智能计量设备电力线载波通信测试系统的设计

低压电力线载波通信技术已广泛应用于智能计量设备中,但由于恶劣通信环境严重影响系统的稳定性,有必要建立电力线信道模拟平台,实现对载波通信性能的测试。文章基于对低压电力线信道特性的分析,完成了对电力线负载、衰减和噪声模拟器的原理分析与设计实现,并在此基础上建立了智能计量设备载波通信测试系统。开展低压电力线载波通信性能测试,并对测量数据和结果进行了分析。测试系统的建立为相关设备的载波通信性能评估和选型提供了有效的手段和参考依据。     

电器噪声对低压电力线通信的干扰及其抑制

低压电力线作为数据通信的媒介时，其信道特性并不理想，特别是家用电器引起的大量噪声对于电力线通信系统的性能影响很大。因此了解电器噪声的规律，对于选择电力线通信调制手段、载波频率等方面都具有现实意义。文章通过对家用电器所产生的干扰与噪声的特性分析，总结了其对低压电力线载波通信的影响，提出了具体的抑制措施。同时指出了在低压电力线载波通信信道分析与编码、调制过程中，运维人员需要注意的一些问题。     

低压电力线载波信道测试装置设计

电力线载波通信在居民抄表、路灯控制等领域广泛应用,然而由于电力线不是专用信道,且受用电设备、电力负荷、线路结构等影响较大,其传输特性在时域、频域上具有多变性,直接影响到电力载波通信产品的业务承载能力和应用效果。文中研制了一种便携化低压电力线载波通信信道测试装置,实现了电力线载波信道的阻抗、衰减和噪声三个重要信道参量的在线测量,并可通过即时分析软件实时掌握载波信道的变化特征,对电力线通信产品的技术实现和工程化应用具有重要意义。     

低压电力线载波通信信道特性研究

低压电力线信道特性复杂,严重影响载波通信的质量。为了准确地了解低压电力线信道特性,根据测量数据对500 kHz～30 MHz频段下的低压电力线载波通信信道的阻抗特性、噪声特性和衰减特性进行分析。利用数理统计方法分析不同类型噪声,获得噪声特性参数并建立模型。依照自顶向下的信道建模技术建立了低压电力线多径衰落模型,根据负载线路的谐振特性对模型改进。仿真验证采用威布尔分布描述脉冲噪声频率分布特性是合理的,利用两种方法建立信道模型并与实测数据进行比较分析,结果表明改进后的模型能准确地反映低压电力线信道的特性并提高模型的精确性。     

低压电力线高频载波通信信道的建模研究

低压电力线信道特性是设计低压电力线载波通信系统的基础。文中采用自行设计和研制的测量系统对将低压电力线用做高频通信网络时的电气特性，包括输入阻抗特性、信号衰减特性和系统的噪声特性等，进行了大量的试验研究，在此基础上，建立了一个将低压电力网用做高频载波通信信道的模型，该模型的建立提供了一个实用、有效的平台，为低压电力网载波通信系统的研究和设计打下了良好的基础。     

基于远程自动抄表应用的低压电力线载波通信技术研究

深入分析了低压电力线的信道特性，对几种典型低压电力线载波通信集成芯片在远程自动抄表领域的应用进行了研究，分析了应用中遇到的困难，并提出了相应解决方案。     

现场低压电力线噪声对载波通信的影响分析

噪声特性作为电力线信道的1个重要特性,对低压电力线载波通信有着较强的影响作用.我国低压电网环境复杂,电力线上存在着各种强时变性的噪声干扰.结合现场某一典型台区的电能采集情况以及采集到的噪声数据,分析得出电力线噪声在频域与时域2个方面对低压电力线载波通信的影响规律.     

低压电力线信道的决策估计算法研究

OFDM技术以其多种优势成为低压电力线载波通信的最佳选择,信道估计是OFDM系统的关键问题之一.分析了低压电力线信道特性,针对信道慢时变特性及噪声复杂的特点,提出一种适用于低压电力线通信信道的直接决策估计算法.该算法基于Kolaonen神经网络,改进了神经元学习率的自适应方法,通过竞争机制实时跟踪信道变化,实现信道估计...     

非均匀传输特性的低压电力线载波传输模型

在传统电力线均匀传输电路模型的基础上,结合电力线的非均匀传输特性,提出一种新的电力线载波通信的通信传输模型,该模型充分考虑了低压电力线阻抗特性、噪声干扰、衰减特性等因素对低压电力线载波通信的影响,从而为信号信道模型的建立提供了较好的理论依据.     

低压电力线载波通信的仿真软件开发

针对低压电力线载波通信的复杂环境,本文提出并实现了一种计算机仿真系统,给出了动态模型和噪声的仿真算法,以及具体应用的示例.通过改变传输线、负载模拟电路的拓扑结构和参数,可以观察载波通信信号在不同信道阻抗特性、衰减特性和噪声特性下的工作情况,了解不同调制方式所引起的底层信号波形畸变和上层数据传输的可靠性.从而为电力线载波通信的产品设计提供依据.     

基于多分辨率分析的小波系数压扩去噪算法

研究利用小波分析技术抑制突发性噪声的算法,以改善多载波调制的电力线通信系统中的同步性能。首先,对小波强制去噪算法及其局限性进行分析,提出了基于多分辨率分析的小波系数压扩去噪新算法。新算法在时域上对含噪信号进行分解,在频域上对各层的小波分解系数的畸变量进行抑制。然后,用低压电力线上的实测噪声对新算法进行了仿真验证。结果表明,新算法的去噪效果大大优于现有算法,尤其适用于平稳信号中突发性噪声的抑制。最后,将算法应用于作者开发的基于相对值判决的多载波调制系统中,试验结果证明,新算法可有效提高多载波调制系统的同步性能。     

一种过程噪声自适应调节的卡尔曼滤波算法

鉴于过程噪声在卡尔曼滤波器中的重要作用,本文给出一种自适应调整过程噪声方差的新方法.此方法不需要目标机动的先验知识,而是考虑"新息"平方和的数学期望值,构造一个可自适应调整的缩放因子.在目标未发生机动时因子值较小,当目标发生机动时因子值迅速增大,从而增大系统的过程噪声方差.结合协方差匹配自适应滤波算法的思想,本文提出一种新的机动目标跟踪算法.通过蒙特卡洛仿真,同IMM算法进行比较,结果表明,新算法在目标发生机动时具有更好的性能.     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用

在局部放电在线监测中，由于窄带周期干扰的频率范围很宽，自适应滤波器的参数设置比较困难，有时甚至会导致算法不稳定。为此，文中提出了一种基于小波分解的自适应滤波算法，以用于抑制窄带周期干扰：利用小波的分频特性先将信号分解到不同的频段上，然后对各频段的信号施以自适应滤波，由于信号被分解到不同的频段，各频段内的窄带干扰频率相差有限，所以，可以根据各频段信号的特性采用最佳的滤波参数，以达到较好的滤波性能。计算机仿真分析和现场数据处理表明，该算法比普通自适应滤波算法有更好的抗干扰性能和稳定性。     

一种基于在线建模的自适应有源噪声控制快速算法

针对次级通路时变条件下的快速算法展开研究.首先分析了已有的基于次级通路在线建模的FxLMS算法,同时给出了带策略选择的权系数局布迭代算法;在此基础上,提出了一种针对次级通路在线建模的带策略选择的局布迭代有源控制快速算法.给出了该快速算法的实现步骤;比较了不同算法的运算量;就次级通路为时变与非时变两种情况下对算法进行了计算机仿真.结果表明,本文提出的快速算法能有效地降低原算法的运算量,提高原算法次级通路在线建模部分的性能,并可在稳态时取得较原算法更优的降噪量.     

SAR图像各向异性扩散滤波算法

为了抑制SAR图像中固有的乘性相干斑噪声,本文提出了一种基于各向异性扩散滤波的新算法。该算法首先将自蛇扩散引入经典的SRAD与DPAD算法各向异性扩散方程中,形成了一种带边缘增强功能的各向异性扩散新方程;然后利用改进Frost滤波系数作为扩散方程的新扩散函数,形成了一种既能有效抑制相干斑,又能较好保护边缘、抑制块效应现象的新扩散函数。实验表明,新扩散滤波算法在相干斑抑制、边缘保护、块效应抑制方面均比传统各向异性扩散滤波算法更优异。     

改进的Prony算法在多正弦信号频率估计中的应用研究

针对噪声背景下经典Prony算法对多正弦信号频率估计受限的问题,提出一种抗噪性强的改进Prony算法。通过建立一种新的累积关系,提出的算法可以在低信噪比情况下,仅利用适当数量的新序列值线性重构稀疏和,从而较为精确地估计出信号的频率。对提出的算法与经典Prony算法的性能作出仿真实验对比。实验结果表明,在信号中嵌入噪声时,经典Prony算法在估计信号频率时失去效用,而新算法依旧可以有效估计信号频率。所以,提出的算法抗噪能力较强,性能相对稳定,精度较高,在多正弦信号频率估计中表现出更好的实用性。     

基于TLS自学习算法的谐波检测

基于Newton算法,本文导出了一种用于TLS估计的自学习算法,讨论了它在谐波检测中的应用。证明LMS算法和约束反Hebbian自学习算法(Constrained Anti-Hebbian Learning Algorithm)是本文提出的算法的两个特例。仿真结果表明,该算法的噪声剔出能力和收敛速度优于LMS算法和Constrained Anti-Hebbian自学习算法。     

改进粒子BP神经网络在变电站噪声控制中的应用

为了改善变电站噪声控制中已有自适应降噪滤波算法的自适应能力差、收敛速度慢等弊端,提出了一种新的基于粒子群优化（PSO）的误差反向传播神经网络（BPNN）智能滤波算法。该算法针对PSO算法易出现无法兼顾局部、全局搜索和群体多样性丢失等问题,采用以粒子“亲密”度为依据来自适应调整粒子惯性因子和变异率的改进策略;利用该改进粒子群优化（IPSO）算法取代梯度下降算法,实时优化BPNN的权、阈值,使噪声迅速降低,再用梯度下降算法对BPNN的权、阈值作进一步的精细优化,使噪声得到更大程度上的抑制。文中以某变电站变压器噪声信号为仿真声源,分别利用所提算法、PSO-BPNN算法及BPNN算法对该声源信号进行主动抑制,结果表明所提算法性能明显优于另外2种算法的性能,使变压器降噪系统性能得到较大的改善。     

相关噪声中DOA估计的一种新算法

本文提出了一种在空域平稳的相关性噪声中利用等间距线性排列的一维天线阵来进行DOA估计的新算法.根据噪声自相关矩阵为对称Toeplitz矩阵的特点,利用接收数据自相关矩阵减去其一变换矩阵(R-JRJ,其中J为交换矩阵)得一差阵,使得数据的相关矩阵中与噪声相关的分量被对消掉.同时,文章中详细地论证说明了这差阵的特征向量、特征值与自相关矩阵的相应部分的定量关系,提出了相应的DOA估计方法.所以,使用这种方法完全避免了噪声对DOA估计的影响.仿真说明,这种方法是有效的,避免了噪声对DOA估计的影响;另外,即使在非相关性噪声条件下,这种方法也比标准MUSIC方法具有更高的分辨力、更高的参数估计精度.