用电信息采集系统中的干扰辨识算法

李琪林，管祺荟，覃 剑，李方硕，向景睿

（1.四川省电力公司计量中心，成都 610072；2.电子科技大学 通信抗干扰国家级重点实验室，成都 611731）

用电信息采集系统是建设智能电网的重要组成部分，建设该系统符合国际电网技术发展的方向。在用电信息采集系统中，稳定可靠的通信系统是至关重要的环节，采集终端或集中器和系统主站之间的远程通信必须保证其可靠、实时和安全，否则整个系统的有效性、安全性和稳定性都将面临很大的挑战。相对于专网，采用现有的无线通信网的投资成本更低，更有益于快速组网。

在复杂的无线通信环境中，干扰越来越多，干扰的存在将严重影响系统性能，为便于后续的信号解调过程的针对性处理，接收机有必要对干扰进行检测，本文考虑以LTE（long term evolution）系统为无线公网的智能用电信息采集网。

现有的干扰检测技术可分为时域检测和变换域检测两大类。时域检测技术包括时域能量检测[1]、基于协方差矩阵的检测[2]、基于矩阵特征值分解的检测[3]、广义最大似然检测[4]、峰度检测算法[5]等。时域检测算法一般利用了干扰信号与噪声的差异来检测干扰，包括能量差异、多阶矩差异及相关性差异等，但是时域检测大多都是二元检测，只能确定有没有干扰。

而在变换域检测中，目前研究成果最多的是关于频域的算法，比如均值检测算法[6]、连续均值消除法（CME）[7]，另外文献[8-9]在该算法的基础上分别提出了前向均值消除算法（FCME）和双门限的干扰检测算法。频域检测算法利用干扰信号的频域特征，除了能对干扰的存在性加以检测，部分频域算法还能对干扰类型加以区分。但是大部分的频域检测算法都需要进行迭代运算，收敛是一个相当费时的过程，并且计算复杂度也比较高。

由于多天线在LTE基站端的普遍采用，本文提出了一种采用空域方法来检测干扰的存在性以及利用干扰信号的时域相关性来判断干扰类型的干扰检测算法。该算法首先在接收端消除期望信号的影响，然后充分利用干扰和噪声在空域和时域的差异来进行干扰检测，同时该算法具有很低的计算复杂度。通过仿真，验证了该算法的正确性，给出了不同干噪比和不同信道模型下干扰检测的判决量的累计概率密度分布（CDF）曲线。

1 系统模型

用电信息采集系统是建设智能电网的物理基础，由主站、通信信道、采集设备3部分组成，其结构如图1所示。主站主要完成业务应用、数据采集、控制执行和通信调度。通信信道用于系统主站和采集终端之间的远程数据通信，包括光纤专网、230 MHz无线专网、CDMA/LTE无线公网等。采集系统是安装在现场的终端计量设备，负责收集和提供整个系统的原始用电信息。

图1 用电信息采集系统组成结构Fig.1 Structure made of electric energy data acquire system

考虑采用LTE通信系统的用电信息采集系统，在基站侧，假设接收天线数目为Nr，FFT变换点数为N，用户可占用子载波总数目为Ns，为便于描述，本文假设单个用户占用全部子载波。忽略时间参数，基站对接收信号进行去循环前缀，N点FFT变换以及解映射后得到Ns维频域接收信号Yn，表示如下：

其中：X为对角矩阵，表示频域发射符号；hn为频域信道增益向量；un为频域的干扰噪声向量，记为

其中：jn为同频的宽带或窄带干扰；nn为高斯白噪声向量。对un进行N点IDFT，可得到时域干扰噪声向量 vn，记为

其中：in与wn分别为时域的干扰与噪声向量。

在文中，假设式（1）是DMRS符号，X则已知，hn可通过信道估计获取。因此，接收端可得到干扰噪声向量vn。本文通过vn对干扰的存在性以及干扰类型进行检测。在检测过程中，采用vn是为了减轻期望信号对检测过程的影响，特别是当干扰与期望信号存在强相关性时，直接采用Yn进行检测的错误概率较大。

2 干扰检测

综合考虑干扰检测的需求和计算复杂度，本文提出了一种利用干扰信号的空间相关性来判断干扰的存在性，利用干扰信号的时域相关性来判断干扰的类型的干扰检测方案。

2.1 干扰存在性检测

对于任意M根接收天线，可以得到接收信号M×M空间自相关矩阵R，表示为

其中：Rv为干扰的空间自相关矩阵；N0I为噪声的空间自相关矩阵。可以看出，当干扰不存在时，自相关矩阵R是一个对角阵，根据此性质，可以检测干扰信号的存在性。

取任意向量 v1，v2，…vM，然后组合成一个 Ns×M的矩阵 V=［v1，v2，…vM］，由矩阵 V 得到一个 R 矩阵的估计值Rs：

其中：VT与V*分别为V的转置与共轭。

将矩阵Rs的第i行第j列记为rij，定义参数α：

选择门限T1，当α＜T1时，判断为没有干扰；否则，认为干扰存在，需采用干扰抑制措施。

2.2 干扰类型检测

当系统中存在干扰时，需要对干扰类型进行判断，在本文中，利用干扰信号的时域相关性对干扰类型加以判断。

考虑噪声向量 vn，将其第 i个元素记为 vn［i］，其中 i=1，2，…Ns。 自相关值定义为

定义参数β：

选择门限T2，当β＜T2时，判断干扰为宽带信号；否则，判断其为窄带干扰。后续仿真中取k1和k2分别为3和6。

3 数值及仿真结果

为验证本文提出的干扰检测算法的性能，这一节将提供不同条件下的计算机仿真结果。在本文仿真中，采用1发2收的天线模式，传输带宽为10 MHz，FFT点数为1024，最大多普勒频移为50 Hz，调制方式为16QAM，窄带干扰带宽为400 kHz，采用理想信道估计。

图2给出了不同信道模型和不同干噪比情况下的干扰存在判决量的CDF曲线（其中横坐标代表式（6）定义的参数α，纵坐标代表α的累计概率密度分布CDF），当干噪比为-10 dB，EPA信道模型下，设定检测门限为0.05，在无干扰时，算法判断有干扰的概率（即虚警概率）为2%，此时，当干扰为窄带干扰，检测概率为96%，当干扰为宽带干扰，检测概率为90%；当为EVA信道模型时，在无干扰时，算法判断有干扰的概率为3%，此时，当干扰为窄带干扰，检测概率为94%，当干扰为宽带干扰，检测概率为80%，性能稍差，然而，当干噪比增加至10 dB时，无论是EPA还是EVA信道模型，检测概率均接近1。

图2 不同信道和干噪比下的干扰存在判决量CDFFig.2 Interference in different channels and different interference to noise ratios existing CDF of judgment amount

图3给出了不同信道模型和不同干噪比情况下的干扰类型判决量的CDF分布曲线（其中横坐标代表式（9）定义的参数β，纵坐标代表β的累计概率密度分布CDF），当干噪比相同时，窄带干扰与宽带干扰的值有明显差异。当干噪比为-10 dB，EPA信道模型下，设定检测门限为0.05，将窄带干扰识别为宽带干扰的概率为0.1，当干噪比增加至10 dB时，无论是EPA还是EVA信道模型，检测概率均接近于1。

图3 不同信道和干噪比下的干扰类型判决量CDFFig.3 CDF of judgment amount of interference types in different channels and different Interference to noise ratios

4 结语

本文给出了以LTE系统为通信网络的用电信息采集系统中的干扰检测算法，包括干扰存在性检测与干扰类型检测两部分。干扰存在性的检测是利用干扰与噪声空间相关性的差异完成，而干扰类型的检测利用了窄带干扰与宽带干扰时域自相关性的差异，同时考虑了多径信道对检测的影响。最后，文中给出了计算机仿真验证所建议两种算法的性能表现。

[1]Ling Qi，Li Tongtong，Li Li.Modeling and detection of hostile jamming in spread spectrum systems[J].IEEE Transactions On Communications，2000，57：1-5.

[2]Zeng YH，Liang YC.Eigenvalue-based spectrum sensing algorithms for congnitive radio[J].IEEE Transactions on Communications，2009，57：1784-1793.

[3]Zeng YH，Liang YC.Spectrum-sensing algorithms for congnitive radio based on statistical covariances[J].IEEE Transactions On-Vehicular Technology，2009，58：1804-1815.

[4]Josep FS，Wang XD.GLRT-based spectrum sensing for congnitive radio with prior information[J].IEEE Transactions on Communications，2010，58：2137-2146.

[5]Sidharth Misra，Priscilla N，Mohammed.Microwave radiometer radio-frequency interfence detection algorithms：a comparative study[J].IEEE Transactions on Geoscience and Remote Sensing，2009，47：3742-3754.

[6]Petti Henttu.A new interference suppression algorithm against broadband constant envelope interference[J].IEEE Transactions on Communications，2007，51：742-746.

[7]Petti henttu，Sami Aromaa.Consecutive mean excision algorithm[J].IEEE 7′h Int.Syinp.on Spread-Spectrum Tcch.&Appl.，Prague.Czech Republic，2002（2）：450-454.

[8]Fan Ming，Wei Zeding.Interference detection in DSSS systems[J].Modern Electronic Technology，2007（13）：152-157.

[9]Vartiainen J，Lehtomaki JJ，Saarnisaari H.Double_threshold based narrowband signal extraction[C]//Vehicular Technology Conference IEEE 61st，2005（2）：1288-1292.