基于BPSK的电力通信系统载波智能恢复方法研究

郑伟

摘要：电力通信信道易受到空间介质干扰导致通信基线恢复的稳定性不好，为了提高电力通信系统载波调制和恢复能力，提出基于BPSK的电力通信系统载波智能恢复方法.构建电力通信的信道均衡配置模型，采用自适应码间间隔均衡调制技术进行电力通信系统载波调制和干扰抑制，构建电力通信系统的多径传输信道抽头调制模型，采用信号的连续处理进行电力通信系统载波的BPSK调制和传输序列自适应调整，采用决策指向性信道估计方法，实现电力通信系统载波的BPSK调制和波智能恢复，提高电力通信数据的智能传输能力.仿真结果表明，采用该方法进行电力通信系统载波恢复的智能性较好，误码率较低，提高电力通信的抗干扰能力和均衡性.

关键词：BPSK;电力通信系统;载波;智能恢复

中图分类号：TN919  文献标识码：A  文章编号：1673-260X（2019）08-0052-04

1 电力通信的信道模型和均衡配置

1.1 电力通信的信道模型

为了实现的电力通信系统载波智能恢复，需要首先构建电力通信系统的信道传输结构模型，根据电力通信信道的多途时变衰落特性，进行电力通信系统载波调制和码间干扰抑制，结合对电力通信系统载波输出特征进行信道均衡调节[1]，建立电力通信系统载波调制模型，提高电力通信系统的信道均衡性，使用均衡器抽头系数进行电力通信系统载波传输模型设计，得到电力通信的信道模型如图1所示.

根据每帧信号时间内信道传输带宽进行输出信道的调制解调处理，根据电力通信系统载波输出扩展关系，结合电力通信系统载波的复包络变化特征，进行电力通信系统载波的冲激响应特征分析[2]，假设电力通信系统的传输信道中的码间干扰具有稳态性，结合小扰动抑制方法，进行电力通信系统载波恢复，得到电力通信系统载波抵达信号S（t）由不同的脉冲冲激响应组成，可表示为：

式中N为电力通信系统载波个数，？子i和ai分别为第i条电力传输信道的采样时延和包络幅值，wc为电力通信系统载调制权重，对信道参数进行插值补偿，假设电力通信每个节点bi，对数据进行连续的调制，采用BPSK调制方法，以削波器与置零器进行信道模型设计，得到电力通信系统信道中码元序列含有Nf个帧，低信噪比下多样本检测的统计分布间隔为Tf，得到电力通信系统的信道频谱为：

将每个电力通信节点输出的载波分为Nc个码片，采用非线性函数调制方法，当码元传输带宽Rb小于频域扩展的倒数，采用效能函数作为非线性函数[3]，得到电力通信系统信道的展宽时间为：

采用非线性函数调制方法，进行电力通信系统的信道重建，当满足ciTc<Tf，？坌j∈[0，Nf-1]，表示电力通信信道的噪声概率密度函数满足有限带宽分布，在带宽受限的条件下，电力通信信道模型可以描述为：

根据电力通信系统的信道分布进行载波智能恢复，考虑优化限幅器中的门限参数，得到冲击响应为h（n），电力通信系统的输出多普勒频移为n（n），采用效能函数作为非线性函数，构建信道模型，进行行电力通信系统载波调制和恢复[4].

1.2 电力通信的信道均衡配置

构建电力通信的信道均衡配置模型，采用自适应码间间隔均衡调制技术进行电力通信系统载波调制和干扰抑制[5]，电力通信的信道的限幅带宽为r（t），其中输入的探测信号为

式中hi（t）表示p（t）在电力通信信道的脉冲型调节参量，效能函数最大化门限序列满足：

式中h′i（t）为脉冲型噪声，S（t）经过高放放大处理后，得到电力通信系统的第i个阵元间的冲激响应，通过非线性处理，得到电力通信的信道均衡配置的卷积函数可得：

考虑无导数的寻优方法，得到空频结构权值为：

在滑窗DFT处理模式下，电力传输信道的结构权值输出结果：

式中ni（t）为波束旁瓣，满足ni（t）=n1i（t）*p（t）.经过上述处理，对经过DFT处理后的输出信号p（t）再次进行卷积，利用共轭对称权值进行自适应加权，输出为ri（t），在滑窗处理下，进行电力通信信道的干扰抑制，提高电力通信系统的通信质量[6].

2 电力通信系统载波智能恢复优化

2.1 多径传输信道抽头调制模型

在上述构建电力通信的信道均衡配置模型，采用自适应码间间隔均衡调制技术进行电力通信系统载波调制和干扰抑制的基础上，进行电力通信系统载波调制和恢复，提出基于BPSK的电力通信系统载波智能恢复方法[7].构建电力通信系统的多径传输信道抽头调制模型，采用信號的连续处理进行电力通信系统载波的BPSK调制和传输序列自适应调整，对主瓣进行展宽处理，得到匹配滤波函数rx（N）（？子）和Cx（N）（？子），给出空频结构与空时结构之间权值的对应关系，满足rx（N+1）（？子）和增益Cx（N+1）（？子）的值，给出BPSK调制的递推公式如下：

采用决策指向性信道估计方法，实现电力通信系统载波的BPSK调制和波智能恢复[8]，输出实信号为x（t），信号的衰落方差（variance）定义为：

基于空时结构的宽带波束赋形方法进行载波调制，分析在I个信道传输路径中的电力传输的包络衰减si（t），i=1，2，…I，对该阵元各子带权值进行IDFT处理，电力通信系统的有限带宽信号x（t），空间增益强度和载波调制带宽分别定义为：

其中，E[x3（t）]为2阶锥规划衰减特征，b为电力系统的峰值旁瓣电平，频率响应变化函数为：

总上分析，构建多径传输信道抽头调制模型通过BPSK解调和抽样判决处理，分析子带的阵列响应，实现子带中心频率调节和载波智能恢复[9].

2.2 BPSK调制和波智能恢复

采用信号的连续处理进行电力通信系统载波的BPSK调制和传输序列自适应调整，采用决策指向性信道估计方法[10]，得到电力通信系统载波信号y（n）与输入信号之差，即：？着（n）=X2（n）-y（n），若X1（n）为电力通信系统载波信号s（n）的响应特征函数，则X2（n）为BPSK调制后，在频率响应不变的角度区域进行空间波束形成[11]，可记为s（n-D），D为时延参数，对电力系统的载波幅度约束条件的转化为二乘规划问题[12]，进而将原问题转化为凸优化问题，得到电力通信系统载波误差损失可以表示为：

通过e2（k）求关于 （k）的偏导数，利用共轭对称权值结构进行BPSK调制解调处理，根据离散频点处的空时响应进行通带带宽调制，实现对电力通信系统载波智能恢复，实现过程如图2所示.

综上分析，得到电力通信系统载波智能恢复实现步骤描述如下：

算法实现步骤：

初始化电力通信系统载波权系数：

采用信号的连续处理进行电力通信系统载波的BPSK调制和传输序列自适应调整，运算：

1.设置线搜索参数，更新增益向量：

2.更新效能函数和加权系数：

3.结合无参数估计方法更新逆矩阵：

4.采用决策指向性信道估计方法，得到矩阵形式为：

5.采用决策指向性信道估计方法，实现电力通信系统载波的BPSK调制和波智能恢复，得到收敛因子？滋，直到满足收敛条件m0=D，停止迭代，综上分析，实现电力通信系统载波调制.

3 实验测试分析

为了测试该方法在实现电力通信系统载波调制和恢复中的应用性能，进行实验分析，采用Matlab进行仿真实验，电力通信系统的码元速率为8kBaud，电力通信的载波频率为12kHz，对电力通信系统载波信息的采样频率为10倍载波频率，输入到电力通信系统的载波信号干扰信噪比为-14dB，多径时延为12ms，初始化权值个数M=20，多径幅度参数为（1，0.4，-0.6，0.18，-0.18），均衡器的抽头长度=L=2Mm=10，波束形成的迭代步长？滋=0.005，根据上述仿真参数设定，进行电力通信系统载波智能恢复仿真分析，得到载波信号和调制信号如图3所示.

以图3的信号为测试对象，进行电力通信系统的载波恢复设计，得到载波恢复结果如图4所示.

测试不同方法进行电力通信系统的载波恢复后的通信误码率，得到对比结果见表1.

采用该方法进行电力通信系统载波恢復的智能性较好，误码率较低，提高了电力通信的抗干扰能力和均衡性.

4 结语

构建电力通信系统，实现电力的远程调度和传输控制，提高电力通信系统载波调制和恢复能力，提出基于BPSK的电力通信系统载波智能恢复方法.构建电力通信系统的多径传输信道抽头调制模型，采用信号的连续处理进行电力通信系统载波的BPSK调制和传输序列自适应调整，采用决策指向性信道估计方法，实现电力通信系统载波的BPSK调制和波智能恢复，提高电力通信数据的智能传输能力.研究得知，采用该方法进行电力通信系统载波恢复的智能性较好，误码率较低，提高电力通信的抗干扰能力和均衡性，电力通信质量得到较大改善.

——————————

参考文献：

〔1〕刘家亮，王海燕，姜喆，等.垂直线列阵结构对PTRM阵处理空间增益的影响[J].鱼雷技术，2010，18（4）：263-267.

〔2〕乔莹，贺玉成，周林.新型信道自适应编码协作体制[J].计算机应用，2015，35（5）：1218-1223.

〔3〕张薇，谢红梅，王保平.一种新型的分段Logistic混沌扩频通信算法[J].计算机科学，2013，40（1）：59-62.

〔4〕王磊，郝士琦，张岱，等.大气激光通信中自适应调制编码技术的模式选择阈值[J].激光与光电子进展，2017，54（2）：111-117.

〔5〕祁宏伟，白海艳，候宏旭.随机信道对激光通信网络系统的性能影响[J].激光杂志，2017，38（1）：106-109.

〔6〕钟凯，彭华，葛临东.基于FABA-SISO的时变频率选择性衰落信道CPM信号盲均衡[J].电子与信息学报，2015，37（11）：2672-2677.

〔7〕文小方，张玲华，高婉贞.基于小波去噪的自适应波束形成算法研究[J].计算机技术与发展，2017， 27（06）：169-172.

〔8〕王慧，黄青华.基于能量最大选择原则的语音去噪算法[J].电子测量技术，2018，41（16）：13-17.

〔9〕李艳婷，李祝博，张红伟，等.离散多音调制可见光通信链路的极限速率[J].光子学报，2013，42（12）：1414-1420.

〔10〕李龙燕，李洪祚，郝子强，等.采用SC-FDMA技术的可见光通信信号峰均比研究[J].长春理工大学学报（自然科学版），2013，36（5）：108-111.

〔11〕LIU Y . Joint resource allocation in SWIPT-based multi-antenna decode-and-forward relay networks[J]. IEEE Transactions on Vehicular Technology， 2017，66（10）： 9192-9200.

〔12〕DU C ， CHEN X ， LEI L . Energy-efficient optimisation for secrecy wireless information and power transfer in massive MIMO relaying systems[J]. IET Communications， 2017，11（1）： 10-16.