left(\bar{\beta }\right)={\left(y\right(i)-{\bar{x}}_i\bar{\beta })}^2,i=1,2,...,N---\left(10\right)$

步骤C.8、对得到的残差的平方由小到大进行排序，得到：

$0\le {r^2}_{\left(1\right)}\left(\bar{\beta }\right)\le r_{\left(2\right)}^2\left(\bar{\beta }\right)\le ...\le r_{\left(N\right)}^2\left(\bar{\beta }\right)---\left(11\right)$

步骤C.9、选取最小的前h个残差的平方对应的接收信号的样本值，写为 公式(3)的形式，得：

${\bar{y}}_2={\bar{X}}_2\bar{\beta }+{\overline{ϵ}}_2---\left(12\right)$

更新的值：

$\bar{\beta }={\left({\bar{X}}_2^{\prime }{\bar{X}}_2\right)}^{-1}{\bar{X}}_2^{\prime }{\bar{y}}_2---\left(13\right)$

$\sigma =({\bar{y}}_2-{\bar{X}}_2\bar{\beta })({\bar{y}}_2-{\bar{X}}_2\bar{\beta })---\left(14\right)$

步骤C.10、如果t_c>n_c执行步骤C.11，否则，跳转到步骤C.6继续迭代。

步骤C.11、如果σ<objO执行步骤C.12，否则，跳转到步骤C.13。

步骤C.12、

${\bar{\beta }}^{LTS}=\bar{\beta }$

σ^LTS＝σ(15)

objO＝σ

步骤C.13、如果t_s>n_s，执行步骤C.14，否则，跳转到步骤C.4继续迭 代。

步骤C.14、迭代结束，输出结果最小截平方和最优信道参数和最小 截平方和最小残差的平方和σ^LTS。

为了验证本发明技术方案的有效性，进行了若干仿真实验。

假设实际信道参数$\bar{\beta }=\left(\begin{array}{c}1\\ 0.6\\ 0.2\end{array}\right),$污染率为0.15时，利用LTS算法进行信 道估计的误码性能图和具体数据，如图3和表1所示。其中图3和表1为进 行500次蒙特卡洛实验的实验结果。

表1

h 0.79 0.81 0.83 0.85 0.87 0.89 0.93 0.97 β₁0.99697 0.99768 1.0011 0.99982 1.0069 0.99441 0.9899 1.0073 β₂0.6009 0.59897 0.60112 0.60081 0.60081 0.57784 0.59051 0.56364

β₃0.19913 0.20443 0.20049 0.19951 0.19736 0.19867 0.21332 0.17782 误差(％) 0.3％ 0.87％ 0.18％ 0.13％ 0.71％ 1.64％ 3.08％ 5.96％

由仿真结果(图3和表1)可知，h在0.85附近，误差达到最小值，非 常准确的估计出了信道参数，与冲击噪声的污染率相对应，仿真结果很好的 说明了本发明对电力线通信信道估计的准确性。