目前多输入多输出(multiple-input multiple-output,MIMO)技术已经被电力线通信(power line communication,PLC)系统采用,但由于MIMO PLC系统噪声呈非高斯分布而且各端口噪声之间存在相关性,故不能直接采用无线系统中的MIMO检测算法。...目前多输入多输出(multiple-input multiple-output,MIMO)技术已经被电力线通信(power line communication,PLC)系统采用,但由于MIMO PLC系统噪声呈非高斯分布而且各端口噪声之间存在相关性,故不能直接采用无线系统中的MIMO检测算法。采用了二元Middleton class A分布对MIMO PLC系统中噪声进行建模,提出了基于该噪声分布的最大似然检测改进算法,由于改进最大似然检测算法实现复杂度高,为了便于实现,进一步提出了用近似函数降低复杂度的2种次优的检测算法,优化了算法复杂度。仿真结果表明,与传统的基于高斯噪声分布的最大似然检测算法相比,提出的基于二元Middleton class A类噪声分布的信号检测算法在MIMO PLC系统能获得更好的性能。在性能损失较小的情况下,次优算法的复杂度明显低于最大似然检测改进算法。展开更多
为降低信息在强干扰电力线信道中传输的误码率,对重复累积(RA)码的置信传播(BP)译码算法进行改进。修正BP译码算法中信息节点的初始值,利用自适应迭代译码减少译码过程中的迭代次数,并对译码进行预判决,降低了RA码译码复杂度、提高了译...为降低信息在强干扰电力线信道中传输的误码率,对重复累积(RA)码的置信传播(BP)译码算法进行改进。修正BP译码算法中信息节点的初始值,利用自适应迭代译码减少译码过程中的迭代次数,并对译码进行预判决,降低了RA码译码复杂度、提高了译码效率。在Middleton A类电力线信道模型下仿真结果表明:改进后的译码方法在低信噪比区域与BP算法性能相近,而在较高信噪比区域改进后的算法与BP译码算法相比所需信噪比少约0.8 d B,并且显著减少了译码过程中的迭代次数。展开更多
在无线通信网络干扰建模中,常规方式对有限任意形状区域的干扰信号模型推导有一定困难。文章研究了如何将干扰分布区域推广至有限任意形状,利用环形区域干扰的Middleton Class A模型的对数特征函数,得到有限任意形状区域干扰的对数特征...在无线通信网络干扰建模中,常规方式对有限任意形状区域的干扰信号模型推导有一定困难。文章研究了如何将干扰分布区域推广至有限任意形状,利用环形区域干扰的Middleton Class A模型的对数特征函数,得到有限任意形状区域干扰的对数特征函数一般表示形式,并应用于铁路场景干扰建模问题,得到了干扰信号的对数特征函数和概率密度函数。仿真结果表明,所得对数特征函数结构以及由此得出的高速铁路场景干扰信号模型具有较好的适用性。展开更多
自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而...自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而在很多通信场景中除了高斯噪声外,还存在具备脉冲特性的非高斯噪声,目前最常用的噪声模型包括米德尔顿A类(Middleton Class A)噪声模型,对称α稳定分布(symmetricαstable,SαS)噪声模型,高斯混合模型,其中最典型的米德尔顿A类噪声模型。过往研究成果在遇到脉冲噪声条件下,通常较难实现有效调制识别,因此本文将米德尔顿A类噪声系统中的调制识别方案作为主要研究方向。考虑到这些脉冲噪声的概率密度函数较为复杂,本文提出了一种依靠卷积神经网络实现调制识别的算法。为了充分提取信号的调制特征,本文采用双层卷积块结构,每个卷积块内部包含卷积层、归一化层、激励层和池化层四部分,经过两次卷积的结果送入全连接层和Softmax层,最终得到调制模式的概率值,进而有效地识别出发送端的调制方式。在实际仿真过程中,随着训练的进行,接收端准确率逐步提升。通过观察BPSK、QPSK、8PSK、16QAM这四种调制方案在不同信噪比下的识别准确率,发现所提出的方案的调制识别准确性始终优于单个卷积块网络,在1 dB左右的SNR的条件下便可以达到接近100%的训练准确率。实验结果表明,此方案的识别准确率优于其他识别方案,且在另外两种典型噪声模型条件下仍具有较高识别准确,充分验证了算法的有效性和实用价值。展开更多
低压电力线通信技术是实现电网自动集抄的关键技术之一,但电力线作为信号传输通道有着复杂的传输特性和外在噪声干扰。为具体分析电力线信道特性对系统性能的影响,建立基于电力线通信标准中常用的正交频分复用(Orthogonal Frequency Div...低压电力线通信技术是实现电网自动集抄的关键技术之一,但电力线作为信号传输通道有着复杂的传输特性和外在噪声干扰。为具体分析电力线信道特性对系统性能的影响,建立基于电力线通信标准中常用的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)调制技术的通信系统模型。系统采用传输线理论计算电力信道的传输函数,同时利用米特尔顿A类噪声模型模拟信道噪声。重点分析了不同的信道噪声、网络拓扑结构、支路负载等因素对信道衰减和系统误比特率的影响。仿真结果表明了通信系统对于信道因素变化的敏感性,为将来低压宽带电力线通信系统设计提供了理论分析基础。展开更多
为获得非高斯噪声环境衰落信道中正交空时分组码(OSTBC)的性能估计,对OSTBC的成对差错概率(PEP)进行了研究.基于物理统计Middleton Class A噪声模型,通过将非高斯Class A分布变换成条件高斯分布,给出空间依赖时间独立条件下OSTBC系统中...为获得非高斯噪声环境衰落信道中正交空时分组码(OSTBC)的性能估计,对OSTBC的成对差错概率(PEP)进行了研究.基于物理统计Middleton Class A噪声模型,通过将非高斯Class A分布变换成条件高斯分布,给出空间依赖时间独立条件下OSTBC系统中噪声信号的联合概率密度函数.利用矩母函数(MGF)分析法推导Class A噪声环境下最大似然接收机的成对差错概率的上界.对不同衰落信道中系统误符号率(SER)性能的仿真研究表明,在Class A噪声环境下,OSTBC系统性能随噪声脉冲性的增强而下降.展开更多
文摘影响宽带电力线载波通信的关键因素之一是随机突发的脉冲噪声。目前的噪声研究大多停留在理论建模上,缺乏标准化的电力线噪声硬件实现方法。文中深入研究Markov-Middleton脉冲噪声模型,分析产生Markov性质的脉冲序列原理,利用System Generator和Xilinx Vivado联合仿真工具,设计出具有随机突发特性的电力线噪声生成系统,并完成该系统的硬件实现。通过对比现场可编程门阵列(FPGA)输出、Middleton Class A模型仿真与实测电力线噪声的统计特性,证明了该硬件实现方法能够生成具有随机突发性和时间相关性的脉冲噪声。通过搭建实验室环境下的电力线载波通信系统,测试不同参数下噪声对通信成功率的影响程度,对比其他的硬件实现方法,验证了所提方法的工程应用价值。
文摘目前多输入多输出(multiple-input multiple-output,MIMO)技术已经被电力线通信(power line communication,PLC)系统采用,但由于MIMO PLC系统噪声呈非高斯分布而且各端口噪声之间存在相关性,故不能直接采用无线系统中的MIMO检测算法。采用了二元Middleton class A分布对MIMO PLC系统中噪声进行建模,提出了基于该噪声分布的最大似然检测改进算法,由于改进最大似然检测算法实现复杂度高,为了便于实现,进一步提出了用近似函数降低复杂度的2种次优的检测算法,优化了算法复杂度。仿真结果表明,与传统的基于高斯噪声分布的最大似然检测算法相比,提出的基于二元Middleton class A类噪声分布的信号检测算法在MIMO PLC系统能获得更好的性能。在性能损失较小的情况下,次优算法的复杂度明显低于最大似然检测改进算法。
文摘为降低信息在强干扰电力线信道中传输的误码率,对重复累积(RA)码的置信传播(BP)译码算法进行改进。修正BP译码算法中信息节点的初始值,利用自适应迭代译码减少译码过程中的迭代次数,并对译码进行预判决,降低了RA码译码复杂度、提高了译码效率。在Middleton A类电力线信道模型下仿真结果表明:改进后的译码方法在低信噪比区域与BP算法性能相近,而在较高信噪比区域改进后的算法与BP译码算法相比所需信噪比少约0.8 d B,并且显著减少了译码过程中的迭代次数。
文摘在无线通信网络干扰建模中,常规方式对有限任意形状区域的干扰信号模型推导有一定困难。文章研究了如何将干扰分布区域推广至有限任意形状,利用环形区域干扰的Middleton Class A模型的对数特征函数,得到有限任意形状区域干扰的对数特征函数一般表示形式,并应用于铁路场景干扰建模问题,得到了干扰信号的对数特征函数和概率密度函数。仿真结果表明,所得对数特征函数结构以及由此得出的高速铁路场景干扰信号模型具有较好的适用性。
文摘自适应调制可以根据信道的变化动态地调整调制方式,从而最大化利用信道传输能力。调制识别是在自适应调制后在接收端判别出调制方式,并且为解调器正确选择解调算法的关键步骤。传统调制识别算法大多适用于加性高斯白噪声信道场景,然而在很多通信场景中除了高斯噪声外,还存在具备脉冲特性的非高斯噪声,目前最常用的噪声模型包括米德尔顿A类(Middleton Class A)噪声模型,对称α稳定分布(symmetricαstable,SαS)噪声模型,高斯混合模型,其中最典型的米德尔顿A类噪声模型。过往研究成果在遇到脉冲噪声条件下,通常较难实现有效调制识别,因此本文将米德尔顿A类噪声系统中的调制识别方案作为主要研究方向。考虑到这些脉冲噪声的概率密度函数较为复杂,本文提出了一种依靠卷积神经网络实现调制识别的算法。为了充分提取信号的调制特征,本文采用双层卷积块结构,每个卷积块内部包含卷积层、归一化层、激励层和池化层四部分,经过两次卷积的结果送入全连接层和Softmax层,最终得到调制模式的概率值,进而有效地识别出发送端的调制方式。在实际仿真过程中,随着训练的进行,接收端准确率逐步提升。通过观察BPSK、QPSK、8PSK、16QAM这四种调制方案在不同信噪比下的识别准确率,发现所提出的方案的调制识别准确性始终优于单个卷积块网络,在1 dB左右的SNR的条件下便可以达到接近100%的训练准确率。实验结果表明,此方案的识别准确率优于其他识别方案,且在另外两种典型噪声模型条件下仍具有较高识别准确,充分验证了算法的有效性和实用价值。
文摘低压电力线通信技术是实现电网自动集抄的关键技术之一,但电力线作为信号传输通道有着复杂的传输特性和外在噪声干扰。为具体分析电力线信道特性对系统性能的影响,建立基于电力线通信标准中常用的正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)调制技术的通信系统模型。系统采用传输线理论计算电力信道的传输函数,同时利用米特尔顿A类噪声模型模拟信道噪声。重点分析了不同的信道噪声、网络拓扑结构、支路负载等因素对信道衰减和系统误比特率的影响。仿真结果表明了通信系统对于信道因素变化的敏感性,为将来低压宽带电力线通信系统设计提供了理论分析基础。
