网络参数对低压宽带电力线信道的影响

在电力线载波信道的研究中，目前有关电网结构对电力线载波性能的影响研究较少，多径效应和频率选择性衰落现象难以从现有模型得到合理解释，也对电力线节点间的通信性能和路径拓扑中继理论支持不足，制约了宽带电力线载波通信性能的提升。针对此，通过使用基于传输线理论的方法对低压电力线通信信道仿真建模，分析了不同网络拓扑结构对频率为2～30MHz的低压宽带电力线信道特性的影响。仿真得到不同电力线长度、分支长度、单节点分支数、分布式分支数和负载阻抗的低压宽带电力线信道频率响应，并通过反傅里叶变换得到对应的信道时域冲激响应。结果表明，电力线信道频率响应中的峰值点和陷波频点的位置和衰减会受到上述网络参数的影响，时域冲激响应也会因此而衰减和失真。本文的研究对于宽带电力线通信技术在能源互联网中的有效应用具有重要意义。

小波基在低压电力线信道有色背景噪声建模中的应用研究

小波马尔科夫链法可用于低压电力线信道中有色背景噪声的建模,但小波基函数的不同会对噪声的建模精度产生较大影响。基于常用的几种小波基函数对同一组有色背景噪声分别开展小波马尔科夫链仿真建模,并计算了建模前后的功率谱密度及其均方根误差。研究结果表明,Daubecies、Biorthogonal和Haar小波基函数中Daubecies小波基函数的建模精度较高,Haar小波基次之,Biorthogonal小波的建模效果较差。在这3种小波基函数中,Daubecies小波可选为有色背景噪声进行小波马尔科夫链建模的最佳小波基函数。

基于小波神经网络的低压电力线背景噪声建模

为增强电力线通信的抗噪能力,针对低压电力线信道噪声中的有色背景噪声和窄带噪声,提出一种基于小波神经网络的建模方法。首先,将背景噪声进行小波神经网络建模,对比所建模型输出噪声与测试噪声的时域波形及功率谱密度,计算两者功率谱密度的均方根误差;然后,对同一组背景噪声分别进行基于传统的小波马尔科夫链和小波神经网络的建模,并计算2种模型输出噪声与测试噪声的功率谱密度及其均方根误差。仿真结果表明,小波神经网络输出噪声与测试噪声的时域波形及功率谱密度均有着较一致的变化趋势,因此小波神经网络对低压电力线信道背景噪声的建模是有效的,对宽带噪声的建模效果更好。