CN105356886A - 基于压缩感知的电力线噪声压缩方法及其装置 - Google Patents

Abstract

本发明实公开了一种基于压缩感知的电力线噪声压缩方法，在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再通过噪声采集设备采集电力线信道噪声；将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类，之后，对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储；本发明还公开了一种基于压缩感知的电力线噪声压缩装置，通过本发明能够在电力线空载时，将电力线上耦合采集下来的电力线噪声进行有效压缩存储，能够有效减少需要存储的数据量，达到较高的压缩去除率。

Description

基于压缩感知的电力线噪声压缩方法及其装置

技术领域

本发明属于电力线宽带信号处理技术领域，具体涉及一种基于压缩感知的电力线噪声压缩方法及其装置。

背景技术

电力线通信(PowerLineCommunication,PLC)网络是世界上最大的网络之一，电力线通信是以电力线作为通信信道的一种通信方式，而电力线是为传输电力设计的，并不是专门用来传输通信数据的，其拓扑结构和物理特性都与常规的通信传输介质不同。再加上电网环境恶劣、受电力线信道衰减、噪声干扰和用电设备电磁兼容性的影响，导致电力线通信性能随时间、频率、负载接入和切出的变化而随机变化，严重影响了通信质量。

当前电力线通信技术的大范围推广使用需要一个过程，主要是因为在低压配电网上存在复杂的电力线噪声，噪声干扰是影响电力线通信可靠性的最主要因素之一，这些噪声稍纵即逝，时变特性很强，因此特别需要从低压电力线上将噪声采集下来并进行高效存储，便于后期在实验室重复进行各种分析和测试。

现在公认在低压电力线载波通信环境中存在着五类噪声：有色背景噪声、窄带噪声、与工频异步的周期性噪声、与工频同步的周期性噪声和突发性噪声。这些噪声的分布与时间、地点及负载等密切相关，使得电力线噪声时变特性强，同时，由于电力线噪声覆盖频谱很宽，依据奈奎斯特采样定律，A/D采样速率须是噪声最高频谱的两倍以上。因此，采集电力线噪声需要很高的采样速率，对于普通的电力线噪声采集设备而言，很难长时间完整有效的存储这些大量的采集数据。

目前，现存的电力线噪声录制设备仅仅是在电力线空载时，把电力线噪声从电力线上耦合采集下来，进行采集噪声的全部存储，由于采样率过高，仅仅录制几个小时，存储量就达T级，存储成本过高。可见，为了使得各种PLC设备能够更好地应用于电力线通信网络，我们亟需对不同时间，不同地点的电力线噪声运用一种压缩存储方法将采集噪声进行有效压缩处理，大幅度降低数据存储量，便于后期实验室环境下对电力线噪声的准确分析和还原后的重复测试使用。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于压缩感知的电力线噪声压缩方法及其装置。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供一种基于压缩感知的电力线噪声压缩方法，该方法为：在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再通过噪声采集设备采集电力线信道噪声；将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类，之后，对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储。

上述方案中，所述将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类，具体为：对采集到的电力线信道噪声进行FFT变换，获得电力线信道噪声的频域数据点，对所述频域数据点进行噪声的稀疏化处理，获得稀疏化的噪声幅度；将稀疏化的噪声幅度与电力线噪声的采样点均值进行对比处理，若采集的噪声幅度小于采样点均值，则归为背景噪声；若则，归为随机噪声。

上述方案中，所述对所述背景噪声从时域进行特征数据提取并且存储特征数据，具体为：将分离出的背景噪声从频域表示经过IFFT反变换到时域，从时域进行特征数据提取，所述特征数据包括其均值μ和方差δ²，将所述特征数据进行存储。

上述方案中，所述根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储，具体为：采用满足满足K阶RIP有限等距性质的观测矩阵，即：根据所述采用的观测矩阵对所述随机噪声从频域进行压缩感知处理，获得所述随机噪声的主要信息，将所述主要信息中幅值为零的数据点去除，存储剩余有较大幅值的数据点。

本发明实施例还提供一种基于压缩感知的电力线噪声压缩装置，该装置包括：采集模块、分类处理模块、数据提取和保存模块；

所述采集模块，用于在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再采集电力线信道噪声。

所述分类处理模块，用于将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类；

所述数据提取和保存模块，用于对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储。

上述方案中，所述分类处理模块，具体用于对采集到的电力线信道噪声进行FFT变换，获得电力线信道噪声的频域数据点，对所述频域数据点进行噪声的稀疏化处理，获得稀疏化的噪声幅度；将稀疏化的噪声幅度与电力线噪声的采样点均值进行对比处理，若采集的噪声幅度小于采样点均值，则归为背景噪声；若则，归为随机噪声。

上述方案中，所述数据提取和保存模块，具体用于将分离出的背景噪声从频域表示经过IFFT反变换到时域，从时域进行特征数据提取，所述特征数据包括其均值μ和方差δ²，将所述特征数据进行存储。

上述方案中，所述数据提取和保存模块，具体用于采用满足满足K阶RIP有限等距性质的观测矩阵，即：；根据所述采用的观测矩阵对所述随机噪声从频域进行压缩感知处理，获得所述随机噪声的主要信息，将所述主要信息中幅值为零的数据点去除，存储剩余有较大幅值的数据点。

与现有技术相比，本发明的有益效果：

本发明实施例提供一种基于压缩感知的电力线噪声压缩方法，在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再通过噪声采集设备采集电力线信道噪声；将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类，之后，对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储；通过本发明能够在电力线空载时，将电力线上耦合采集下来的电力线噪声进行有效压缩存储，能够有效减少需要存储的数据量，达到较高的压缩去除率。

附图说明

图1为本发明实施例提供一种基于压缩感知的电力线噪声压缩方法的流程图；

图2为本发明仿真产生的电力线噪声仿真系统生成的合成噪声频域图形；

图3为本发明仿真电力线噪声分类后的背景噪声；

图4为本发明仿真电力线噪声分类后的随机噪声；

图5为本发明仿真压缩感知技术压缩存储的随机噪声特征数据。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明实施例提供一种基于压缩感知的电力线噪声压缩方法，如图1所示，该方法通过以下步骤实现：

步骤101：在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再通过噪声采集设备采集电力线信道噪声。

具体的，通过电力线通信系统(PowerLineCommunication，PLC)噪声采集设备用高速率采样，将电力线信道噪声采集下来，用于压缩存储。

步骤102：将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类。

具体的，通过分析电力线信道噪声的特性，将电力线上的五类噪声：有色背景噪声、窄带噪声、与工频异步的周期性脉冲噪声、与工频同步的周期性脉冲噪声、随机脉冲噪声组成的合成噪声进行分类处理，分为以下两类：

第一类噪声为背景噪声，包括有色背景噪声、窄带噪声和与工频异步的周期性脉冲噪声，三种噪声随时间变化缓慢，平均功率较小，但频谱很宽，并且持续存在，有可能部分或全部覆盖信号频谱；

第二类噪声为随机噪声，包括与工频同步的周期性噪声和随机脉冲噪声，两种噪声的时变性强，当出现这些噪声时，功率谱密度会突然上升，数据传输会造成很大的误差；

其中，背景噪声由于平均功率较小，频谱很宽，类似于白噪声，而随机噪声由于时变性强，突然出现无法预测，通过确定门限将两类噪声在频域进行分离，从而使随机噪声具有稀疏性，即为随机噪声的稀疏化表示。

对采集到的电力线信道噪声进行FFT变换，获得电力线信道噪声的频域数据点，采集到的电力线噪声由于采样速率很高，得到大量的时域数据点，为了减少数据处理量，对所述频域数据点进行噪声的稀疏化处理(对采集到的数据点进行有规律的抽取，降低数据量)，获得稀疏化的噪声幅度；将稀疏化的噪声幅度与电力线噪声的采样点均值进行对比处理，若采集的噪声幅度小于采样点均值，则归为背景噪声；若则，归为随机噪声。

步骤103：对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储。

具体的，将分离出的背景噪声从频域表示经过IFFT反变换到时域，从时域进行特征数据提取，所述特征数据包括其均值μ和方差δ²，将所述特征数据进行存储，存储这些特征数据就可以达到减少噪声录制存储量的目的。

采用满足满足K阶RIP(RestrictIsometryProperty)有限等距性质的观测矩阵，即：比较常见的观测矩阵有三类：高斯/亚高斯/伯努利型随机观测矩阵、傅里叶观测矩阵以及其他观测矩阵。

最常用的是高斯随机观测矩阵，它的具体构造方法是使得矩阵的每一个元素都独立地服从分布，高斯随机矩阵与大多数固定正交基不相关，当时(c是一个很小的常数)，可以证明可以高概率的满足RIP(RestrictIsometryProperty)性质。

将分离出的随机噪声x从频域进行压缩感知处理：

从上述条件可知，使用的是M*N的满足RIP性质的观测矩阵，CandeS和Tao等也证明：独立同分布的高斯随机测量矩阵可以成为普适的压缩感知测量矩阵，通过该矩阵对N*1维的原始信号x进行观测，数学上就能够得到一个M*1维的观测向量y，达到信号量压缩的目的。(M远小于N)

根据所述采用的观测矩阵对所述随机噪声从频域进行压缩感知处理(CompressedSensing，CS)，获得所述随机噪声的主要信息，将所述主要信息中幅值为零的数据点去除，存储剩余有较大幅值的数据点，存储所述信息，就是AIC(Analog-to-InformationConversion)的过程，同样也可以达到减少噪声录制存储量的目的。

本发明通过分别存储两类噪声的特征数据和主要信息，大大节省了存储空间。

实施例：

采用电力线噪声是基于MATLAB仿真平台得到的数据，PLC仿真程序使用GUI交互界面，选择需要生成观察的噪声类型，可以选择默认或者自定义生成电力线噪声。

(1)、窄带噪声，可以选择默认或者自定义生成，自定义还可以选择白天和夜晚，白天是-65～-85dbmv,晚上是-30～-70dbmv，同时可以选择短波电台频率个数(0～369)和中波电台频率个数(0～120)；

(2)、随机脉冲噪声，也可以选择默认或者自定义生成，自定义还可以选择脉冲个数为0～15；

(3)、有色背景噪声，也可以选择默认或者自定义生成，自定义还可以选择滤波器通带阻带中心频率为0～26MHZ；

(4)、异步工频脉冲噪声，也可以选择默认或者自定义生成，自定义还可以选择PC台数和TV台数为0～10；

(5)、同步工频脉冲噪声，也可以选择默认或者自定义生成，自定义还可以选择SCR器件个数为0～10；

设置生成的电力线合成噪声频域见图2。

本发明的效果可以通过以下仿真进一步说明：

1.仿真条件：建立电力线噪声模型，其中电力线噪声由有色背景噪声、窄带噪声、同步于工频的周期脉冲噪声，异步于工频的周期脉冲噪声和异步非周期脉冲噪声五类噪声叠加合成。仿真参数选取如表1所示：

表1

2.仿真内容

根据电力线信道噪声分类，分别生成五类噪声及其合成噪声，用以后续的压缩感知技术压缩存储噪声的研究验证。

其中，有色背景噪声可以简单的由一个白噪声源滤波合成，噪声整形滤波器可由Z平面上的传递函数H_Mod(z)表示，如下式所示：

$H_{Mod}\left(z\right)=\frac{B\left(z\right)}{A\left(z\right)}=\frac{1+\underset{i=1}{\overset{m}{\Σ}}{b}_i\·z^{-i}}{1+\underset{i=1}{\overset{n}{\Σ}}{a}_i\·z^{-i}}$

式中函数的分子部分B(z)表示的是移动平均(MA)部分，其分母A(z)表示的的是自回归(AR)部分，模型参数由噪声源的方差δ²和滤波器系数组成；

窄带噪声可通过如下N个独立的正弦函数叠加来描述：

式中有三个参数需要确定，分别是：A_i(t)、f_i和其中f_i表示各个中短波频率，表示各f_i所对应的正弦波的相位，A_i(t)表示各f_i所对应的正弦波的幅度；

同步于工频的周期脉冲噪声主要由可控硅(SCR)调节器件所产生，一个SCR在一个工频周期内产生的噪声可以表示为：

N_pisp-1period＝N_imp-open+N_imp-close

其中N_imp-open和N_imp-close具有和N_imp相同的形式，T为脉冲的周期；

异步于工频的脉冲噪声主要来源有两方面，一是由电视机与计算机显示器的行频扫描及其谐波造成；二是由计算机开关电源产生的周期性脉冲噪声所造成的。

其数学表达式如下：

其中l为显示器的个数；

随机脉冲噪声可由下式表示：

$N_{ran}=\underset{i=1}{\overset{l}{\Σ}}{N}_{imp,i}$

其中l为脉冲个数，即：

生成典型电力线五类噪声及其合成噪声后，经过高速率的A/D采样得到的噪声的数据量很大，可以运用本发明提出的压缩感知(Compressedsensing，CS)算法将其有效压缩存储，解决的了由于数据量过大，存储数据的不便。

3.仿真结果

如图3所示，在典型的电力线通信系统中，由于有色背景噪声、窄带噪声和与工频异步的周期性脉冲噪声随时间变化缓慢，常归结为背景噪声。本发明的噪声采集设备通过采集和分析，将背景噪声分离出来并存储其有效特征参数均值和方差。

如图4所示，在典型的电力线通信系统中，由于与工频同步的周期性脉冲噪声和随机脉冲噪声时变性强，当出现这些噪声时，功率谱密度会突然上升，数据传输会造成很大的误差，常归结为随机噪声，通过与判决门限的对比将随机噪声频域数据分离出来。

如图5所示，通过本发明提出的压缩感知(CS)方法针对随机噪声的稀疏性进行压缩处理，只需存储少量的特征信息。

仿真结果表明，本发明与目前的电力线噪声录制回放设备和脉冲噪声检测方法相比，由于本发明综合考虑了采集数据量与处理时间的问题，对采集数据进行合理的压缩存储，减少了存储数据所占资源，其有效性要远胜于电力线噪声录制回放设备和脉冲噪声检测方法。

本发明实施例还提供一种基于压缩感知的电力线噪声压缩装置，该装置包括：采集模块、分类处理模块、数据提取和保存模块；

所述采集模块，用于在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再采集电力线信道噪声。

所述分类处理模块，用于将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类；

所述数据提取和保存模块，用于对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储。

所述分类处理模块，具体用于对采集到的电力线信道噪声进行FFT变换，获得电力线信道噪声的频域数据点，对所述频域数据点进行噪声的稀疏化处理，获得稀疏化的噪声幅度；将稀疏化的噪声幅度与电力线噪声的采样点均值进行对比处理，若采集的噪声幅度小于采样点均值，则归为背景噪声；若则，归为随机噪声。

所述数据提取和保存模块，具体用于将分离出的背景噪声从频域表示经过IFFT反变换到时域，从时域进行特征数据提取，所述特征数据包括其均值μ和方差δ²，将所述特征数据进行存储。

所述数据提取和保存模块，具体用于采用满足满足K阶RIP(RestrictIsometryProperty)有限等距性质的观测矩阵，即：

根据所述采用的观测矩阵对所述随机噪声从频域进行压缩感知处理，获得所述随机噪声的主要信息，将所述主要信息中幅值为零的数据点去除，存储剩余有较大幅值的数据点。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (9)

1.一种基于压缩感知的电力线噪声压缩方法，其特征在于，该方法为：在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再通过噪声采集设备采集电力线信道噪声；将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类，之后，对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储。

2.根据权利要求1所述的基于压缩感知的电力线噪声压缩方法，其特征在于，所述将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类，具体为：对采集到的电力线信道噪声进行FFT变换，获得电力线信道噪声的频域数据点，对所述频域数据点进行噪声的稀疏化处理，获得稀疏化的噪声幅度；将稀疏化的噪声幅度与电力线噪声的采样点均值进行对比处理，若采集的噪声幅度小于采样点均值，则归为背景噪声；若则，归为随机噪声。

3.根据权利要求1所述的基于压缩感知的电力线噪声压缩方法，其特征在于，所述对所述背景噪声从时域进行特征数据提取并且存储特征数据，具体为：3a)将分离出的背景噪声从频域表示经过IFFT反变换到时域，从时域进行特征数据提取，所述特征数据包括其均值μ和方差δ²，将所述特征数据进行存储。

4.根据权利要求1所述的基于压缩感知的电力线噪声压缩方法，其特征在于，所述根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储，具体为：采用满足满足K阶RIP有限等距性质的观测矩阵，即：

根据所述采用的观测矩阵对所述随机噪声从频域进行压缩感知处理，获得所述随机噪声的主要信息，将所述主要信息中幅值为零的数据点去除，存储剩余有较大幅值的数据点。

5.一种基于压缩感知的电力线噪声压缩装置，其特征在于，该装置包括：采集模块、分类处理模块、数据提取和保存模块；

所述采集模块，用于在电力线空载时，将电力线上的噪声通过耦合器进行强电隔离和衰减，再采集电力线信道噪声。

所述分类处理模块，用于将所述采集到的电力线信道噪声分为背景噪声和随机噪声两类；

所述数据提取和保存模块，用于对所述背景噪声从时域进行特征数据提取并且存储特征数据，根据观测矩阵对所述随机噪声从频域进行压缩感知处理并且将从处理后获得的主要信息存储。

6.根据权利要求5所述的基于压缩感知的电力线噪声压缩装置，其特征在于，所述分类处理模块，具体用于对采集到的电力线信道噪声进行FFT变换，获得电力线信道噪声的频域数据点，对所述频域数据点进行噪声的稀疏化处理，获得稀疏化的噪声幅度；将稀疏化的噪声幅度与电力线噪声的采样点均值进行对比处理，若采集的噪声幅度小于采样点均值，则归为背景噪声；若则，归为随机噪声。

7.根据权利要求5所述的基于压缩感知的电力线噪声压缩装置，其特征在于，所述数据提取和保存模块，具体用于将分离出的背景噪声从频域表示经过IFFT反变换到时域，从时域进行特征数据提取，所述特征数据包括其均值μ和方差δ²，将所述特征数据进行存储。

8.根据权利要求5所述的基于压缩感知的电力线噪声压缩装置，其特征在于，所述数据提取和保存模块，具体用于采用满足K阶RIP有限等距性质的观测矩阵，即：

9.根据所述采用的观测矩阵对所述随机噪声从频域进行压缩感知处理，获得所述随机噪声的主要信息，将所述主要信息中幅值为零的数据点去除，存储剩余有较大幅值的数据点。