一种低压电力线通信信道的感知和接入技术

 董晓明1  王永建2  江  虹1  刘  涛3

（西南科技大学信息工程学院1，四川绵阳621010；国家计算机网络应急技术处理协调中心2，北京100029；中国石油大学（北京）地球物理与信息工程学院3，北京102249）

摘要：低压电力线通信为智能电网、智能家居以及“最后一公里”提供了高效可靠的信息传输方案。然而，受电力线通信信道环境不理想的影响，数字信号传输到接收端时会有大量的噪声存在，这将造成误码率提高，甚至导致通信中断。针对此问题，结合认知无线电技术，提出了一种基于部分可观察马尔可夫决策过程( POMDP)的信道认知接入方案。仿真结果表明，该方案能够有效避开噪声，提高数据传输的可靠性和有效性，同时也提高了优质频谱的利用率。

关键词：电力智能电网通信无线电技术调制解调噪声干扰频谱信道

中图分类号：TP18;TH89DOI：10.16086/j．cnki．issnl000 - 0380. 201604015

0引言

 电力线通信技术是指利用电力线来传输数据信号的通信方式，具有投资少、覆盖范围广、方便快捷等优点，有着非常广阔的应用前景和实用价值。然而，电力线通信是一种特殊的有线通信方式，其信道起初是为传输电能而设计的，因此在传输信号时会出现噪声干扰强、信道衰减大等问题。

 对于电力线通信的抗噪声问题，传统的解决方法是在物理层和介质访问控制( medium access control，MAC)层进行的，例如调制解调技术、信道编码技术、路由技术等。然而认知无线电( cognitive radio，CR)技术的迅速发展为我们提供了一个很好的启示。

 本文通过结合认知无线电相关技术，提出了一种基于部分可观察马尔可夫决策过程( partiallyobservable Markov decision process，POMDP)的信道认知接人的电力线通信系统，不但提高了电力线通信的抗干扰能力，而且充分利用了有效的PLC频谱资源，提高了信道利用率。

1  系统模型

 电力线通信和认知无线电技术相结合，利用频谱感知技术，智能管理电力线通信信号的频谱和信道资源。然而在低压电力线通信中应用认知无线电技术时，由于低压电力线环境中不存在主用户和次用户的问题，因此将认知无线电中检测周围环境中主用户的概念，更换为检测电力线通信中信道噪声的情况。

 通信系统通过感知各个信道的实际噪声情况，给出相应的阈值，划分出可用域和不可用域，从而关闭噪声干扰严重的信道，选择接入状况良好的信道进行可靠的通信，并通过实时检测外界的信道环境、相应地调整某些工作参数，来达到最佳的通信效果。本文提出将电力线通信信道的感知和接入的过程建模为部分可观察马尔可夫决策过程。

 设某段频谱由Ⅳ个子信道组成，每个子信道带宽为B n(n=1，2…．，N)，这N个信道授权给主用户即信道噪声情况，信道用户之间通过同步时隙的方式进行通信。其中次用户只能周期地感知频谱状态，在信道噪声小于规定阀值时接入信道进行数据传输，并实时侦听信道。一旦信道噪声大于规定阀值，就进行频谱切换。N个信道的噪声情况可以表示成M =2N个状

态的离散马尔可夫过程。时隙t的状态可用向量S=

道的噪声情况大于规定的阀值，此时次用户不可接入；1表示信道的噪声情况小于规定的阀值，此时次用户可接入）。信道在时隙间的状态转移关系如图1所示。

 图1中，P01表示信道由不可接入变为可接人的概率，P11表示信道继续保持可接入状态的概率。当N=3时，机会频谱出现的情况如图2所示。

 S i (t)=0，表示信道i在时刻t信道状况良好，可以被次用户使用。在每一个时隙，当一个认知用户选择一些信道进行检测和接入，发现频谱机会时产生一个承受机退避时间（back offtime），如果退避时间耗尽时，这个频谱机会还没有被其他用户接人，系统就开始传输数据，此后接收方返回一个传输成功的确信信息，并得到一个收益值。时隙结构由频谱感知、数据传输、确认信息三部分组成，如图3所示。

2.2次优的信道感知和接入策略

 对于POMDP问题，寻找最优策略的复杂度会随着系统中信道数的增加而呈指数增长。在通信设备上实现实时的计算非常困难，因此采用贪婪算法求解上述问题，以此降低求解该问题的复杂度。

 贪婪算法解决POMDP问题的可行性。现假设每个信道都相互独立，如图2所示，信道a从状态0转到状态1的概率为a a而保持

虽然贪婪算法无法达到问题的最优解，但是在解的优化程度和计算复杂程度上是一个合适的折衷。

3仿真结果与分析

 为了验证本文所提方案的有效性，本节将结合所设置的场景进行仿真。其中：信道带宽为1，仿真时隙个数为30，仿真次数为10 000次。

 图4给出了信道个数为9时，单个认知用户接人下，不同的信道转移概率所对应的信道归一化吞吐量的对比图。从图4中可以看出，当a和β比较大时（即信道噪声小，信道更多的是处于良好状况），认知用户接入可以获得较大的吞吐量；随着a和β不断变小（即信道状况越来越差），认知用户接人获得的吞吐量越来越小。当信道改变和保持的概率都为0.5，马尔可夫信道变为独立同分布序列，信息不能从过去的观察中获得。此时，使用贪婪算法的效果与随机算法无异，这与实际情况是相符的。

 图5表示当单个认知用户接人时，最优算法、贪婪算法和随机接入算法吞吐量的比较。此处贪婪算法和最优算法表示认知用户从自身的需求出发，选择状况良好的信道进行感知接入；随机接入算法表示认知用户不考虑信道的噪声情况，随机地选择一个信道进行感知接入。由于信道噪声的存在及噪声的随机性，会使有用信号和噪声发生冲突，从而降低信道的吞吐量。同时，图5的仿真结果也表明使用贪婪算法考虑信道的噪声情况。选择最优的信道接入将有效地提高吞吐量并和最优算法的性能相当，但是贪婪算法降低了问题的复杂度。

 图6表示的是当多个用户接入时，贪婪算法和随机接人算法在不同数据到达率下的吞吐量的比较。假设：信道状态转移概率a=0.2，β=0.8；仿真时间T=1×105个时隙，信道个数N为10，次用户个数为3。次用户的消息到达率采用泊松分布，到达的消息长度采用几何分布。需要传输数据的次用户根据贪婪算法选择一个状况良好的信道进行接人。如果某一信道同时被多个次用户选中，根据退避算法，将有且仅有一个次用户成功使用该信道传输数据。

 从图6可以看出，随着消息到达率的增大，次用户的吞吐量也随之慢慢增大，而且使用贪婪算法要明显优于使用随机接入算法。

 图7表示当多个用户接入时，贪婪算法和随机接人算法在不同数据到达率下的频谱利用率（整个时隙T所利用频谱与所有频谱之比）。由图7可知，随着消息到达率的增大，两种方案的频谱利用率不断提高并趋于稳定。由于仿真所设置的次用户数小于信道数，且即使出现了空闲频谱此用户也不一定有数据传输，所以频谱利用率最终维持在53%以下。趋于稳定后，贪婪算法的频谱利用率明显高于随机接入算法。

4结束语

 针对电力线通信中的抗干扰问题，本文结合认知无线电技术，提出了一种基于POMDP模型的电力线通信信道的感知和接人方案。该方案通过把信道噪声建模为主用户，然后把次用户在每个时隙开始时对信道的选择建模成一个POMDP问题，并采用贪婪算法和随机接人算法对其进行求解，得到一系列的信道接入策略。Matlab仿真结果表明，用户根据电力线通信信道状况的好坏，进行选择性的接人，可有效解决电力线通信中的抗干扰问题，提高信道吞吐量和频谱利用率。