[发明专利]基于神经网络识别传递函数特征实现信道阻抗估计的方法

说明书

本发明公开了基于神经网络识别传递函数特征实现信道阻抗估计的方法，属于电力线通信阻抗测量技术领域，本发明根据不同阻抗具有不同反射系数从而导致信道传递函数不同这一特性，采用philipps模型，以电力线通信网为通信结构，建立了传递函数和信道阻抗之间的映射关系模型，通过模型可获得信道阻抗公式；采用BP神经网络对公式进行训练和预测，通过采集不同场景下的样本进行训练，使BP神经网络模型公式权值更精确；基于神经网络的技术对信道阻抗进行实时估计。本发明方法无需专门的阻抗测量电路，而且通信和阻抗测量可同时进行，能够实现阻抗的在线实时估计，并且提高了噪声条件下的准确度。

技术领域

本发明涉及电力线通信阻抗测量技术领域，具体为基于神经网络识别传递函数特征实现信道阻抗估计的方法。

背景技术

电力线通信技术是电力物联网重要的通信方式之一，是实现海量电气设备互联互通的重要解决方案。电气设备工作状态的随机切换，电力线的阻抗的变化会导致接收端接收功率随之变化，严重影响了电力线通信的质量。

目前，针对电力线信道的阻抗测量主要有两种方法。是采用专用的阻抗测试设备对电力线通信线路进行阻抗测量，线路的阻抗特性可由仪器设备直接输出。另方法是根据阻抗测量原理设计阻抗测量系统：DDS信号源产生特定频率的正弦波，通过测量负载端的阻抗值、反射系数或电压驻波比等参数。微处理器根据测量的参数，执行匹配算法完成阻抗的匹配。这两种方法虽然在一定程度上可以完成对线路的阻抗进行测量和估计，但是这两种方法都很难直接实时测量，在进行阻抗测量的同时，无法进行通信测量系统与PLC通信系统是两套独立的系统，不仅成本高，而且测量系统与PLC通信系统之间存在阻抗特性差异，因此会导致测量结果与实际的阻抗特性存在偏差，影响了最终的匹配效果。

发明内容

本发明的目的在于提供基于神经网络识别传递函数特征实现信道阻抗估计的方法，利用神经网络建立了传递函数和信道阻抗之间的映射关系，测量电力线的阻抗，可以有效提高电力线的通信质量和速度，能够实现阻抗的在线实时估计，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于神经网络识别传递函数特征实现信道阻抗估计的方法，包括以下步骤：

S1：采用philipps模型建造阻抗传递函数，以电力线通信网模型为结构，得出电力线信道阻抗的关系式；

S2：建立并训练BP神经网络，建立神经网络，设置发送端内阻Z_S，接收端内阻Z_L3，负荷负载Z_L2参数，运用oss算法对神经网络进行学习；

S3：基于BP神经网络对阻抗传递函数的学习，实现对阻抗的实时估计。

更进一步地，S1中具体方法如下：

S101：将典型的电力系通信网络结构分成n个基本单元，每个基本单元的结构为只有主干或者包括主干及若干个分支，将分支等效成支路侧的阻抗且分支与主干并联，则各支路参数σ_i的计算公式为：

式(1)中，Γ_jk表示线路j到线路k的传输因子，ρ_jk表示线路j到线路k的反射因子，ρ2C、ρ2B是线路2在C点和B点处的反射因子；

其中，Γ_jk与ρ_jk的关系表达式可为：

Γ_jk＝1+ρ_jk (2)

其中，ρ2C、ρ2B的计算关系公式为：