基于OFDM低压电力线通信的信道估计算法研究

刘 映，刘永笑，翟明岳

（华北电力大学 电气与电子工程学院，北京102206）

当前，对于OFDM来说，一个非常热门的研究就是将正交频分复用技术当成低压电力线通信调制解调方式，因为对于OFDM技术，其可以对低压电力线信道的多径效应进行抑制，还可以加入CP，进而消除子信道间干扰（ICI）与符号间干扰（ISI）。

低压电力网络是一个复杂的时变系统，这在很多实验测量中也得到了充分的证明。在低压电力网络中传播的信号，会由于这种特殊的性质，而使其产生很大的失真，甚至畸变。那么如何可以有效解决这个问题呢，使得接收端可以准确地对信号进行解调，那么就应该取得信道状态信息（CSI）。

1 对低压电力线信道的特性分析

1.1 低压电力信道的衰减特性分析

如上文所述，低压电力信道的特性非常复杂，在其中传播的信号不仅衰减大，而且具有很强的噪声干扰。笔者对此进行了实际的测量试验，测量得到0～16 MHz的低压电力线信道于1 h中的2条衰减曲线，如图1所示。

图1 实验所得低压电力线通信信道衰减特性曲线

1.2 低压电力线信道的噪声特性分析

噪声的产生和信道的结构、负载等众多因素是分不开的，而电力线信道恰好具有适于产生噪声的各种条件。在通常情况下，电力线信道上的噪声有很多种类型，比如窄带噪声、工频信号异步的周期性脉冲噪声等，这些噪声对低压电力线信道会产生不同的影响，这和它们各自的不同特性有关。因此，实验时要综合考虑主要噪声的干扰。

那么如何才能对这些噪声进行分析呢？首先要考虑的就是对噪声的功率谱进行分析，例如有一些噪声可以将其作为白噪声进行处理，这类噪声主要是高频段上面的背景噪声，还有一些是对通信系统产生的影响是较多的突发噪声与周期性噪声。因此，在仿真中，可以运用周期性噪声与白噪声就噪声实施建模。

2 低压电力线信道模型介绍

2.1 简化的低压电力线时变信道模型

可以这样说，一旦分析出了电力线信道所具有的主要信道干扰特性，就可以大致掌握其统计特性。比如在对不同区域电力线网络信道中进行数据的高速通信时的实验测定，可以得到诸如背景噪声服从高斯分布的结论，这样就可以得到低压电力线基本参考模型，即使用时变线性滤波器来替代，这是一种通用模型。

2.2 对于低压电力线多径信道模型介绍

此种模型与电力线网络特点具有紧密关系：不仅节点与分支没有进行匹配，同时节点又众多，于是，信号的多径传播特性就被决定。再加以分析，可以得到如下模型：

式中，A（f，di）是路径i的线路衰减；A是路径长度di与信号频率f的函数；N是最大路径数；gi则是路径i的衰减系数。

3 基于OFDM低压电力线通信的信道估计算法研究

目前，主要有以下几种信道估计算法。

3.1 盲信道估计算法

此种信道估计算法与传输符号的字符特性以及它的统计特性有关系。众所周知，没有大量的数据是很难获得统计特性的。考虑到信道上，这就要求信道是具有慢变特性，而电力线信道正好具有此特性。因此，就产生了二阶矩盲信道估计算法。

通过实验分析，这种算法的计算量很大，而且具有非常慢的收敛速度，不适合应用于实时通信，但是其获得信道估计值的方法对于数据传送速率的优势却是无可替代的。

3.2 基于导频的信道估计算法

这种算法是通过对导频符号的应用所达到的。所谓导频信息，就是在传输的数据里面插入一些已知的信息。在数据到达接收端之后，通过导频符号的位置就可以对信道实施估计。通过长期的实验，发现块状和梳状导频是两种最常见的导频方式。而块状和梳状导频方式又具有各自的特点和优势，前者把某时刻的全部OFDM符号均安排成为导频，而后者是将导频均匀地分布在各个OFDM符号里。限于篇幅原因，在此不加赘述。

3.3 基于判决反馈的信道估计算法

此算法对前面一个符号的信道估计值进行合理运用，对下个符号信道值进行估计，即：

当然，这种算法也有一定的缺点，其具有非常不稳定的BER－误码率。而BER－误码率极易造成快速循环恶化的后果。如果考虑到信道的突变衰减，在算法的误差扩散方面，其具有很大便利。

3.4 LMS自适应信道估计算法

这种信道估计算法是基于判决反馈思想。尤其在时变信道的应用中，这种算法具有非常大的优势，它可以有效地进行追踪。RLS（recursive least－squares）算法与LMS（least meansquare）算法是它的两种主要的算法。其中，后者已经得到了广泛的应用，这归功于其简便的计算，而且性能稳定，如图2。

图2 LMS自适应信道估计算法

在图2中，rm（n）代表着信道衰落之后的OFDM信号，与此同时Rm（k）是其频域值。于是S＾（k）＝Cm（k）Rm（k）表示均衡值，Cm（k）表示均衡器系数。按照MMSE准则，合理利用最陡下降算法，计算出系数的迭代更新公式如下：

式中，Lm（k）表示第m 次迭代的更新步长；E（k）＝（m）（k）－（k）表示误差函数，通过训练序列可以得到Cm（k）的初始值。均衡系数Cm（k）和信道估计值之间具有倒数关系：

对于此算法，步长Lm（k）的取值是关键之处，与此同时取第m时刻均衡器输入的平均功率是：

其步长伴随着变化的接收信号发生改变，最终可以自适应地进行信道改变的跟踪。

显而易见，LMS算法具有更加稳定的性能，且对时变信道的突变追踪更加有效而且快速。因此，在低压电力线OFDM通信系统中得到了更广泛的应用。和以上几种算法相比，其优势不言而喻。它具有简便的计算，降低了复杂度，可以有效保证信道的实时性。仿真证明它的误码率满足通信要求，所以此种OFDM系统中低压电力线通信信道估计方法是更为有效的。

4 总 结

综上所述，低压电力线通信信道，在比较长的时间中是具有慢变性质的。通过观察，对负载的改变仍然会使得信道衰减具有突变。本文中，笔者列举出了当前最常应用的几种算法，并简要分析了各种算法的优劣所在，显而易见，基于慢时变信道特性的LMS自适应信道估计算法具有优势，它可以很容易地得到实现，而且使得电力线信道的利用率得到了提高。但是，如果应用在实际中，还需要在算法的信道跟踪性能等方面进一步提升。

［1］温家鹏，姜久春，张维戈，等.电池更换模式下电池管理系统的研究［J］.高技术通讯，2010，20（4）：415－421.

［2］丁 颢，张海滨，罗汉文，等.OFDM系统中的信道估计方法分析［J］.通信技术，2002，132（12）：29－31.

［3］张勤进，刘彦呈，赵友涛，张巧芬.低压电力线信道的决策估计算法研究［J］.电力系统通信，2011，（03）：26－28.