CN109067433B - 适用于智能电能表的低压电力线载波通信噪声抑制方法 - Google Patents

Abstract

本发明公开了适用于智能电能表的低压电力线载波通信噪声抑制方法，包括：步骤1，接收含噪信号s(n)；步骤2，判断含噪信号s(n)是否存在随机脉冲噪声干扰，若存在，则转入步骤3，若不存在，则转入步骤5；步骤3，取得随机脉冲噪声估计，重建随机脉冲噪声i(n)；步骤4，将含噪信号s(n)与重建的随机脉冲噪声i(n)作差，得到不含随机脉冲噪声的信号s₁(n)；步骤5，判断不含随机脉冲噪声的信号s₁(n)是否具有较强谐波分量，若存在，则转入步骤6，若不存在，则得到输出信号x(n)＝s₁(n)；步骤6，取得谐波噪声的估计，重建谐波噪声f(n)；步骤7，将信号s₁(n)与重建的谐波噪声f(n)作差，得到消噪后的信号x(n)，并输x(n)。其应用时，可以有效减少随机脉冲噪声和谐波噪声对载波信号的影响，提高通信质量。

Description

适用于智能电能表的低压电力线载波通信噪声抑制方法

技术领域

本发明涉及通信系统中的噪声抑制技术领域，具体涉及适用于智能电能表的低压电力线载波通信噪声抑制方法。

背景技术

电网是世界上分布最广泛、覆盖地区最多的网络，采用低压电力线作为通信信道具有独特的优势。在实际生产生活中，由于应用的不同，以及各地区的配网结构和电力线信道特性的差异，使得许多电力线通信系统之间缺乏兼容性。为了保证低压电力线载波通信系统的互换性，需要实现对电力线噪声的抑制，提高通信质量。电网系统中的噪声污染是相当严重的，尤其是低压电力线上数量庞大、种类繁多的电器接入，导致电力线载波通信受到很大影响。电网中的噪声主要有两类：一类是非人为噪声，例如雷电在电力线上产生的噪声；另一类是人为噪声，来自各类电器、输电设备等。影响电力线通信的主要是人为噪声，其中以脉冲噪声和谐波噪声干扰最为严重。对于随机脉冲噪声，一般由电器接入产生，是一种非高斯分布噪声，脉冲宽度基本不超过3ms，在时域上具有稀疏性；而电力线上产生的谐波噪声，特别是3次、5次、7次谐波，在工频一定的情况下，谐波噪声分布在特定的一些频点上，满足频域上的稀疏性。实际情况下，低次谐波分量幅值相对较大，是影响通信质量的主要因素。因此检测并消除低压电力线载波信号传输过程中的噪声对载波通信质量的提高和载波通信模块互换性的研究都有重要意义。

发明内容

本发明针对现有技术存在的不足，提供适用于智能电能表的低压电力线载波通信噪声抑制方法，其应用时，可以有效减少随机脉冲噪声和谐波噪声对载波信号的影响，提高通信质量，促进载波通信模块互换性的研究。

本发明通过以下技术方案实现：

适用于智能电能表的低压电力线载波通信噪声抑制方法，包括以下步骤：

步骤1，通过智能电能表接收一串低压电力线含噪信号s(n)；

步骤2，对含噪信号s(n)进行幅值估计，判断该载波信号是否存在随机脉冲噪声干扰，若存在，则转入步骤3，若不存在，则转入步骤5；

步骤3，运用压缩感知理论得到随机脉冲噪声估计，重建随机脉冲噪声i(n)；

步骤4，将接收到的含噪信号s(n)与重建的随机脉冲噪声i(n)作差，得到不含随机脉冲噪声的信号s₁(n)；

步骤5，对不含随机脉冲噪声的信号s₁(n)频率分量进行估计，判断该信号是否具有较强谐波分量，即是否存在谐波噪声，若存在，则转入步骤6，若不存在，则得到输出信号x(n)＝s₁(n)；

步骤6，运用压缩感知(CS)理论得到谐波噪声的估计，并重建谐波噪声f(n)；

步骤7，将信号s₁(n)与重建的谐波噪声f(n)作差，得到消噪后的信号x(n)，并输出消噪后的信号x(n)。

优选地，在步骤3中，重建随机脉冲噪声i(n)时，根据随机脉冲噪声的时域稀疏性建立观测矩阵Θ_i(n)，并通过OMP算法实现脉冲噪声位置和幅度的估计，从而实现重构。

优选地，在步骤6中，重建谐波噪声f(n)时，只考虑重构出的谐波信号与原谐波信号的相似性，不考虑相位与频率之间的模糊问题。

优选地，在步骤6中，重建谐波噪声f(n)时，根据谐波噪声的频域稀疏信号构建观测矩阵Θ_f(n)，再通过OMP算法估计噪声中包含的每一个谐波分量。

本发明适用于智能电能表的低压电力线载波通信噪声抑制方法具有如下的优点和有益效果：

针对电网中存在的大幅度时域随机脉冲噪声和谐波噪声对低压电力线载波通信质量有极大影响这一问题，本发明提出了适用于智能电能表的低压电力线载波通信噪声抑制方法，根据随机脉冲噪声的时域稀疏性和谐波噪声的频域稀疏性，运用压缩感知理论对其重构，从而实现对电力线噪声的抑制，将该方法应用于载波通信模块互换性的研究，可以降低载波模块互换引起的误码率，提高载波通信系统的鲁棒性。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明的实现流程图；

图2为实施例中仿真使用的通信信号和含噪信号；

图3为实施例中重建的随机脉冲噪声与原随机脉冲噪声的对比图和估计的误差图；

图4为实施例中重建的谐波噪声与原谐波噪声的对比图和估计的误差图；

图5为实施例中含噪信号和消噪后的信号及对比误差图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

如图1所示，适用于智能电能表的低压电力线载波通信噪声抑制方法，包括以下步骤：

步骤1，通过智能电能表接收一串低压电力线含噪信号s(n)；

步骤2，对含噪信号s(n)进行幅值估计，判断该载波信号是否存在随机脉冲噪声干扰，若存在，则转入步骤3，若不存在，则转入步骤5；

步骤3，运用压缩感知(CS)理论得到随机脉冲噪声估计，重建随机脉冲噪声：

根据随机脉冲噪声的时域稀疏性，设计M×N的观测矩阵Θ_i(n)＝{θ₁，θ₂，…，θ_N}，其中M为观测个数。假设M个观测值中随机脉冲噪声出现在K个采样点处，则θ_j(j＝1，2，…N)是M个元素构成的序列，其中K个元素为1，其他元素全为0。满足条件的θ_j共有

个，这构成了矩阵Θ_i(n)。集合{θ_j，j＝1，2，…N}包含了K个脉冲噪声出现位置的全部可能。通过OMP算法即可实现脉冲噪声位置和幅度的估计，从而实现重构；

步骤4，将接收到的含噪信号s(n)与重建的随机脉冲噪声i(n)作差，得到不含随机脉冲噪声的信号s₁(n)；

步骤5，对不含随机脉冲噪声的信号s₁(n)(若原始信号s(n)不含随机脉冲，则s₁(n)＝s(n))频率分量进行估计，判断该信号是否具有较强谐波分量，即是否存在谐波噪声，若存在，则转入步骤6，若不存在，则得到输出信号x(n)＝s₁(n)；

步骤6，运用压缩感知(CS)理论得到谐波噪声的估计，并重建谐波噪声f(n)：对于谐波噪声，需要实现对每个元素的频率和相位的估计。这里只关注重构出的谐波信号波形与原谐波信号的相似性，不考虑相位与频率之间的模糊问题。谐波噪声的频率分布在特定的几个频点上，而相位满足随机分布。假设谐波噪声包含K个较大的频率分量，则谐波噪声在频域上为K稀疏信号。构建观测矩阵Θ_f(n)如下：

其中t_m(m＝1，2，…M)为采样点，{f_n，n＝1，2，…N}为频率搜索范围。通过OMP算法可以估计噪声中包含的每一个谐波分量；

步骤7，将信号s₁(n)与重建的谐波噪声f(n)作差，得到消噪后的信号x(n)，并输出消噪的信号x(n)。

具体实验条件：通信信号X(n)是幅值为15，频率为50Hz的正弦信号。由电力系统噪声分析，噪声信号表示为：e(n)＝i(n)+f(n)，其中随机脉冲噪声i(n)通常采用伯努利-高斯模型(Bernoulli-Gaussian,BG)进行仿真：i(n)＝b(n)g(n)，b(n)为伯努利随机序列，脉冲噪声出现的概率服从伯努利随机过程；g(n)是高斯序列，其幅值满足高斯分布。仿真设置b(n)满足λ＝0.03的伯努利随机分布，g(n)满足均值为30，方差为σ²＝10的高斯序列。采样点数N＝201，并选择电力线工频为f₀＝50Hz。仿真实验中谐波噪声考虑幅值较大的3次、5次、7次谐波分量：

其中{t(n),n＝1,2,…,N}是N点采样时间序列，

是随机相位。

仿真内容与结果：在上述实验条件下，如图2所示，含噪信号s(n)＝X(n)+e(n)。图3(a)为脉冲噪声i(n)与重建脉冲噪声

的对比，通过构建观测矩阵Θ_i(n)，运用OMP算法实现对随机脉冲噪声的重构，从图3(c)中可以看出误差很小。图4是重构谐波噪声

及与原始谐波噪声f(n)的对比，通过构建观测矩阵Θ_f(n)，运用OMP算法得到K个谐波分量的频率和相位的估计，实现谐波信号的重构。重构的随机脉冲噪声

和谐波噪声

叠加即可得到重构噪声

图5(a)为含噪信号s(n)，图5(b)为消噪后的信号x(n)，通过

得到，图5(c)为估计误差，由X(n)-x(n)得到。由图5(c)可以看出通信信号X(n)得到了很好的恢复，消噪后的信号x(n)与原通信信号X(n)相比误差很小。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.适用于智能电能表的低压电力线载波通信噪声抑制方法，其特征在于，包括以下步骤：

步骤1，通过智能电能表接收一串低压电力线含噪信号s(n)；

步骤2，对含噪信号s(n)进行幅值估计，判断该载波信号是否存在随机脉冲噪声干扰，若存在，则转入步骤3，若不存在，则转入步骤5；

步骤3，运用压缩感知理论得到随机脉冲噪声估计，重建随机脉冲噪声i(n)；

步骤4，将接收到的含噪信号s(n)与重建的随机脉冲噪声i(n)作差，得到不含随机脉冲噪声的信号s₁(n)；

所述随机脉冲噪声由电器接入产生，随机脉冲噪声是一种非高斯分布噪声，在时域上具有稀疏性，在步骤3中，重建随机脉冲噪声i(n)时，根据随机脉冲噪声的时域稀疏性建立观测矩阵Θ_i(n)，并通过OMP算法实现脉冲噪声位置和幅度的估计，从而实现重构；

步骤5，对不含随机脉冲噪声的信号s₁(n)频率分量进行估计，判断该信号是否具有较强谐波分量，即是否存在谐波噪声，若存在，则转入步骤6，若不存在，则得到输出信号x(n)＝s₁(n)；

步骤6，运用压缩感知理论得到谐波噪声的估计，并重建谐波噪声f(n)；

步骤7，将信号s₁(n)与重建的谐波噪声f(n)作差，得到消噪后的信号x(n)，并输出消噪后的信号x(n)；

所述谐波噪声由电力线上产生，满足频域上的稀疏性，在步骤6中，重建谐波噪声f(n)时，根据谐波噪声的频域稀疏信号构建观测矩阵Θ_f(n)，再通过OMP算法估计噪声中包含的每一个谐波分量。

2.根据权利要求1所述的适用于智能电能表的低压电力线载波通信噪声抑制方法，其特征在于，在步骤6中，重建谐波噪声f(n)时，只考虑重构出的谐波信号与原谐波信号的相似性，不考虑相位与频率之间的模糊问题。

Images