论文部分内容阅读
电力线通信(Power Line Communication,PLC)仅依靠电力线网络作为通信介质实现宽带、高速通信,成为智能电网、智能家居等新兴领域最具潜力的通信解决方案之一。然而,专为传输电能而设计的电力线并不适合高频信号的传播,具有严重的频率选择性衰落和复杂的噪声干扰。为了保证PLC的可靠性,研究电力线的信道成为PLC技术克服固有缺陷的重要导向。基于最小二乘(Least Square,LS)的传统信道估计方案不能充分利用电力线信道的特征信息,估计准确率低,导频开销大,频谱效率低,不能得到最优的估计结果。基于压缩感知(Compressed Sensing,CS)的稀疏信道估计方法能够克服传统方法的缺陷,成为本文电力线信道估计的有力支撑,具有一定的学术价值和应用指导价值。本文主要研究内容及成果如下:1.研究了电力线信道噪声,对每种噪声进行了仿真建模。脉冲噪声随机性强,能量大,严重干扰PLC的通信质量,抑制脉冲噪声是抗干扰设计的主要目标。2.针对电力线信道传输特性,研究了单输入单输出(Single-Input Single-Output,SISO)和多输入多输出(Multiple-Input Multiple-Output,MIMO)信道的多径传输函数,并通过仿真证实了电力线信道具有典型的频率选择性衰落。3.针对电力线多径信道,引入“参数稀疏”概念,由此将SISO PLC和MIMO PLC信道稀疏化,得到稀疏信道估计模型,使其满足稀疏信号重建的数学模型,严谨地将电力线信道估计问题转换为能够用CS理论求解的稀疏信号重建问题。4.研究了一种基于相关向量机(Relevance Vector Machine,RVM)的SISO PLC信道估计算法,仿真实验表明此算法具有更好的均方误差(Mean Square Error,MSE)性能,当信噪比(Signal-to-Noise Ratio,SNR)为20dB时,其MSE约为4.5×10-3,频谱效率高达87.4%,比传统LS方案提高了10%,验证了此算法的有效性。5.研究了一种基于区域稀疏贝叶斯学习(Block Sparse Bayesian Learning,BSBL)的MIMO PLC信道估计算法,仿真实验表明其降低了导频开销,比传统的信道估计方法具有更好的MSE性能,当SNR为20dB时,其MSE约为1.8×10-3,验证了此算法的有效性。