基于小波变换的电力线通信信号识别研究基于小波变换的电力线通信信号识别研究
在电力线数字通信信号识别研究中，针对电力线通信强噪声干扰和识别器算法复杂的现状，设计了一种算法简
单、计算量小的信号识别器。在输入噪声为背景噪声的条件下，通过小波变换的方法提取电力线数字通信信号
的特征值，由统计识别模式得到最优识别阈值，将阈值和信号的特征值进行比较，最终识别信号的调制类型。
仿真结果表明，当信噪比为5 dB时，类间和类内的正确识别率分别达到93%和95%。
0 引言引言
近些年，
目前，信号识别可以分为类间识别和类内识别。类间识别指的是识别不同类型的调制信号，例如ASK、PSK、FSK等信号
的识别；类内识别指的是识别同一类信号中的不同调制进制的信号，例如2PSK、4PSK、8PSK。在类内识别方面，HO K C
等人
[1]
使用
[2]
提出了最大似然比调制识别器，它成功地识别了BPSK和QPSK信号。在类间识别方面，KANNAN R和RAVI D
S
[3]
使用离散小波变换成功识别出DPSK、PSK和MSK；HAZZA A
[4]
等人提出基于特征的方法成功识别出FSK、ASK、PSK、
QAM等信号，但是所设计的识别器计算量比较大。
在识别PLC信号方面，本文采用的是统计模式识别方法
[5-6]
，这种方法计算量比较小，容易求解。本文针对文献[1]所提出的
识别器模型，改进并设计了一种算法简单、计算量较小的信号识别器。在低信噪比的情况下，识别效果也是比较理想的。基于
近似实际的电力线通信信道的仿真结果和比较试验显示出本文所改进和设计的识别器的有效性。
1 信号模型信号模型
设r(t)为接收到的信号的复数模型：
其中s(t)是调制信号的复数形式，n(t)是电力线信道的
c
是载波频率，θ
c
是载波相位。
对于多进制信号(MQAM、MPSK、MFSK、MASK)的表达式，许多文献已经给出，而本文采用是文献[7]给出的。
2 噪声模型噪声模型
实际电力线的噪声包括两部分：背景噪声和脉冲噪声
[8-9]
。本文的背景噪声采用概率密度服从Nakagami-m分布的模型来表
示
[10-12]
。文献[13]验证了PLC系统中的该噪声模型的可行性。本文只研究背景噪声，并且忽略频率衰减性对PLC系统的影
响。背景噪声的特征向量(X)服从Nakagami-m分布，其概率密度函数为：
其中，Γ(*)是伽马函数，
Ω是背景噪声的平均功率，定义为 这里E[*]表示期望，m是Nakagami-m的参数，即形状因子，表示衰减的严重
程度。m=E[X
2
]/E[(X
2
-E[X
2
])2]≥0.5。图1为Ω=2、m=2下的背景噪声仿真图。
3 Haar小波变换的特征小波变换的特征
对于任意函数s(t)∈L
2
(R)的连续小波变换的定义为：
资源评论
