《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > 基于小波變換的電力線通信信號識別研究
基于小波變換的電力線通信信號識別研究
2016年電子技術(shù)應(yīng)用第6期
李 坤1,劉 濤2,王永建3,江 虹1
1.西南科技大學(xué) 信息工程學(xué)院,四川 綿陽621010;2.中國石油大學(xué)(北京) 地球物理與信息工程學(xué)院,北京102249; 3.國家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心,北京100031
摘要: 在電力線數(shù)字通信信號識別研究中,針對電力線通信強(qiáng)噪聲干擾和識別器算法復(fù)雜的現(xiàn)狀,設(shè)計(jì)了一種算法簡單、計(jì)算量小的信號識別器。在輸入噪聲為背景噪聲的條件下,通過小波變換的方法提取電力線數(shù)字通信信號的特征值,由統(tǒng)計(jì)識別模式得到最優(yōu)識別閾值,將閾值和信號的特征值進(jìn)行比較,最終識別信號的調(diào)制類型。仿真結(jié)果表明,當(dāng)信噪比為5 dB時(shí),類間和類內(nèi)的正確識別率分別達(dá)到93%和95%。
中圖分類號: TN911.23
文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.2016.06.031
中文引用格式: 李坤,劉濤,王永建,等. 基于小波變換的電力線通信信號識別研究[J].電子技術(shù)應(yīng)用,2016,42(6):113-116,120.
英文引用格式: Li Kun,Liu Tao,Wang Yongjian,et al. Research on power line communication signals recognition based on wavelet transform[J].Application of Electronic Technique,2016,42(6):113-116,120.
Research on power line communication signals recognition based on wavelet transform
Li Kun1,Liu Tao2,Wang Yongjian3,Jiang Hong1
1.School of Information Engineering,Southwest University of Science and Technology,Mianyang 621010,China; 2.College of Geophysis and Information Engineering,China University of Petroleum-Beijing,Beijing 102249,China; 3.National Computer Network and Information Security Management Center,Beijing 100031,China
Abstract: In power line digital communication signal recognition research, in view of the power line communication has strong noise interference and the current situation of recognizer algorithm is complex, this paper designs a signal diagnosis with simple algorithm and small amount of calculation. Under the condition of the input noise is the background noise, the method of wavelet transform is used to extract the characteristics of power line digital communication signals. By statistical recognition model to get the optimal threshold, the threshold value is compared with the signal characteristic value, finally the signal modulation type is identified. Simulation results show that the correct identification rate between inter-class and intra-class reaches 93% and 95% when the SNR is 5 dB, respectively.
Key words : digital signal recognition;power line communication;background noise;wavelet transform

0 引言

    近些年,電力線通信已經(jīng)成為一個(gè)熱門的研究話題。然而,高質(zhì)量的信號在這樣一個(gè)有強(qiáng)噪聲干擾、衰減和多徑效應(yīng)的系統(tǒng)中傳輸是一個(gè)挑戰(zhàn)。所以在接收端對信號進(jìn)行去噪處理是十分必要的。在信號接收端,對接收信號進(jìn)行分析時(shí),總要提取一些特征值來表征這些信號。所以對信號特征值的提取是識別信號類型的關(guān)鍵。

    目前,信號識別可以分為類間識別和類內(nèi)識別。類間識別指的是識別不同類型的調(diào)制信號,例如ASK、PSK、FSK等信號的識別;類內(nèi)識別指的是識別同一類信號中的不同調(diào)制進(jìn)制的信號,例如2PSK、4PSK、8PSK。在類內(nèi)識別方面,HO K C等人[1]使用小波變換方法成功識別出了BPSK和4PSK信號;POLYDOROS A和KIM K[2]提出了最大似然比調(diào)制識別器,它成功地識別了BPSK和QPSK信號。在類間識別方面,KANNAN R和RAVI D S[3]使用離散小波變換成功識別出DPSK、PSK和MSK;HAZZA A[4]等人提出基于特征的方法成功識別出FSK、ASK、PSK、QAM等信號,但是所設(shè)計(jì)的識別器計(jì)算量比較大。

    在識別PLC信號方面,本文采用的是統(tǒng)計(jì)模式識別方法[5-6],這種方法計(jì)算量比較小,容易求解。本文針對文獻(xiàn)[1]所提出的識別器模型,改進(jìn)并設(shè)計(jì)了一種算法簡單、計(jì)算量較小的信號識別器。在低信噪比的情況下,識別效果也是比較理想的。基于近似實(shí)際的電力線通信信道的仿真結(jié)果和比較試驗(yàn)顯示出本文所改進(jìn)和設(shè)計(jì)的識別器的有效性。

1 信號模型

    設(shè)r(t)為接收到的信號的復(fù)數(shù)模型:

    tx5-gs1.gif

其中s(t)是調(diào)制信號的復(fù)數(shù)形式,n(t)是電力線信道的背景噪聲,ωc是載波頻率,θc是載波相位。

    對于多進(jìn)制信號(MQAM、MPSK、MFSK、MASK)的表達(dá)式,許多文獻(xiàn)已經(jīng)給出,而本文采用是文獻(xiàn)[7]給出的。

2 噪聲模型

    實(shí)際電力線的噪聲包括兩部分:背景噪聲和脈沖噪聲[8-9]。本文的背景噪聲采用概率密度服從Nakagami-m分布的模型來表示[10-12]。文獻(xiàn)[13]驗(yàn)證了PLC系統(tǒng)中的該噪聲模型的可行性。本文只研究背景噪聲,并且忽略頻率衰減性對PLC系統(tǒng)的影響。背景噪聲的特征向量(X)服從Nakagami-m分布,其概率密度函數(shù)為:

    tx5-gs2.gif

其中,Γ(*)是伽馬函數(shù),


Ω是背景噪聲的平均功率,定義為tx5-gs2-x1.gif這里E[*]表示期望,m是Nakagami-m的參數(shù),即形狀因子,表示衰減的嚴(yán)重程度。m=E[X2]/E[(X2-E[X2])2]≥0.5。圖1為Ω=2、m=2下的背景噪聲仿真圖。

tx5-t1.gif

3 Haar小波變換的特征

    對于任意函數(shù)s(t)∈L2(R)的連續(xù)小波變換的定義為:

tx5-gs3.gif

    Haar小波是緊支集的標(biāo)準(zhǔn)正交小波,并且Haar小波變換也是很容易計(jì)算的。所以本文采用Haar小波函數(shù),它的定義表達(dá)式可參見文獻(xiàn)[14]。

    為了數(shù)值計(jì)算,式(3)中的積分要用求和代替。令t=kT=k,b=nT=n,于是連續(xù)小波變換(CWT)變成:

    tx5-gs4.gif

    為了計(jì)算方便,假設(shè)碼元周期是抽樣時(shí)間的整數(shù)倍。表1給出了QAM、ASK、PSK、FSK 4種信號的Haar小波變換,文獻(xiàn)[1]給出了PSK、FSK推導(dǎo)過程。

tx5-b1.gif

    tx5-b1-x1.gif從表1可以看出,4類信號的小波變換系數(shù)幅值是只與尺度a、載頻ωc有關(guān),與n無關(guān)的常數(shù)。當(dāng)在單尺度條件下MASK信號小波系數(shù)幅度階梯層數(shù)應(yīng)為該信號的幅度層數(shù)M;MFSK信號的小波系數(shù)幅度階梯層數(shù)應(yīng)為該信號的載頻層數(shù)M;MQAM信號的碼元變化引起信號幅度或相位發(fā)生變化時(shí),小波變換系數(shù)幅度也跟著發(fā)生變化,所以MQAM的Haar小波變換系數(shù)幅度值為多階梯并且有許多峰值的函數(shù);MPSK信號的小波系數(shù)幅度值隨相位的變化而變化,當(dāng)有相位變化時(shí)就會出現(xiàn)峰值,所以MPSK的小波變換系數(shù)幅值只有一層。通過信號的小波變換系數(shù)幅值的層數(shù)可以判斷調(diào)制信號的進(jìn)制。所以本文設(shè)置兩個(gè)層數(shù)門限N1和N2,它們分別為3和6,當(dāng)層數(shù)大于等于N2時(shí)判為八進(jìn)制調(diào)制,大于N1且小于N2時(shí)判為四進(jìn)制調(diào)制,小于等于N1時(shí)就判為二進(jìn)制調(diào)制。

4 識別器的設(shè)計(jì)

4.1 特征提取

    通過表1各信號小波變換系數(shù)幅值表達(dá)式可知,對于MFSK、MASK和16QAM信號,當(dāng)碼元的幅度、頻率發(fā)生變化時(shí),這些信號的小波變換系數(shù)的幅度上也會變化,所以很難從小波變換系數(shù)幅度特征值來區(qū)分這三類信號。通過已知的知識,MASK和16QAM調(diào)制信號波形有幅度、相位以及振幅包絡(luò)的變化;而MPSK調(diào)制信號的波形只有相位的變化,振幅包絡(luò)是恒定的。為了判別信號的振幅包絡(luò)是否恒定,本文提取數(shù)字調(diào)制信號的幅度方差σ2,其定義為:

tx5-gs5.gif

    設(shè)定門限TH1、TH2,當(dāng)σ2>TH1時(shí)判為MASK,當(dāng)TH1>σ2>TH2時(shí)判為16QAM,當(dāng)σ2<TH2時(shí)判為MFSK或MPSK。MFSK的小波變換系數(shù)幅度為階梯波,而MPSK小波系數(shù)幅度通過中值濾波后為一直流電平,這兩類信號小波系數(shù)幅度方差有著明顯區(qū)別,本文設(shè)定一門限TH3,當(dāng)σ2>TH3時(shí)判為MFSK,當(dāng)σ2<TH3時(shí)判為MPSK。表2就是通過該方法計(jì)算出的幅值方差。

tx5-b2.gif

    從表2中可以看出,調(diào)制信號的幅度方差σ2能很好地區(qū)分出振幅是否變化的信號,并且服從Nakagami分布的背景噪聲對信號幅度方差σ2影響不是很大,在低信噪比下信號區(qū)分度還是比較理想的。根據(jù)TH1、TH2這兩個(gè)門限能夠有效地識別出三類信號:MASK,16QAM和MFSK、MPSK。

    為了識別MFSK和MPSK信號,需要進(jìn)一步對這兩類信號進(jìn)行處理。在文獻(xiàn)[15]中已經(jīng)對峰度作了詳細(xì)的介紹。峰度可以使參數(shù)保持信號原有的分布特征,在低信噪比的情況下可以減小了孤立采樣點(diǎn)所帶來的影響。假設(shè)信號的特征向量為Xi(i=1,2,…,n),那么峰度的定義[15]為:

tx5-gs6.gif

    由表1可知,雖然MFSK信號的小波變換系數(shù)幅值是一個(gè)多峰值階梯函數(shù),但由于峰度本身的特性,MFSK信號的峰度卻很小。而MPSK信號的小波變換系數(shù)幅值是一個(gè)常量,它的峰度卻較大。因此,可以在兩類信號的峰度值之間找到一個(gè)閾值TH3。當(dāng)峰度值大于TH3時(shí),則判為MPSK信號,反之,則判為MFSK信號。

4.2 分類器的結(jié)構(gòu)

    經(jīng)以上分析,可以畫出圖2所示的分類器結(jié)構(gòu)。它由三部分組成:(1)計(jì)算調(diào)制信號的幅值方差,根據(jù)計(jì)算出的結(jié)果設(shè)置門限值,可以區(qū)分出MASK,16QAM和MPSK、MFSK三類信號。(2)根據(jù)MPSK和MFSK信號小波變換系數(shù)幅值的峰度值得到閾值TH3,這樣可以將MPSK、MFSK信號區(qū)分出來。(3)根據(jù)信號的小波變換系數(shù)幅值的層數(shù)可以實(shí)現(xiàn)各調(diào)制信號的類內(nèi)識別。圖1中C表示數(shù)字信號的小波變換系數(shù)幅值的層數(shù),N1、N2是設(shè)置的層數(shù)門限值,分別為3和6。第(2)部分中TH3的值是根據(jù)文獻(xiàn)[16]中提出的方法進(jìn)行確定的,本文中TH3取2.97。

tx5-t2.gif

5 仿真結(jié)果

    根據(jù)以上的分析,給出所設(shè)計(jì)分類器的識別效果。本文中所識別的信號分別是2ASK、4ASK、2PSK、4PSK、8PSK、2FSK、4FSK、8FSK、16QAM。信源比特流長度為40,載波頻率為5 kHz,采樣頻率為50 kHz,碼元周期為1 s,每個(gè)符號內(nèi)的采樣點(diǎn)數(shù)為50。在仿真中取門限TH1為0.3,門限TH2為0.07,閾值TH3取2.97。層數(shù)門限N1設(shè)為3,N2設(shè)為6,當(dāng)層數(shù)大于等于N2時(shí)判為八進(jìn)制調(diào)制,大于N1且小于N2時(shí)判為四進(jìn)制調(diào)制,小于等于N1時(shí)就判為二進(jìn)制調(diào)制。

    表3和表4所示是在進(jìn)行200次獨(dú)立試驗(yàn)后得到的統(tǒng)計(jì)結(jié)果。從表3和表4可以看出,在類實(shí)際電力線通信信道環(huán)境下,當(dāng)信噪比為5 dB時(shí),數(shù)字信號類間的識別可以達(dá)到100%;MASK的類內(nèi)平均正確識別率在95%左右,MPSK和MFSK的類內(nèi)平均正確識別率均在96%左右。

tx5-b3.gif

tx5-b4.gif

    tx5-t3.gif圖3所示的PSK、FSK、16QAM、ASK信號的正確識別概率是在1 000次獨(dú)立的實(shí)驗(yàn)基礎(chǔ)上統(tǒng)計(jì)出來的平均正確識別概率。從圖3可以看出,當(dāng)信噪比為11 dB時(shí),各類信號的正確識別率都可以達(dá)到100%;當(dāng)信噪比為0 dB時(shí),除了MPSK信號外,其他信號的正確識別率都在75%以上,可能是選取的門限值將MPSK信號判為16QAM或者M(jìn)FSK信號。圖4、圖5和圖6分別是MFSK、MPSK和MASK、16QAM信號的類內(nèi)識別概率。從這三幅圖中可以看出,當(dāng)信噪比為0 dB時(shí),它們的類內(nèi)正確識別概率均可達(dá)到75%以上;當(dāng)信噪比為5 dB時(shí),它們類內(nèi)的識別率可以達(dá)到90%以上。從圖7中可以看出,當(dāng)信噪比為5 dB時(shí),信號的正確識別概率將會達(dá)到90%以上。

tx5-t4-5.gif

tx5-t6-7.gif

6 結(jié)論

    本文采用小波變換識別數(shù)字調(diào)制信號的方法,設(shè)計(jì)了用于識別數(shù)字調(diào)制信號類型的識別器。在電力線背景噪聲下,該識別器在MFSK、MPSK、MASK、16QAM幾類信號的類間和類內(nèi)識別效果是比較理想的,且本文所設(shè)計(jì)的識別器與文獻(xiàn)[1]設(shè)計(jì)的識別器相比,具有計(jì)算簡單、計(jì)算量比較小的特點(diǎn)。首先,識別器根據(jù)數(shù)字調(diào)制信號的幅度方差對信號進(jìn)行類間判別,然后計(jì)算MPSK、MFSK信號的峰度值,作出峰度值的概率密度曲線,找出上述曲線的交叉點(diǎn)確定識別的閾值TH3,最后根據(jù)信號的小波變換的系數(shù)幅值,確定信號幅值的層數(shù),進(jìn)而實(shí)現(xiàn)信號的類內(nèi)識別。在類間識別過程中,當(dāng)信噪比為0 dB時(shí),信號的識別率可以達(dá)到80%左右;當(dāng)信噪比為10 dB時(shí),信號的識別率可以達(dá)到99%左右。在MPSK、MFSK識別過程中,當(dāng)信噪比為5 dB時(shí),信號的識別率可以達(dá)到95%左右,但是當(dāng)信噪比較小時(shí),信號的正確識別率就不是很理想,這可能與閾值的選取有關(guān)。在信號類內(nèi)識別中,只要信噪比在5 dB以上都可以達(dá)到良好的效果。所以在電力線通信中,盡量采用MFSK、16QAM或者M(jìn)ASK調(diào)制方式對信號進(jìn)行調(diào)制,一方面可以提高抗噪聲性能,另一方面可以提高信號的正確識別率,為后期的信息識別提高效率。

參考文獻(xiàn)

[1] HO K C,PROKOPIW W,CHAN Y T.Modulation identification of digital signals by the wavelet transform[J].IEE Proceedings-Radar,Sonar and Navigation,2000,147(4):169-176.

[2] POLYDOROS A,KIM K.On the detection and classificationof quadrature digital modulations in broadband noise[J].IEEE Truns.Commun.,1990,38(8):1199-1211.

[3] KANNAN R,RAVI S.Digital signals classification in cognitive radio based on discrete wavelet transform[C].2012 Internetional Conference on Control Engineering and Communication Technology,2012:870-873.

[4] HAZZA A,SHOAIB M,ALSHEBEILI S A,et al.An overview of feature-based methods for digtal modulation classification[C].2013 1st International Conference on Communications,Signal Processing,and their Applications,2013:1-6.

[5] NANDI A K,AZZOUZ E E.Algorithms for automatic modualtion recognition of communication signals[J].IEEE Trans.Communications,1998,46(4):431-436.

[6] SHERMEH A E Z,GHADERI R.An intelligent system for classification of the communication formats using PSO[J].IEEE Informatica,2008,32(5):213-218.

[7] 陳琦珍.數(shù)字調(diào)制信號方式的小波識別算法研究[D].南昌:南昌大學(xué),2007.

[8] MATSUO H,UMEHARA D,KAWAI M,et al.An iterative detection for OFDM over impulsive noise channel[C].Proceedings of the 6th International Symposium on Power-Line Communications and its Applications(ISPLC),2002:27-29.

[9] BALAKIRSKY V B,VINCK A J H.Potential limits on power-line communications over impulsive noise channel[C].7th ISPLC in Proc.,2003:32-36.

[10] MENG H,GUAN Y L,CHEN S.Modeling and analysis of noise effects on broad-band power-line communications[J].IEEE Trans.Power Del.,2005,20(2):630-637.

[11] KIM Y,OH H M,CHOI S.Closed-form expression of Nakagami-like background noise in power-line channel[J].IEEE Trans.Power Del.,2008,23(3):1410-1412.

[12] KIM Y,RHEE S W.BER performance of binary transmitted signal for power line communication under Nakagami-like background noise[J].Journal of International Council on Electrical Engineering,2014,4(1):54-58.

[13] Zheng Tao,Yang Xiaoxian,Zhang Baohui,et al.Statistical analysis and modeling of noise on 10-kv medium-voltage power lines[J].IEEE Trans.Power Del.,2007,22(3):1433-1439.

[14] 張德豐.Matlab小波分析與工程應(yīng)用[M].北京:國防工業(yè)出版社,2008.

[15] 陳桂明.MATLAB數(shù)理統(tǒng)計(jì)(第6版)[M].北京:科學(xué)出版社,2002.

[16] Meng Lingling,Si Xiujie.An improved algorithm of modulation classification for digital communication signals based on wavelet transform[C].Proceedings of the 2007 International Conference on Wavelet Analysis and Pattern Recognition,2007:1126-1231.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。