CN105516046A - 智能抄表系统ofdm载波通信模块背景噪声抑制方法 - Google Patents

Abstract

本发明公开了一种智能抄表系统OFDM载波通信模块背景噪声抑制方法。该方法针对电力线信道噪声和干扰的特性，以及OFDM信号的特点，通过特征值分解，得到OFDM载波通信模块接收信号的特征值和特征向量，并由符号分组检测检测到的符号起点，估计OFDM信号和噪声的特征值，从而得到重构信号的增益值，并重构OFDM信号，本发明噪声抑制方法依据据OFDM信号和电力背景噪声的特性实施，在有效提高系统传输性能的基础上，具有低的运算复杂性并易于实现和应用。

Description

智能抄表系统OFDM载波通信模块背景噪声抑制方法

技术领域

本发明涉及一种背景噪声抑制方法，特别涉及一种用于智能抄表系统正交频分复用(OFDM，OrthogonalFrequencyDivisionMultiplexing)载波通信模块背景噪声抑制(NS，NoiseSuppression)方法。

背景技术

应用于智能抄表系统的载波通信模块，用于实现在电力线上传输数据，而作为信息传输媒介进行数据或语音传输的通信通路，低压配电网络具有频率选择性衰减、阻抗不匹配等导致的多径衰落和噪声。一方面电力电缆所面临的频率选择性衰减随着频率的升高而增加从而严重影响通信距离；另一方面，考虑智能电表功耗相关标准IEC62052-11，IEC62053-2和低压电力装置上的信号传输一般要求EN50065-1，高频段传输电力信号，在功耗限制下，受衰减影响，通信距离有限，而电磁干扰增加，所以现有应用于智能电表的载波通信技术均限制在窄带。现有智能抄表系统OFDM载波通信模块，实现标准有G3标准OFDM电力线载波通信方案和PRIME标准OFDM电力线载波通信方案等。PRIME标准与G3标准类似，均工作于CENELECA频段(9-95KHz)，均使用差分相移键控(DifferentialPhaseShiftKeying，DPSK)和循环前缀OFDM调制技术，并以最差时的信道状况为依据，设计调制和编码等参数。这样使得数据帧冗余，频谱利用率降低，当信道具有较大干扰和噪声时，运用关闭某些干扰严重的子载波来抗干扰，其通信速度陡降。本申请人致力于发明一种适用于智能抄表系统OFDM载波通信模块的背景噪声抑制方法，在CENELECA频段的电力线信道环境，能够有效抑制背景噪声，从而提高传输效率。

发明内容

本发明的目的是针对电力噪声和OFDM信号的特点，为智能抄表系统OFDM载波通信模块提供一种电力背景噪声抑制方法，以提高传输效率。

本发明提供的这种智能抄表系统多载波通信模块背景噪声抑制方法，该方法通过特征值分解(EigenvalueDecomposition),得到OFDM接收信号的特征值和特征向量，并根据OFDM接收机符号分组检测的起点，估计噪声和OFDM信号的特征值，从而得到重构信号的增益值，并重构OFDM信号，所述方法包括：

步骤一，将到达智能抄表系统OFDM载波通信模块背景噪声抑制的接收信号每次截取M个采样点，并组成K×N的Hankel矩阵Y(n)；给定符号分组检测检测到的符号分组的起点，其第一次截取的起点为符号分组检测检测到的符号分组的起点；

步骤二，计算Y(n)的协方差矩阵

步骤三，对进行EVD分解，得到特征值和特征向量；

步骤四，估计噪声和OFDM信号的特征值；

步骤五，由所得噪声和OFDM信号的特征值计算增益矩阵；

步骤六，由所得增益矩阵，重构OFDM信号，以滤除背景噪声；

本发明的有益效果是：本发明针对电力线信道噪声和干扰的特性，以及OFDM信号的特点，通过特征值分解(EigenvalueDecomposition)，得到OFDM载波通信模块接收信号的特征值和特征向量，并由符号分组检测检测到的符号起点，估计OFDM信号和噪声的特征值，从而得到重构信号的增益值，并重构OFDM信号，本发明噪声抑制方法根据OFDM信号和电力背景噪声的特性实施，在提高系统传输性能的基础上，具有低的运算复杂性并易于实现和应用。

附图说明

图1是本发明智能抄表系统OFDM电力载波通信模块的系统结构图。

图2是电力线信道噪声频谱图。

图3是OFDM信号时域波形和频谱图。

图4是本发明电力背景噪声抑制方法实现框图。

图5是有本发明噪声抑制方法与无本发明噪声抑制方法的OFDM电力载波模块性能比较。

具体实施方式

智能抄表系统电力载波模块是直接面向实际承担数据传输的物理媒体电力线，是在电力线之上为上层应用数据提供一个传输原始比特流的物理连接，所以电力载波模块直接面对电力线的各种干扰和衰减。

下面结合附图对本发明作进一步说明。

如图1所示，智能抄表系统OFDM载波通信模块发送端包括前向错误控制编码器以及OFDM调制模块。待传输数据先进行串扰，RS编码，卷积编码，交织处理，再进行自适应调制并送去做IFFT变换，最后经模拟前端(AnalogFrontEnd,AFE)处理，数模转换后耦合至电力线上传输。相应的接收端的结构与发送端正好相反，接收到的数据先进行AFE处理，模数转换后进行脉冲噪声抑制，然后再进行符号分组检测，找到符号分组的起点后进行背景噪声抑制和FFT变换，同时对信道进行估计。FFT变换后的数据进行解调，将多进制数据位变成2进制数据码流，之后进行解交织，Viterbi解码，解串扰处理，最后得到发送端数据。符号分组检测也是利用EVD分解OFDM接收信号的特征值和特征向量，并利用有无OFDM信号时主特征能量的不同检测符号分组的起点。

低压电力线信道中的噪声干扰通常是由连接至网络的电设备和附近的电设施引起的。正常操作一些电机和设备时会产生干扰，而当开关电气设施时导致的脉冲电流和峰值电压，也会沿电力线传播，造成干扰。与其它大部分的通信信道不同，电力信道中的噪声不能用经典加性高斯白噪声(AdditiveWhiteGaussianNoise,AWGN)描述。通常电力噪声分成三类：彩色背景噪声，窄带干扰和脉冲噪声。

如图2所示，为用泰克RSA5103A频谱分析仪采集到的电力线信道噪声频谱(30dB衰减)。从右图可以看出在10-200kHz的频率范围，背景噪声随频率的增加而减小，在10kHz附近噪声幅度达到-10dB，在100kHz左右噪声功率仍然有-60dB，所以背景噪声在低频窄带电力线通信中不可忽视。左图DXP分析以不同亮度区分不同频率点和不同功率噪声出现的密度。颜色越深，出现的密度越大，则越平稳。显然，图中亮白色的位置，密度比较高，分布于整个频带，并且平滑，区分为彩色背景噪声，并且其分布特性持续几分钟甚至几小时无变化。在DXP谱的包络，捕获到一些小的尖峰，出现的密度较低，具有突发性，所以识别为随机脉冲噪声。

如图3所示，为用G3标准OFDM物理层，产生的OFDM信号的时域波形和频谱图，具有代表性。由频谱图可见，OFDM一个符号的N个子载波由L个数据子载波和N-L个空子载波组成，数据子载波共有36个，分布于35.9-90.6kHz的频率范围。其中，经过基带映射前的符号均为实数。经过基带映射后的符号有同相分量和正交分量，令X_m(k)表示频域第m个符号的第k个子载波，其映射公式如下：

X_m(k)＝cosθ_m(k)+j×sinθ_m(k)(1)

θ根据三种映射方式的星座图确定。第m个符号的OFDM时域信号，通过对(1)式进行离散傅里叶逆变换得到：

$x_m\left(n\right)=\frac{1}{\sqrt{N}}\underset{k=0}{\overset{K-1}{\Σ}}\left\{X_m\left(k\right)e^{j\frac{2{\mathrm{\πnd}}_k}{N}}\right\}---\left(2\right)$

x_m(n)表示第m个符号的第n个OFDM时域信号，d_k表示第k个数据子载波。在信号的开始增加30点循环前缀，所以每一个符号的能量均匀分布于宽度为0.7ms的时间空间，其频域，能量集中于35.9-90.6KHz频带。OFDM时域信号根据(1)～(2)式可以写为：

$x_m\left(n\right)=\frac{1}{\sqrt{N}}\underset{k=0}{\overset{K-1}{\Σ}}\left\{{\mathrm{cos\θ}}_m\left(k\right)e^{j\frac{2{\mathrm{\πnd}}_k}{N}}\right\}+\frac{j}{\sqrt{N}}\underset{k=0}{\overset{K-1}{\Σ}}\left\{{\mathrm{sin\θ}}_m\left(k\right)e^{j\frac{2{\mathrm{\πnd}}_k}{N}}\right\}---\left(3\right)$

因OFDM输入数据是零均值随机变量，所以经基带映射后其实部和虚部仍为零均值随机变量，又IFFT变换因子可以看成K维复基矢量：

$V_m={(e^{j\frac{2{\mathrm{\πnd}}_0}{N}},e^{j\frac{2{\mathrm{\πnd}}_1}{N}},...,e^{j\frac{2{\mathrm{\πnd}}_{K-1}}{N}})}^T---\left(4\right)$

所以OFDM信号满足线性模型：ξ＝s·V,秩为子载波数K。脉冲噪声抑制后，剩余电力噪声近似为彩色加性噪声，并且与OFDM信号不相关。

下面结合图4说明本发明所述的这种智能抄表系统OFDM载波通信模块背景噪声抑制方法。如图4，接收机接收到的信号y(t)包含电力噪声，经过模拟前端的模数变换、脉冲噪声抑制和符号分组检测后y_im(n)＝x(n)+ψ(n)，其中y_im(n)表示脉冲噪声抑制后的接收信号，x(n)表示OFDM信号，ψ(n)表示电力背景噪声。因为OFDM信号满足线性模型，而电力背景噪声具有彩色噪声特性，两者不相关，所以截取接收信号y_im(n)并构造Hankel矩阵，进行特征分解后，得到的特征值矩阵为对角阵，并且满足：

Λ_y(n)＝Λ_x(n)+Λ_ψ(n)(5)

其中Λ_y(n)表示接收信号的特征值矩阵，Λ_x(n)表示OFDM信号的特征值矩阵，Λ_ψ(n)表示噪声的特征值矩阵；而接收信号y_im(n)，OFDM信号x(n)和电力背景噪声ψ(n)的特征向量相同。在检测到符号分组的起点后，就可以得到噪声特征值的估计，从而得到重构增益，实现OFDM信号的重构。

下面结合具体实施例对本发明做进一步说明。现设OFDM电力载波模块物理层每个符号有36个子载波，采用256点FFT变换，到达OFDM接收机背景噪声抑制的信号表示为y_im(n)，则执行如下步骤：

步骤一：根据OFDM载波通信模块接收机符号分组检测检测到的符号的起点，分组截取接收信号M个采样点，并组成K×N的Hankel矩阵Y(n)，其中M＝K+N-1；N＝256为快速傅里叶变换的点数，第L次截取M个采样点的起点为(L-1)*N；

步骤二：计算Y(n)的协方差矩阵

${\hat{R}}_{yy}=\frac{1}{K-1}{Y}^{T}Y---\left(7\right)$

步骤三：对进行EVD分解，得到特征值和特征向量；

${\hat{R}}_{yy}={\mathrm{U\ΛU}}^T---\left(8\right)$

U(n)＝[u₁(n),u₂(n),…u_K(n)](9)

Λ(n)＝[λ₁(n),λ₂(n),…λ_K(n)]

(10)

其中，U(n)和Λ(n)分别为接收信号的特征向量矩阵和特征值矩阵。

步骤四：根据接收机分组检测检测到的符号分组起点，并设起点之前均为噪声，起点之后为OFDM信号和噪声的叠加，估计噪声和OFDM信号的特征值：

${\mathrm{\λ}}_{\mathrm{\ψ}}^i\left(n\right)={\mathrm{\β\λ}}_{\mathrm{\ψ}}^i(n-1)+{\left|u_i^T\left(n\right)\mathrm{\ψ}\left(n\right)\right|}^2---\left(11\right)$

${\mathrm{\λ}}_x^i\left(n\right)=max\left({\mathrm{\λ}}_y^i\right(n)-{\mathrm{\λ}}_{\mathrm{\ψ}}^i(n),0)---\left(12\right)$

${\mathrm{\Λ}}_{\mathrm{\ψ}}\left(n\right)=\[{\mathrm{\λ}}_{\mathrm{\ψ}}^1\left(n\right),{\mathrm{\λ}}_{\mathrm{\ψ}}^2\left(n\right),...{\mathrm{\λ}}_{\mathrm{\ψ}}^K\left(n\right)\]---\left(13\right)$

${\mathrm{\Λ}}_x\left(n\right)=\[{\mathrm{\λ}}_x^1\left(n\right),{\mathrm{\λ}}_x^2\left(n\right),...,{\mathrm{\λ}}_x^K\left(n\right)\]---\left(14\right)$

其中，和分别为噪声和OFDM信号的特征值，Λ_ψ(n)为噪声特征值矩阵，Λ_x(n)为OFDM信号特征值矩阵。

步骤五：由所得噪声和OFDM信号的特征值计算增益矩阵：

$g_i\left(n\right)=\frac{{\mathrm{\λ}}_X^i\left(n\right)}{{\mathrm{\λ}}_X^i\left(n\right)+{\mathrm{\μ\λ}}_{\mathrm{\ψ}}^i\left(n\right)}---\left(15\right)$

μ是平滑因子，0<μ≤1；

G(n)＝diag(g₁(n),g₂(n),…,g_K(n))(16)

其中，g_i(n)为增益值，G(n)为增益矩阵。

步骤六：由所得增益矩阵，重构OFDM接收信号，以滤除背景噪声。

$\hat{X}\left(n\right)=U\left(n\right)G\left(n\right)U^T\left(n\right)Y\left(n\right)---\left(17\right)$

$\hat{x}\left(n\right)={\&lsqb;\hat{X}\left(n\right)\&rsqb;}_1---\left(18\right)$

使用MATLAB工具，以G3标准物理层为例，对三种基带映射方式有无本发明实施例进行了仿真，仿真环境为CENELECA频段电力线信道，信噪比在-6dB～6dB之间。如图5所示，虚线为OFDM接收机的输出数据与原始数据比较得到的BER曲线，输出数据是由NS处理后的数据进行OFDM相关解调译码处理得到的。实线为关闭NS模块，对y_m进行OFDM相关解调译码处理，得到输出数据并与原始数据比较得到的曲线。从图中可以看出，经NS处理后的BER明显高于关闭NS模块的BER。例如DBPSK映射方式，NS处理后在-3dB，其BER即为0，而关闭NS模块在-2dB左右为0，性能提高了1dB。D8PSK映射方式，NS处理后的BER性能接近DQPSK关闭NS处理模块的性能。可见本发明所述电力背景噪声抑制方法可以显著提高OFDM电力载波模块的性能。

Claims (3)

1.一种智能抄表系统OFDM载波通信模块背景噪声抑制方法，其特征在于包括如下步骤：

步骤一，将到达智能抄表系统OFDM载波通信模块背景噪声抑制的接收信号每次截取M个采样点，并组成K×N的Hankel矩阵Y(n)；给定符号分组检测检测到的符号分组的起点，其第一次截取的起点为符号分组检测检测到的符号分组的起点；

步骤二，计算Y(n)的协方差矩阵

步骤三，对进行EVD分解，得到特征值和特征向量；

步骤四，估计噪声和OFDM信号的特征值；

步骤五，由所得噪声和OFDM信号的特征值计算增益矩阵；

步骤六，由所得增益矩阵，重构OFDM信号，以滤除背景噪声。

2.根据权利要求1所述的智能抄表系统多载波通信模块背景噪声抑制方法，其特征在于，所述将到达智能抄表系统OFDM载波通信模块背景噪声抑制的接收信号每次截取M个采样点，并组成K×N的Hankel矩阵Y(n)，其中N为每个符号快速傅里叶变换的点数，第L次截取M个采样点的起点为(L-1)*N。

3.根据权利要求1所述的智能抄表系统多载波通信模块符号分组检测方法，其特征在于，所述由所得增益矩阵，重构OFDM信号，以滤除背景噪声，每次重构OFDM信号的长度为N。