基于5G+PLC技术的电力线载波信号脉冲干扰抑制方法

张明栋， 王 蔚， 李明洋， 谢伟栋， 高超超

(国网庆阳供电公司， 甘肃 庆阳 745000)

0 引 言

将电力线作为传输介质完成数据的传输， 在现代通讯中发挥了良好的作用. 但电力线载波信号传播过程中， 总是会出现噪声大的问题， 使得最终误码率较高. 因此， 对噪声进行相应的技术抑制是当前亟待解决的问题.

文献[1]通过最佳旋转阶次分析接收信号， 并在坐标旋转后， 获取时频面的二维分布信息. 利用自适应时变滤波器， 剔除信号中的干扰信息； 文献[2]以认知引擎驱动为基础， 构建智能系统， 从而识别未知干扰信息， 实现抗干扰性能的提升； 文献[3]通过PTS(Predetermined Time System， 预定时间标准系统)技术， 降低信号峰均比， 从而加强噪声和信号的区分. 将置0和限幅技术相结合， 抑制脉冲噪声.

基于上述研究成果， 本文融合了5G技术和PLC技术， 构建电力线载波信号脉冲干扰抑制方法， 去除电力线载波信号脉冲干扰， 降低电力线载波信号传输误码率.

1 电力线载波信号脉冲干扰抑制方法设计

1.1 构建5G+PLC网络通信模型

在地下停车场、 密闭空间等区域， 网络穿透能力较弱， 5G信号无法覆盖全空间， 造成网络通信质量较低[4]. 为了解决这一问题， 提出了5G+PLC技术. PLC技术使数据利用电力线载波信号传输， 极大提升了5G+PLC网络通信技术应用的优势[5].

5G+PLC网络通信模型主要包含5G信号接收器、 5G信号转换器、 网络发射器3个部分， 具体结构如图 1 所示.

图 1 网络通信结构图

如图 1 所示， 网络通信信号传输过程中需要经过多个环节. 原始网络通信信号通过接口被5G信号接收器接收， 通过5G信号转换器， 再通过电力线分散到电力载波器中转换， 转化完成后通过发射器发射信号. 通信信息在每个传输环节都被脉冲噪声干扰， 传输线路越长， 传输环节越多， 噪声干扰越大， 因此， 在5G通信环境下， 脉冲噪声对信息传输的影响逐渐扩大. 由于信道传输是以模拟信号进行传递， 在脉冲噪声的干扰下， 模拟信号的波形发生了改变. 改变后的模拟信号在到达接收端后， 会产生传递信号错误的情况.

1.2 识别脉冲干扰信息

在电力线载波过程中， 低压电力线信道上噪声的波动较大， 形成脉冲干扰， 导致电力线载波信号出现错误. 将网络通信结构中包含的脉冲信号采集汇总至中频， 完成处理工作， 接收信号的模型表示为[6]

x(t)=s(t)fc+J(t)+N(t),

(1)

式中：s(t)和J(t)分别表示调制前信号和信号中的脉冲干扰信息；fc表示信号的载波频率； 高斯白噪声用N(t)表示.

由于脉冲噪声是干扰5G网络信号传输的主要因素， 因此只研究电力线载波信号脉冲干扰信息的抑制方法. 脉冲噪声是一种复杂的噪声， 为了保证脉冲干扰抑制效果良好， 需要建立噪声分析模型.

采用加性循环平稳噪声模型描述复杂的脉冲干扰噪声. 将白噪声设置为零. 在这个假设下， 脉冲噪声概率密度函数(PDF)可以表示为

(2)

式中:p为噪音出现概率；T为噪声的采样时间间隔；i与θ分别表示时刻和方差. 从式(2)中可以看出， 这个噪声方差是一个时变方差. 该时变方差可以由一个迭代周期函数得到

(3)

式中:A,C为脉冲噪音种类， 而l表示迭代周期.

PLC噪声信道是一个频率选择性衰落信道， 而以上时变方差产生的噪声序列无法准确将噪声的频域特性显示出来， 因此， 利用频响滤波器对噪声序列进行操作， 通过观测PLC噪声的功率谱， 形成频响函数. 根据脉冲干扰信号频响函数计算结果， 发现信号具有拖尾现象.

研究脉冲信号波形， 可以认识单个脉冲， 并记录其相位、 峰值， 汇总形成脉冲信息统计表[7].

在识别脉冲干扰信息过程中， 需要利用3个阈值进行计算. 针对实际情况合理设定阈值数据， 如果其他参数不出现变化， 阈值数据保持不变[8]. 采用最长距离法聚类处理脉冲， 并且分析每一类别的脉冲信息， 得出脉冲干扰识别结果.

1.3 计算脉冲噪声值

针对电力线载波信号脉冲干扰信息， 计算脉冲噪声， 具体的计算流程如图 2 所示.

图 2 算法流程

脉冲噪声具有稀疏性的特点， 因此可以表示为

ip=argimin‖i‖0s.t. ‖i-θi‖2≤ε.

(4)

脉冲噪声和脉冲噪声估计值分别使用i和ip表示， 使用θ表示空子载波矩阵.ε代表一个正数， 并且与噪声方差有所关联.

通过正则化方法， 将脉冲噪声计算过程转换为

(5)

式中：λ表示正则化参数.

通过最小化优化函数迭代算法， 对式(5)进行求解， 需要将问题转化为包含两步迭代结果的公式

(6)

式中:ij和ij+1分别表示脉冲噪声当前和下一次的迭代求解值.

采用阈值函数H( )判断脉冲噪声幅度B(i).函数H(B(i))的表达公式为

(7)

式中： 函数的门限值表示为λ0.5， 其具体取值与正则化参数λ有所关联.利用交叉验证的方法， 可以获取正则化参数λ的值， 并结合已知问题稀疏度， 参数

(8)

式中：s表示问题稀疏度用；s+1表示元素降序排序后的顺序.

根据以上公式， 可以得出脉冲噪声估计的迭代求解公式

ij+1=H(B(ij)),

(9)

式中：ij+1,ij分别表示脉冲噪声的估计值求解次数. 计算残差满足预先设定的阈值后， 便可以输出脉冲噪声的估计值.

1.4 实现信号脉冲干扰抑制

电力线载波信号通信时， 脉冲干扰信息具有长时延性的特点. 采用动态调整CCA(Clear Channel Access， 信道评估)门限的机制， 抑制信号脉冲干扰， 去除干扰信息， 识别干扰强度[9]. 具体的CCA门限值需要从仿真实验中获取， 通过信噪比的改变， 获取不同门限值下的信号传输质量. 门限值过高或过低都会使干扰信息的漏检概率、 虚警概率大幅提升， 因此可以通过选取最优门限值， 使误码率达到最低[10].

在网络通信过程中， 通常会在一些因素的影响下产生比特数据， 从而造成信息传输误差. 这种情况下， 需要采用一些方法， 将连续比特分散开来， 使得一帧中的数据向其他帧分散. 保证即使网络通信过程中比特差错出现， 也可以将其分解为长度很短的差错， 由融合信道编码进行纠正， 使得数据最大限度恢复. 这一计算过程通常采用交织技术， 在不改变数据内容的前提下， 将集中错误分散化处理. PLC传输过程中交织算法的应用， 需要将脉冲噪声进行白化处理， 倘若将子载波个数用m表示， 并用n表示一个超帧中的数量， 从而构成nm的交织矩阵， 如图 3 所示.

将交织之前的数据下标分别用i,j表示， 交织之后的数据下标则表示为I,J， 可以得出交织公式

(10)

公式中mod表示为取模操作，n中大于2的第1个和第2个质数分别表示为nj、ni，m中第1个和第2个质数分别表示为mi、mj， 具体的交织过程如图 4 所示.

图 3 交织矩阵图

图 4 交织示意图

交织算法的求解公式为

(11)

式中：a，b分别表示i，j的最小非零整数. 交织算法能充分白化脉冲噪声， 从而抑制信号脉冲干扰.

2 实 验

2.1 实验准备

通过实验， 测试文中设计的干扰抑制方法的应用性能. 在实际低压电网中， 建立PLC+5G技术集成的网络通信系统. 通信系统相关参数如表 1 所示.

依据表 1 所示的参数， 完成实验环境的设置. 并在该实验环境中设计低压电网络拓扑结构. 将网络主干线长度设置为20.5 m， 包含两个分别为18.1 m， 2.8 m的分支. 一般情况下， 电力线载波信号脉冲干扰为脉冲噪声. 针对噪声时域波形进行实际测量， 并将其表示为图 5.

表 1 通信系统参数

图 5 网络中实际采集噪声

分析图 5 可知， 倘若不进行干扰抑制处理， 最终的输出结果会出现很多错误. 为了保证实验结果具有说服力， 分别选择文献[1]方法、 文献[2] 方法、 文献[3]方法与本文方法处理噪声.

2.2 实验结果分析

脉冲噪声处理结果如图 6 所示.

分析图 6 的噪音处理结果可知， 应用本文设计方法， 噪音变化幅度极大降低， 噪音得到了良好地去除， 处理效果明显优于其他3种方法.

图 6 3种方法的噪音处理结果对比

脉冲干扰抑制方法的应用效果， 需要针对不同方法应用后的信噪比变化进行分析. 随着空子载波个数的增长， 信噪比变化情况如表 2 所示.

表 2 不同空子载波个数下的估计信噪比

4种方法的信噪比全都随着空子载波个数的增加而增长， 本文设计方法的估计信噪比明显更高， 可以发挥良好的性能.

除此之外， 将数据传输误码率作为评价指标， 分析4种干扰抑制方法应用后， 电力线载波信号变化情况， 不同方法的误码率变化如图 7 所示.

图 7 不同方法应用后误码率变化对比

如图 7 所示， 应用本文设计方法， 误码率明显更低. 通过计算可知， 本文方法的误码率与其他3种方法相比， 分别降低了30.24%, 61.35%, 72.15%. 由此可知， 本文设计的脉冲干扰抑制方法具有更好的应用效果.

3 结 语

为抑制电力线载波信号传播过程中的噪音， 提出基于5G+PLC技术的电力线载波信号脉冲干扰抑制方法. 针对5G+PLC技术建立的电力线载波， 设计智能通信模型， 并计算脉冲信号噪声值， 有效抑制了信号传输过程中的干扰信息. 实验表明， 应用本文设计方法， 噪音变化幅度极大降低， 噪音得到了良好地去除， 误码率亦有所降低， 达到了预期效果， 有助于电力线载波信号更顺畅地传播， 提高通讯质量.