基于神经网络的自适应电力线双模通信系统的设计

1.本发明涉及信息传输技术领域，具体涉及基于神经网络的自适应电力线双模通信系统的设计。


背景技术：

2.随着工业互联网领域的不断发展，传统电力线耦合信号进行有线载波通信的单一方式已经不能完全满足当前通信性能的需求，在线路出现故障时往往需要抢修人员前往现场，无法及时恢复通信。而将高速电力线载波通信(hplc)和高速无线通信(hrf)融合的电力线双模通信方式，解决了电力线载波通信方式对电力线信道稳定性的依赖问题：当线路出现损坏或者有线信道质量较差时，可以由无线通信方式转发有线中断信息和线路故障信息，及时定位故障问题，保障系统的正常通信。
3.双模通信过程中，系统对有线信道的信噪比和信号强度进行实时检测，并依据正常工作状态时的信道参数设置阈值，实时对电力线载波通信的可靠性进行判断，若达到hplc信道下限阈值后将模式转换为无线通信方式,待有线信道恢复至正常状态时，系统切换回有线通信方式。
4.现有基于自适应模块的电力线双模通信系统在工作时，主要是以接收信号的信噪比和信号强度作为信道质量的判断依据，当信道质量达到一定门限时，系统进行通信方式的切换。一种基于rssi自适应的双模通信模块设计与实现(孔英会，李建超，陈智雄.科学技术与工程，2016，16(23)：203-207.doi:10.3969/j.issn.1671-1815.2016.23.039)，是使用接收信号强度(rssi)去评估信道质量，根据信号强度是否符合既定的阈值区间自适应地选择有线信道或者无线信道，仅使用接收信号强度去评估信道质量，没有充分利用到整个接收机系统中各个模块的输出信号去对信道质量做更进一步的分析，通信方式的切换也仅仅是根据信号强度是否符合阈值区间在有线和无线通信方式两种方式中进行切换。基于hplc与rf自适应通信的配用电异构场域网(黄瑞,刘超,刘谋海,等.电力系统及其自动化学报,2022,34(1):76-83.doi:10.19635/j.cnki.csu-epsa.000603)中提出双模自适应异构场域网的技术，在信号强度的基础上增加了信噪比的指标去综合评估信道质量，不仅可以自适应调整系统的通信信道，亦可调整系统的调制方式，提高了传输效率。但对于误码率、误比特率等更加直观反映信道质量的参数没有加以利用，信道编码方式单一。
5.综上所述，现有的双模通信自适应技术的信道质量评估不完善、双模系统自适应调整策略单一的缺陷亟待解决。在检测信道质量方面没有对多种信道参数进行详细分析和预警，时效性低、鲁棒性差。双模通信系统的应用场景若发生变化，需要重新对新场景的有线和无线信道参数进行采集，设置全新的系统通信策略，可移植性不高、实用性较低。
6.本发明针对上述两个缺陷对自适应的双模通信系统进行设计，通过采集接收端经过同步、译码等模块的数据来计算、表征信道环境，并将fft变换、信道估计模块采集到的数据绘制成星座图，应用神经网络对星座图进行信道质量评估。系统将二者分析结果综合考量，根据神经网络预先训练好的信道分析模型，迅速调整当前通信模式和基带数据的编码/
调制方式、信号强度。在不同的应用环境中，自适应模块可以通过预先对多个典型场景的信道特征进行训练，从而快速匹配当前最佳的场景应用模式。


技术实现要素：

7.为克服上述的技术问题，本发明的目的在于提供基于神经网络的自适应电力线双模通信系统的设计。
8.本发明的目的可以通过以下技术方案实现：
9.基于神经网络的自适应电力线双模通信系统，包括电力线载波通信模块、无线通信模块和双模自适应模块；所述电力线载波通信模块包括有线发送端和有线接收端；所述无线通信模块包括无线发送端和无线接收端；所述有线通信模块和无线通信模块均包括如下三种数据通信方式：正常收发方式、应答收发方式和场景检测方式；双模自适应模块包括基于神经网络的信道环境分析模块和场景应用模块。
10.有线发送端的主要模块有：信道编码、信道交织、分级拷贝、星座点映射、ifft、加循环前缀、加窗、加前导等模块。有线接收端的主要模块有：同步、fft、解调、分级合并、信道解交织、译码等模块。
11.无线发送端的主要模块有：信道编码、信道交织、分级拷贝、星座点映射、ifft、加循环前缀、加窗、加前导、上变频等模块。无线接收端的主要模块有：下变频、同步、fft、信道估计、解调、分级合并、信道解交织、译码等模块。
12.作为本发明进一步的方案：所述电力线载波通信模块、无线通信模块均使用正交频分复用调制方式，即ofdm调制。
13.作为本发明进一步的方案：有线发送端的正常收发方式具体为上位机将有效数据帧从数据链路层发送至物理层的有线数据输入接口，经过发送端将已编码调制的ofdm数据信号耦合至低压电力线上进行传输，传送至接收端后，将信号解调译码传回上位机。
14.作为本发明进一步的方案：有线发送端的应答收发方式具体为发送端的上位机在正常收发方式的间隙中，发送一个基准信号用于测试信道参数，此时发送端的上位机开始切换为应答接收状态，接收端的上位机开始切换为应答发送状态；该基准信号经过发送端后同样耦合至电力线中，接收端将采集到同步模块、fft模块和最终译码模块输出的数据送入自适应模块进行计算处理，而自适应模块的处理结果作为应答发送数据通过接收端发还给发送端，至此应答收发方式结束，上位机从应答收发方式转为正常收发方式。
15.作为本发明进一步的方案：有线通信模块场景检测方式与应答收发方式大体一致，但它是在自适应模块工作在场景模式识别功能时启动，目的是对不同的应用场景进行初始化设置，无需在双模通信系统正常工作间隙时收发测试信号。
16.无线通信模块正常收发有效数据的具体流程是：上位机将有效数据帧从数据链路层发送至物理层的无线数据输入接口，经过发送端后将已编码调制的ofdm数据信号上变频，再由天线射频发出，接收端天线接收后，经过下变频将信号同步、解调、译码传回上位机。
17.无线通信模块应答收发测试数据的具体流程是与有线大致相同，不同点是接收端分别将采集到同步模块、fft模块、信道估计模块和最终译码模块输出的数据送入自适应模块进行计算处理，并将自适应模块的处理结果作为应答发送数据发还给发送端，至此应答
收发方式结束，上位机从应答收发方式转为正常收发方式。
18.无线通信模块场景检测方式与有线通信模块场景检测方式一致，都是在自适应模块工作在场景模式识别功能时启动。
19.作为本发明进一步的方案：信道环境分析模块工作在双模通信应答方式期间，自适应模块采集并处理传输至接收端各个模块的测试信号，然后把处理得到的信道分析结果反馈至发送端上位机，发送端上位机控制系统做出相应改变，使得双模通信系统适应当前信道环境。
20.作为本发明进一步的方案：信道环境分析模块的预处理包括如下组成：
21.(1)计算测试信号的信号强度和信噪比；
22.(2)计算测试信号的误码率、误比特率；
23.(3)依据频域数据绘制星座图。
24.作为本发明进一步的方案：所述场景应用模块在场景检测模式时，对多个经典电力线双模通信场景进行测试，将在既定场景采集到的信道参数使用神经网络进行训练，得到每个场景最优的通信模式、编码/调制方式、信号强度通信系统参量，在移植电力线双模通信系统时，启用场景应用模式采集当前信道环境，与预先建立的场景模型进行比对，得到两者最匹配的场景环境，场景应用模块将分析结果传给上位机，并控制该场景的通信方式。
25.本发明的有益效果：
26.本发明公开的一种基于神经网络的自适应电力线双模通信系统，其中电力线双模系统的三种不同的数据通信方式：正常收发方式、应答收发方式和场景检测方式，保证了双模自适应模块进行数据采集时的可靠性和双模自适应模块不同功能使用时的稳定性。神经网络的信道环境分析训练模型是基于自适应模块中预先计算的信噪比、信号强度、误码率和误比特率等多种信道参数，以及创新性的将接收端中的频域数据转为星座图，作为训练模型的输入进行训练。
27.神经网络的信道环境分析模块，能够在双模系统工作期间实时检测信道环境变化，快速决策最优通信方式(有线/无线通信模式)、信道编码方式(turbo编码/ldpc编码)、调制方式(bpsk/qpsk/16qam)、信号强度等通信系统参量。神经网络的场景模式识别训练模型，是在基于神经网络的信道环境分析模块训练模型基础上进行拓展，加入路灯、隧道和工厂等典型的电力线双模通信场景作为训练模型的输入进行训练。神经网络的场景模式识别模块，能够在双模系统移植时，对当前环境进行初始化检测，快速完成复杂的场景识别工作，并向系统提供最优通信策略选择。
28.本发明能够对双模信道参数进实时检测和场景模式检测，实现对有线和无线两个信道参数变化的实时监测和系统通信策略的自适应调整，快速维护电力线双模高质量通信，保证通信过程的稳定性。自适应模块通过多个渠道获取接收端足够的信道参数进行基于神经网络信道环境分析模型训练，实时分析信道环境，快速反馈当前信道质量下最优通信策略，使得双模通信系统通信质量好、稳定性高、鲁棒性强。除此之外，自适应模块预先对多个典型场景的信道特征基于神经网络算法进行训练，在双模通信系统移植阶段，能根据不同的场景快速完成系统通信策略的初始化配置，具有较高的可移植性和实用性。
附图说明
29.下面结合附图对本发明作进一步的说明。
30.图1是本发明基于神经网络自适应的电力线双模通信系统框图；
31.图2是本发明有线通信系统整体架构图；
32.图3是本发明无线通信系统整体架构图；
33.图4是本发明信道分析模块具体流程框图；
34.图5是本发明场景识别模块具体流程框图；
35.图6是本发明经典电力线双模应用场景及其信道特点示意图。
具体实施方式
36.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
37.请参阅图1-6所示，基于神经网络自适应的电力线双模通信系统由电力线载波通信模块、无线通信模块和双模自适应模块组成，电力线载波通信模块、无线通信模块均使用正交频分复用调制方式，即ofdm调制。
38.电力线载波通信模块由有线发送端和有线接收端组成，电力线载波通信模块如图2所示。有线发送端的主要模块有：信道编码、信道交织、分级拷贝、星座点映射、ifft、加循环前缀、加窗、加前导等模块。有线接收端的主要模块有：同步、fft、解调、分级合并、信道解交织、译码等模块。
39.有线发送端共有三种数据通信方式：正常收发方式、应答收发方式和场景检测方式。
40.有线发送端正常收发有效数据的具体流程是：上位机将有效数据帧从数据链路层发送至物理层的有线数据输入接口，经过发送端将已编码调制的ofdm数据信号耦合至低压电力线上进行传输，传送至接收端后，将信号解调译码传回上位机。
41.有线发送端应答收发测试数据的具体流程是：发送端的上位机在正常收发方式的间隙中，发送一个基准信号用于测试信道参数，此时发送端的上位机开始切换为应答接收状态，接收端的上位机开始切换为应答发送状态。该基准信号经过发送端后同样耦合至电力线中，接收端将采集到同步模块、fft模块和最终译码模块输出的数据送入自适应模块进行计算处理，而自适应模块的处理结果作为应答发送数据通过接收端发还给发送端，至此应答收发方式结束，上位机从应答收发方式转为正常收发方式。
42.有线发送端场景检测方式与应答收发方式大体一致，但它是在自适应模块工作在场景模式识别功能时启动，目的是对不同的应用场景进行初始化设置，无需在双模通信系统正常工作间隙时收发测试信号。
43.(2)无线通信模块
44.无线通信模块分别由无线发送端和无线接收端组成，无线通信模块结构如图3所示。无线发送端的主要模块有：信道编码、信道交织、分级拷贝、星座点映射、ifft、加循环前缀、加窗、加前导、上变频等模块。无线接收端的主要模块有：下变频、同步、fft、信道估计、
解调、分级合并、信道解交织、译码等模块。
45.无线通信模块共有三种数据通信方式：正常收发方式、应答收发方式和场景检测方式。
46.无线通信模块正常收发有效数据的具体流程是：上位机将有效数据帧从数据链路层发送至物理层的无线数据输入接口，经过发送端后将已编码调制的ofdm数据信号上变频，再由天线射频发出，接收端天线接收后，经过下变频将信号同步、解调、译码传回上位机。
47.无线通信模块应答收发测试数据的具体流程是与有线通信模块应答收发测试数据相同，不同点在于接收端分别将采集到同步模块、fft模块、信道估计模块和最终译码模块输出的数据送入自适应模块进行计算处理，并将自适应模块的处理结果作为应答发送数据发还给发送端，至此应答收发方式结束，上位机从应答收发方式转为正常收发方式。
48.无线通信模块场景检测方式与有线通信模块场景检测方式一致，都是在自适应模块工作在场景模式识别功能时启动。
49.(3)基于神经网络的双模自适应模块
50.双模自适应模块由基于神经网络的信道环境分析模块和场景应用模块组成。
51.基于神经网络的信道环境分析模块工作在双模通信应答方式期间，自适应模块采集并处理传输至接收端各个模块的测试信号，然后把处理得到的信道分析结果反馈至发送端上位机，最后发送端上位机控制系统做出相应改变，使得双模通信系统最优适应当前信道环境。
52.信道环境分析模块的预处理过程由三部分组成：
53.1)计算测试信号的信号强度和信噪比；
54.2)计算测试信号的误码率、误比特率；
55.3)依据频域数据绘制星座图。
56.信道分析模块具体分析流程如图4所示：1.应答收发模式时，采集传输至双模接收端同步模块后的测试信号作为自适应模块的输入之一，依据前导符号计算信号强度和信噪比；2.信道分析模块根据电力线载波通信模块中的同步和fft模块采集到的测试数据和无线通信模式中的同步、fft以及信道估计模块采集到的测试数据绘制星座图，运用神经网络预先建立好的信道分析模型对星座图进行判别，评估当前信道环境；3.采集最终双模接收端解调译码出来的测试数据，在信道环境分析模块中计算出测试信号的误码率和误比特率；4.神经网络预先建立的分析模型依据前三步计算得到的信号强度、信噪比、信道环境、误码率和误比特率等参数，推理出最适当前通信状态的通信模式、编码/调制方式、信号强度，然后将信道分析模块输出结果反馈至上位机，最后上位机控制双模通信系统做出相应改变。
57.基于神经网络的场景应用模块工作流程如图5所示，在场景检测模式时，对多个经典电力线双模通信场景进行测试，将在既定场景采集到的信道参数使用神经网络进行训练，得到每个场景最优的通信模式、编码/调制方式、信号强度等通信系统参量。在移植电力线双模通信系统时，启用场景应用模式采集当前信道环境，与预先建立的场景模型进行比对，得到两者最匹配的场景环境。场景应用模块将分析结果传给上位机，由操作人员控制是否应用该场景的通信方式。
58.(4)基于神经网络的信道环境分析与场景模式识别
59.针对上述基于神经网络的双模自适应模块，基于神经网络的信道环境分析与场景模式识别的模型建立过程，包括训练阶段和识别阶段。
60.信道环境分析的训练阶段是依据电力线载波通信和无线通信的信道模型、信道编码方式(turbo编码/ldpc编码)、调制方式(bpsk/qpsk/16qam)、信号强度等参数进行组合设置，采集接收端各个模块间的数据，计算相应参量(接收测试信号的信号强度、信噪比、误码率和误比特率)，绘制星座图，从而获取足够的数据集，应用神经网络相关算法建立信道环境分析模型。
61.信道环境分析的识别阶段是预先输入测试信号确定的通信方式、信道编码方式、调制方式和信号强度，再将接收端采集的实时信号所计算出来的参量、绘制出的星座图输入至训练好的信道环境分析模型进行识别，匹配出最切合模型的信道环境，从而得到系统正常收发方式时最佳的通信方式、信道编码方式、调制方式和信号强度。
62.场景模式识别的训练阶段是在信道环境分析的训练阶段输入参数中，加入了工业互联网中电力线双模通信的经典应用场景和出现突发事件时的信道情况，以信道环境分析模块同样方式获取足够的数据集，应用神经网络建立场景模式识别的模型，能够使系统具有更高的可移植性。本设计场景模式识别的训练模型添加的经典电力线应用场景有：基于电力线双模通信的路灯、隧道和工厂，如图6所示。在双模信道特性上，路灯的电力线载波通信环境一般，容易因为雨水和天气原因出现线路故障，而无线传输环境比较稳定，传播路径空旷，但路灯的间隔较远，阻碍较少；隧道电力线载波通信环境较好，其电力线长度相比路灯场景来说较短，线路故障发生几率较小，但无线通信环境较差，空间较为狭窄，容易出现车流拥堵的情况；工厂双模通信环境较为复杂，电力线分布密集，导致电力线载波通信环境质量较差，但工厂一般为流水线作业，具体机器用电时间较为固定，而无线通信环境存在差异，一个车间内有较多大型机床，位置相对固定，无线传输时信道环境相对稳定，但车间与车间内存在墙体阻碍，无线传输时接收端接受的信号强度不高，信噪比较差。
63.场景模式识别的识别阶段是在安装双模通信系统时，系统启用场景检测方式，预先确定测试信号的通信方式、信道编码方式、调制方式和信号强度，再将接收端采集的实时信号输入至训练好的场景模式识别模型进行识别，匹配出最切合模型的信道环境和应用场景，从而得到系统正常收发方式初始化时信号最佳的通信方式、信道编码方式、调制方式和信号强度。
64.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。