CN108173793A - 基于emd-tfpf的电力线通信信号去噪算法 - Google Patents

Abstract

基于EMD‑TFPF的电力线通信信号去噪算法。信号通信过程中将会淹没在大量噪声中，导致电力线通信系统低信噪比情况，严重影响通信系统通信质量。本发明的基于EMD‑TFPF的电力线通信信号去噪算法，引用经验模态分解方法对TFPF进行改进；将信号分解为不同模态，在不同模态采用不同窗长进行TFPF滤波，以在信号保真和噪声压制方面得到更好的权衡。本发明方法具有更好的信号保真和噪声压制作用，可以有效地消除电力线通信系统噪声，降低误码率(BER)，提高通信质量。

Description

基于EMD-TFPF的电力线通信信号去噪算法

技术领域：

本发明涉及一种基于EMD-TFPF的电力线通信信号去噪算法。

背景技术：

电力通信网是保证电力系统安全稳定运行的重要基础设施，随着我国智能电网建设的大力推进，各电力公司纷纷将电力通信网的建设工作作为智能电网建设的一个重要环节。虽然微波、光纤等通信技术已经应用于电力通信系统中，但是利用现有电力线进行通信的技术，因其不需重新铺设线路，经济成本低一直受到人们的重视。然而，电力线并不是专门为通信所设计，存在很多不利于通信的因素。信号传输过程中的多径效应和频率选择性衰落，非线性和非平稳性特征，都严重阻碍着电力线通信系统的应用。而且，更重要的是，在电力线通信系统中，由于发射端和接收端之间存在大量的分支和电力设备，导致电力线信道中存在大量的噪声。这些噪声严重影响系统的可靠性，导致系统通信质量降低。因此噪声成为了阻碍电力线通信系统应用的一大难题。为了提高电力线通信质量，大量国内外学者对电力线信道噪声及噪声消除技术进行了研究。如电力线通信系统噪声特征，建立噪声模型，并基于模型研究噪声对电力线通信系统的影响。基于电力线噪声模型，研究电力线通信信号噪声消除方法。但是，在某些特殊情况，信号将会淹没在大量噪声中，导致电力线通信系统低信噪比情况，严重影响通信系统通信质量。因此，有必要研究在低噪声情况下的噪声消除技术。

发明内容：

本发明的目的是提供一种基于EMD-TFPF的电力线通信信号去噪算法。

上述的目的通过以下的技术方案实现：

一种基于EMD-TFPF的电力线通信信号去噪算法，针对电力线通信系统中，发射端与接收端之间存在大量噪声严重影响通信质量的情况，引用时频峰值滤波算法作为噪声消除技术；考虑时频峰值滤波算法中窗长选择的严格限制，引用经验模态分解方法对TFPF进行改进；将信号分解为不同模态，在不同模态采用不同窗长进行TFPF滤波，以在信号保真和噪声压制方面得到更好的权衡；所述的通信信号去噪算法的通过以下步骤实现：

步骤一、对通信信号进行EMD分解，分解出噪声主导的高频分量和信号主导的低频分量；

步骤二、根据分量的不同，选用不同窗长的TFPF对IMF分量进行处理，窗长的选取原则为：

选用长窗长对高频IMF进行噪声压制；而信号主导的低频分量因为噪声含量少，信号成分多，选取短窗长，保持信号成分，去除少量的噪声分量；

步骤三、对处理过的IMF进行相加，并加上残量，最终得到处理后的通信信号。

有益效果：

1.本发明采用TFPF，该方法具有更好的信号保真和噪声压制作用，可以有效地消除电力线通信系统噪声，降低误码率(BER)，提高通信质量。

2.本发明采用经过EMD-TFPF处理过后的波形，更接近与原始信号的波形。而且，因为传统的TFPF选用的是统一的窗长，所以在某些波峰波谷因为窗长内非线性的问题，会导致估计偏差，出现波动。采用EMD-TFPF方法，不仅可以有效地消除噪声，对原始信号进行增强，在低信噪比情况下良好工作，并且相对原始TFPF算法，可以进一步提高系统的可靠性，保证系统安全可靠通信，提高信噪比。能够更好地提高电力线通信系统的可靠性和通信质量。

具体实施方式：

具体实施方式一：

本实施方式的基于EMD-TFPF的电力线通信信号去噪算法，针对电力线通信系统中，发射端与接收端之间存在大量噪声严重影响通信质量的情况，引用时频峰值滤波算法(Time-FrequencyPeakFiltering,TFPF)作为噪声消除技术；考虑时频峰值滤波算法中窗长选择的严格限制，引用经验模态分解(EmpiricalModeDecomposition,EMD)方法对TFPF进行改进；将信号分解为不同模态，在不同模态采用不同窗长进行TFPF滤波，以在信号保真和噪声压制方面得到更好的权衡；所述的通信信号去噪算法的通过以下步骤实现：

步骤一、对通信信号进行EMD分解，分解出噪声主导的高频分量和信号主导的低频分量；

步骤二、根据分量的不同，选用不同窗长的TFPF对IMF分量进行处理，窗长的选取原则为：

因为噪声主导的高频分量中，主要成分为噪声，因此选用长窗长对高频IMF进行噪声压制；而信号主导的低频分量因为噪声含量少，信号成分多，因此选取短窗长，主要是保持信号成分，去除少量的噪声分量。

步骤三、对处理过的IMF进行相加，并加上残量，最终得到处理后的通信信号。

具体实施方式二：

与具体实施方式一不同的是，本实施方式的基于EMD-TFPF的电力线通信信号去噪算法，步骤一所述的对通信信号进行EMD分解，分解出噪声主导的高频分量和信号主导的低频分量的过程为，EMD实际是HHT的一部分，将信号分解为频率由高至低的本征模态(IMF)，分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号；该方法根据信号本身的时间尺度特征来进行信号分解，不需要预先设定任何基函数。因此，EMD从理论上来说，可以适用于任何类型的信号分解。因而在处理非平稳及非线性数据上，具有明显的优势，适合于分析非平稳、非线性信号。对于信号x(t)，找出其所有的极大值和极小值，并用3次样条曲线分别拟合x(t)的上、下包络线，记拟合好的上下包络线的均值为m_1，i(t)；将原始数据x(t)减去m_1，i(t)，得到一个去掉低频的新数据h_1，i(t)：

h_1，i(t)＝x(t)-m_1，i(t) (5)

式中，i为拟合次数；将h_1，i(t)视为新的x(t)，重复拟合步骤，拟合的停止条件为：

1)在整个信号长度上，极值点和过零点的数目必须相等或者至多只相差一个；2)在任意时刻，由极大值点定义的上包络和由极小值点定义的下包络的平均值为零，即信号的上下包络关于时间轴对称。

具体实施方式三：

与具体实施方式二不同的是，本实施方式的，重复拟合步骤，拟合的停止条件为：由相邻两次结果的标准方差值作为分解结束的条件；对于k-1次后的结果h_1，k-1(t)，k次后的结果h_1，k-1(t)，

则：

若S_d在0.2～0.3范围内，则第一阶段的分解结束，对应的第一个IMF分量就是h_1，k(t),将第一个IMF分量从x(t)去除，剩余量为r₁(t)，重复上述分解过程，得到多个IMF分量c_i(t)，最后得到一个代表信号平均趋势的残量r_n(t)，当r_n(t)足够小或者为单调函数，分解结束；而x(t)则可以表示为IMF分量和残量r_n(t)之和：

具体实施方式四：

与具体实施方式一、二或三不同的是，本实施方式的，步骤二所述的选用不同窗长的TFPF对IMF分量进行处理时，所述的TFPF是指时频峰值滤波算法，具体为：时频峰值滤波噪声消除技术时频峰值滤波技术所处理的一类实际含噪信号s(t)可以建模为：

s(t)＝x(t)+n(t)(1)

式中：x(t)是有效信号；n(t)表示加性白高斯噪声；

主要需要解决的问题是要在通过含噪信号s(t)所含信息恢复出原始信号x(t)，但是，由于噪声与信号的频谱重叠，很难在频域将有效信号干净地恢复出来；时频峰值滤波方法可以在不需要假设条件的情况下干净地恢复出有效信号；时频峰值滤波具体步骤如下：

1)对含噪信号进行编码，使其成为瞬时频率；

将含噪信号s(t)进行频率调制，得到单位幅度的解析信号z(t)：

式中，μ是频率调制指数；根据瞬时频率的定义，含噪信号s(t)是解析信号；z(t)的瞬时频率；

2)取解析信号的z(t)的伪Wigner-Ville(PWVD)分布的峰值，即对解析信号做瞬时频率估计，作为有效信号x(t)的估计值：

式中，W_s(t,f)是解析信号z(t)的PWVD。

Claims (4)

1.一种基于EMD-TFPF的电力线通信信号去噪算法，其特征是:针对电力线通信系统中，发射端与接收端之间存在大量噪声严重影响通信质量的情况，引用时频峰值滤波算法作为噪声消除技术；考虑时频峰值滤波算法中窗长选择的严格限制，引用经验模态分解方法对TFPF进行改进；将信号分解为不同模态，在不同模态采用不同窗长进行TFPF滤波，以在信号保真和噪声压制方面得到更好的权衡；所述的通信信号去噪算法的通过以下步骤实现：

步骤一、对通信信号进行EMD分解，分解出噪声主导的高频分量和信号主导的低频分量；

步骤二、根据分量的不同，选用不同窗长的TFPF对IMF分量进行处理，窗长的选取原则为：

选用长窗长对高频IMF进行噪声压制；而信号主导的低频分量因为噪声含量少，信号成分多，选取短窗长，保持信号成分，去除少量的噪声分量；

步骤三、对处理过的IMF进行相加，并加上残量，最终得到处理后的通信信号。

2.根据权利要求1所述的基于EMD-TFPF的电力线通信信号去噪算法，其特征是:步骤一所述的对通信信号进行EMD分解，分解出噪声主导的高频分量和信号主导的低频分量的过程为，EMD实际是HHT的一部分，将信号分解为频率由高至低的本征模态(IMF)，分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号；对于信号x(t)，找出其所有的极大值和极小值，并用3次样条曲线分别拟合x(t)的上、下包络线，记拟合好的上下包络线的均值为m_1，i(t)；将原始数据x(t)减去m_1，i(t)，得到一个去掉低频的新数据h_1，i(t)：

h_1，i(t)＝x(t)-m_1，i(t) (5)

式中，i为拟合次数；将h_1，i(t)视为新的x(t)，重复拟合步骤，拟合的停止条件为：

1)在整个信号长度上，极值点和过零点的数目必须相等或者至多只相差一个；

2)在任意时刻，由极大值点定义的上包络和由极小值点定义的下包络的平均值为零，即信号的上下包络关于时间轴对称。

3.根据权利要求2所述的基于EMD-TFPF的电力线通信信号去噪算法，其特征是:重复拟合步骤，拟合的停止条件为：由相邻两次结果的标准方差值作为分解结束的条件；对于k-1次后的结果h_1，k-1(t)，k次后的结果h_1，k-1(t)，

则：

若S_d在0.2～0.3范围内，则第一阶段的分解结束，对应的第一个IMF分量就是h_1，k(t),将第一个IMF分量从x(t)去除，剩余量为r₁(t)，重复上述分解过程，得到多个IMF分量c_i(t)，最后得到一个代表信号平均趋势的残量r_n(t)，当r_n(t)足够小或者为单调函数，分解结束；而x(t)则可以表示为IMF分量和残量r_n(t)之和：

4.根据权利要求1、2或3所述的基于EMD-TFPF的电力线通信信号去噪算法，其特征是:步骤二所述的选用不同窗长的TFPF对IMF分量进行处理时，所述的TFPF是指时频峰值滤波算法，具体为：时频峰值滤波噪声消除技术时频峰值滤波技术所处理的一类实际含噪信号s(t)可以建模为：

s(t)＝x(t)+n(t) (1)

式中：x(t)是有效信号；n(t)表示加性白高斯噪声；

主要需要解决的问题是要在通过含噪信号s(t)所含信息恢复出原始信号x(t)，但是，由于噪声与信号的频谱重叠，很难在频域将有效信号干净地恢复出来；时频峰值滤波方法可以在不需要假设条件的情况下干净地恢复出有效信号；时频峰值滤波具体步骤如下：

1)对含噪信号进行编码，使其成为瞬时频率；

将含噪信号s(t)进行频率调制，得到单位幅度的解析信号z(t)：

式中，μ是频率调制指数；根据瞬时频率的定义，含噪信号s(t)是解析信号；z(t)的瞬时频率；

2)取解析信号的z(t)的伪Wigner-Ville(PWVD)分布的峰值，即对解析信号做瞬时频率估计，作为有效信号x(t)的估计值：

式中，W_s(t,f)是解析信号z(t)的PWVD。