CN110708094A - 一种利用Gibuss效应的PLC信号滤波方法和*** - Google Patents

一种利用Gibuss效应的PLC信号滤波方法和*** Download PDF

Info

Publication number
CN110708094A
CN110708094A CN201910867481.9A CN201910867481A CN110708094A CN 110708094 A CN110708094 A CN 110708094A CN 201910867481 A CN201910867481 A CN 201910867481A CN 110708094 A CN110708094 A CN 110708094A
Authority
CN
China
Prior art keywords
signal sequence
opt
gibuss
iteration
specifically
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201910867481.9A
Other languages
English (en)
Inventor
翟明岳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Petrochemical Technology
Original Assignee
Guangdong University of Petrochemical Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Petrochemical Technology filed Critical Guangdong University of Petrochemical Technology
Priority to CN201910867481.9A priority Critical patent/CN110708094A/zh
Publication of CN110708094A publication Critical patent/CN110708094A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B3/00—Line transmission systems
    • H04B3/54—Systems for transmission via power distribution lines
    • H04B3/542—Systems for transmission via power distribution lines the information being in digital form

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

本发明的实施例公开一种利用Gibuss效应的PLC信号滤波方法和***，所述方法包括：步骤1，输入实测的PLC信号序列S；步骤2，根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]‑1(S‑SOPT)；其中，SOPT为最佳预测矢量。

Description

一种利用Gibuss效应的PLC信号滤波方法和***
技术领域
本发明涉及电力领域，尤其涉及一种PLC信号滤波方法和***。
背景技术
电力线通信，相比各种有线通信技术，无需重新布线，易于组网等优点，具有广阔的应用前景。电力线通信技术分为窄带电力线通信(Narrowband over power line，NPL)和宽带电力线通信(Broadband over power line，BPL)；窄带电力线通信是指带宽限定在3k～500kHz的电力线载波通信技术；电力线通信技术包括欧洲CENELEC的规定带宽(3～148.5kHz)，美国联邦通讯委员会(FCC)的规定带宽(9～490kHz)，日本无线工业及商贸联合会(Association of Radio Industries and Businesses，ARIB)的规定带宽(9～450kHz)，和中国的规定带宽(3～500kHz)。窄带电力线通信技术多采用单载波调制技术，如PSK技术，DSSS技术和线性调频Chirp等技术，通信速率小于1Mbits/s；宽带电力线通信技术指带宽限定在1.6～30MHz之间、通信速率通常在1Mbps以上的电力线载波通信技术，采用以OFDM为核心的多种扩频通信技术。
虽然电力线通信***有着广泛的应用，且技术相对成熟，但是电力线通信***中大量的分支和电气设备，会在电力线信道中产生大量的噪声；而其中随机脉冲噪声具有很大的随机性，噪声强度高，对电力线通信***造成严重破坏，因此，针对随机脉冲噪声的抑制技术，一直是国内外学者研究的重点；而且噪声模型并不符合高斯分布。因此，传统的针对高斯噪声设计的通信***不再适用于电力线载波通信***，必须研究相应的噪声抑制技术，以提高电力线通信***信噪比，降低误码率，保证电力线通信***质量。在实际应用中，一些简单的非线性技术经常被应用于消除电力线信道噪声，如Clipping、Blanking和Clipping/Blanking技术，但是这些研究方法都必须在一定的信噪比情况下才能良好工作，仅仅考虑了冲击噪声的消除，在电力线通信***中，某些商用电力线发送器的特征是低发射功率，在一些特殊情况，发射功率甚至可能会低于18w，因此，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***低信噪比情况。
随着非线性电器的应用和普及，中低压输配电网络中背景噪声呈现出较为明显的非平稳性和非高斯特性，常用的低通滤波器在非平稳和非高斯噪声环境中难以达到理想的滤波效果，很难滤除非平稳非高斯噪声，严重影响了PLC通信***的性能。
发明内容
本发明的目的是提供一种利用Gibuss效应的PLC信号滤波方法和***，所提出的方法利用了PLC调制信号和背景噪声在Gibuss变换领域中的差异，通过Gibuss系数区分PLC调制信号和背景噪声。所提出的方法具有较好的噪声滤除性能，计算也非常简单。
为实现上述目的，本发明提供了如下方案：
一种利用Gibuss效应的PLC信号滤波方法，包括：
步骤1，输入实测的PLC信号序列S；
步骤2，根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]-1(S-SOPT)；其中，SOPT为最佳预测矢量。
一种利用Gibuss效应的PLC信号滤波***，包括：
获取模块，输入实测的PLC信号序列S；
滤波模块，根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]-1(S-SOPT)；其中，SOPT为最佳预测矢量。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
虽然电力线通信***有着广泛的应用，且技术相对成熟，但是电力线通信***中大量的分支和电气设备，会在电力线信道中产生大量的噪声；随着非线性电器的应用和普及，中低压输配电网络中背景噪声呈现出较为明显的非平稳性和非高斯特性，常用的低通滤波器在非平稳和非高斯噪声环境中难以达到理想的滤波效果，很难滤除非平稳非高斯噪声，严重影响了PLC通信***的性能。
本发明的目的是提供一种利用Gibuss效应的PLC信号滤波方法和***，所提出的方法利用了PLC调制信号和背景噪声在Gibuss变换领域中的差异，通过Gibuss系数区分PLC调制信号和背景噪声。所提出的方法具有较好的噪声滤除性能，计算也非常简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图；
图2为本发明的***结构示意图；
图3为本发明具体实施案例的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1一种利用Gibuss效应的PLC信号滤波方法的流程示意图
图1为本发明一种利用Gibuss效应的PLC信号滤波方法的流程示意图。如图1所示，所述的一种利用Gibuss效应的PLC信号滤波方法具体包括以下步骤：
步骤1，输入实测的PLC信号序列S；
步骤2，根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]-1(S-SOPT)；其中，SOPT为最佳预测矢量。
所述步骤2之前，所述方法还包括：
步骤3，求取所述最佳预测矢量SOPT。
所述步骤3包括：
步骤301，求取混叠矩阵P，具体为：
P＝diag[p1,p2,…,pN]
Figure BDA0002201681360000041
其中：
N：所述信号序列S的长度
i:虚数单位
tn：混叠因子，[1，N]范围内随机分布的整数
步骤302，求取延迟矢量，具体为：
p＝STD
其中：
D＝IFFT[P]
IFFT[P]:矩阵P的逆傅里叶变换
步骤303，迭代初始化，具体为：
y1＝S：初始化的迭代矢量
n＝1:初始化的迭代控制参量
步骤304，迭代更新，具体为：
Figure BDA0002201681360000051
其中：
Figure BDA0002201681360000052
第n+1步的迭代矢量
Figure BDA0002201681360000053
第n步的迭代矢量
x:中间变量
Figure BDA0002201681360000054
Gibuss因子
Figure BDA0002201681360000055
反因子
S＝[s1，s2，…，sN]：所述信号序列S
N：所述信号序列S的长度
mS：所述信号序列S的均值
σS：所述信号序列S的均方差
步骤305，迭代终止，具体为：
所述迭代控制参量n加1，并返回步骤304持续迭代，直至相邻两次的迭代矢量之差小于千分之一为止。此时所述迭代控制参量n＝K，并得到最佳预测矢量SOPT＝yN+1。
图2一种利用Gibuss效应的PLC信号滤波***的结构意图
图2为本发明一种利用Gibuss效应的PLC信号滤波***的结构示意图。如图2所示，所述一种利用Gibuss效应的PLC信号滤波***包括以下结构：
获取模块401，输入实测的PLC信号序列S；
滤波模块402，根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]-1(S-SOPT)；其中，SOPT为最佳预测矢量。
所述的***，还包括：
计算模块403，求取所述最佳预测矢量SOPT。
所述计算模块403，还包括下列单元，具体为：
第一计算单元4031，求取混叠矩阵P，具体为：
P＝diag[p1,p2,…,pN]
Figure BDA0002201681360000061
其中：
N：所述信号序列S的长度
i:虚数单位
tn：混叠因子，[1，N]范围内随机分布的整数
第二计算单元4032，求取延迟矢量，具体为：
p＝STD
其中：
D＝IFFT[P]
IFFT[P]:矩阵P的逆傅里叶变换
迭代初始单元4033，迭代初始化，具体为：
y1＝S：初始化的迭代矢量
n＝1:初始化的迭代控制参量
迭代更新单元4034，迭代更新，具体为：
Figure BDA0002201681360000071
其中：
Figure BDA0002201681360000072
第n+1步的迭代矢量
第n步的迭代矢量
x:中间变量
Figure BDA0002201681360000074
Gibuss因子
Figure BDA0002201681360000075
反因子
S＝[s1，s2，…，sN]：所述信号序列S
N：所述信号序列S的长度
mS：所述信号序列S的均值
σS：所述信号序列S的均方差
迭代终止单元4035，迭代终止，具体为：
所述迭代控制参量n加1，并返回迭代更新单元4034持续迭代，直至相邻两次的迭代矢量之差小于千分之一为止。此时所述迭代控制参量n＝K，并得到最佳预测矢量SOPT＝yN+1。
下面提供一个具体实施案例，进一步说明本发明的方案
图3为本发明具体实施案例的流程示意图。如图3所示，具体包括以下步骤：
1.输入实测的PLC信号序列
S＝[s1,s2,…,sN-1,sN]
其中：
S：实测的PLC信号数据序列，长度为Nsi,i＝1,2,…,N:序号为i的实测PLC信号
2.求取混叠矩阵
P＝diag[p1,p2,…,pN]
Figure BDA0002201681360000081
其中：
N：所述信号序列S的长度
i:虚数单位
tn：混叠因子，[1，N]范围内随机分布的整数
3.求取延迟矢量
p＝STD
其中：
D＝IFFT[P]
IFFT[P]:矩阵P的逆傅里叶变换
4.迭代初始化
y1＝S：初始化的迭代矢量
n＝1:初始化的迭代控制参量
5.迭代更新
Figure BDA0002201681360000082
其中：
第n+1步的迭代矢量
Figure BDA0002201681360000084
第n步的迭代矢量
x:中间变量
Figure BDA0002201681360000085
Gibuss因子
Figure BDA0002201681360000086
反因子
S＝[s1，s2，…，sN]：所述信号序列S
N：所述信号序列S的长度
mS：所述信号序列S的均值
σS：所述信号序列S的均方差
6.迭代终止
所述迭代控制参量n加1，并返回迭代更新持续迭代，直至相邻两次的迭代矢量之差小于千分之一为止。此时所述迭代控制参量n＝K，并得到最佳预测矢量SOPT＝yN+1。
7.滤波
根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]-1(S-SOPT)；其中，SOPT为最佳预测矢量。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述较为简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种利用Gibuss效应的PLC信号滤波方法，其特征在于，包括：
步骤1，输入实测的PLC信号序列S；
步骤2，根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]-1(S-SOPT)；其中，SOPT为最佳预测矢量。
2.根据权利要求1所述的方法，其特征在于，所述步骤2之前，所述方法还包括：
步骤3，求取所述最佳预测矢量SOPT。
3.根据权利要求2所述的方法，其特征在于，所述步骤3包括：
步骤301，求取混叠矩阵P，具体为：
P＝diag[p1,p2,…,pN]
Figure FDA0002201681350000011
其中：
N：所述信号序列S的长度
i:虚数单位
tn：混叠因子，[1，N]范围内随机分布的整数
步骤302，求取延迟矢量，具体为：
p＝STD
其中：
D＝IFFT[P]
IFFT[P]:矩阵P的逆傅里叶变换
步骤303，迭代初始化，具体为：
y1＝S：初始化的迭代矢量
n＝1:初始化的迭代控制参量
步骤304，迭代更新，具体为：
Figure FDA0002201681350000021
其中：
Figure FDA0002201681350000022
第n+1步的迭代矢量
第n步的迭代矢量
x:中间变量
Figure FDA0002201681350000024
Gibuss因子
Figure FDA0002201681350000025
反因子
S＝[s1，s2，…，sN]：所述信号序列S
N：所述信号序列S的长度
mS：所述信号序列S的均值
σS：所述信号序列S的均方差
步骤305，迭代终止，具体为：
所述迭代控制参量n加1，并返回步骤304持续迭代，直至相邻两次的迭代矢量之差小于千分之一为止。此时所述迭代控制参量n＝K，并得到最佳预测矢量SOPT＝yN+1。
4.一种利用Gibuss效应的PLC信号滤波***，其特征在于，包括：
获取模块，输入实测的PLC信号序列S；
滤波模块，根据Gibuss效应对所述PLC信号序列S进行滤除噪声处理，滤除噪声后的信号序列为SNEW；具体为，SNEW＝SOPT+[STS]-1(S-SOPT)；其中，SOPT为最佳预测矢量。
5.根据权利要求4所述的***，其特征在于，还包括：
计算模块，求取所述最佳预测矢量SOPT。
CN201910867481.9A 2019-09-12 2019-09-12 一种利用Gibuss效应的PLC信号滤波方法和*** Withdrawn CN110708094A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910867481.9A CN110708094A (zh) 2019-09-12 2019-09-12 一种利用Gibuss效应的PLC信号滤波方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910867481.9A CN110708094A (zh) 2019-09-12 2019-09-12 一种利用Gibuss效应的PLC信号滤波方法和***

Publications (1)

Publication Number Publication Date
CN110708094A true CN110708094A (zh) 2020-01-17

Family

ID=69195331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910867481.9A Withdrawn CN110708094A (zh) 2019-09-12 2019-09-12 一种利用Gibuss效应的PLC信号滤波方法和***

Country Status (1)

Country Link
CN (1) CN110708094A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106027122A (zh) * 2016-07-05 2016-10-12 重庆电力高等专科学校 一种低压电力线信道背景噪声建模方法
CN109257068A (zh) * 2018-09-11 2019-01-22 广东石油化工学院 一种电力线通信信号自适应滤波方法
CN109671447A (zh) * 2018-11-28 2019-04-23 广东工业大学 一种双通道欠定卷积混叠信号盲分离方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106027122A (zh) * 2016-07-05 2016-10-12 重庆电力高等专科学校 一种低压电力线信道背景噪声建模方法
CN109257068A (zh) * 2018-09-11 2019-01-22 广东石油化工学院 一种电力线通信信号自适应滤波方法
CN109671447A (zh) * 2018-11-28 2019-04-23 广东工业大学 一种双通道欠定卷积混叠信号盲分离方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHAI MING-YUE等: ""Adaptive resource allocation for multi-user multi-server power-line"", 《J. CENT. SOUTH UNIV. TECHNOL》 *
翟明岳: ""EMD-TFPF算法的电力线通信噪声消除技术研究"", 《电力***保护与控制》 *

Similar Documents

Publication Publication Date Title
CN111756405B (zh) 一种利用f平方模的plc信道脉冲噪声检测方法和***
CN110336591B (zh) 一种利用信号分离的plc信号滤波方法和***
CN110611522B (zh) 一种利用多正则优化理论的plc信号重构方法和***
CN110719123B (zh) 一种利用子空间优化理论的plc信号重构方法和***
CN111628804A (zh) 一种利用Gilbert优化的PLC信号滤波方法和***
CN111641435A (zh) 一种利用Fenchel共轭的PLC信号滤波方法和***
CN111756456A (zh) 一种利用偏移量的plc信道脉冲噪声检测方法和***
CN110719121A (zh) 一种利用平方指数核的plc信道脉冲噪声检测方法和***
CN110572189A (zh) 一种利用Fermal理论的PLC信号滤波方法和***
CN110784246A (zh) 一种利用Lagrande因子的PLC信号滤波方法和***
CN109117807A (zh) 一种plc通信信号自适应时频峰值滤波方法及***
CN110708094A (zh) 一种利用Gibuss效应的PLC信号滤波方法和***
CN110739986B (zh) 一种利用投影累积量的plc信道脉冲噪声检测方法和***
CN111641434A (zh) 一种利用完全矢量的plc信号滤波方法和***
CN111756408A (zh) 一种利用模型预测的plc信号重构方法和***
CN110635824B (zh) 一种利用分类回归树的plc信道脉冲噪声检测方法和***
CN111641436A (zh) 一种利用lp优化的plc信号滤波方法和***
CN111800165A (zh) 一种利用奇异值矩阵的plc信号滤波方法和***
CN111541635A (zh) 一种利用t分布的PLC信号滤波方法和***
CN112383326B (zh) 一种利用谱模阈值的plc信号滤波方法和***
CN110661549B (zh) 一种利用字典原子的plc信号重构方法和***
CN110661548A (zh) 一种利用l1模反演的plc信号滤波方法和***
CN111953382B (zh) 一种利用分段稀疏的plc信号重构方法和***
CN112350747B (zh) 一种利用状态估计的plc信道脉冲噪声检测方法和***
CN112290976A (zh) 一种利用学习算法的plc信号滤波方法和***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20200117

WW01 Invention patent application withdrawn after publication