压缩感知信道估计与小波信号检测方法的研究

发布时间：2017-08-20 14:14

  本文关键词：压缩感知信道估计与小波信号检测方法的研究

  更多相关文章： 压缩感知 小波变换 OFDM信道估计 电参量检测

【摘要】：随着我国电网智能化程度越来越高,越来越多的具有通信功能的用电信息采集终端在电网中使用,对低压电力线载波通信的要求越来越高;同时用电负荷终端产生大量谐波,使得电参量的检测越来越困难。对于用电信息采集终端通信的要求,随着OFDM技术应用到ILV-PLC, LV-PLC传输速率得到了大幅度提高,因此,研究OFDM信道估计问题成为智能电网发展过程中所面临的一项新的挑战。对于电参量的检测,目前有人提出了一些小波信号检测方法,但是还存在一定的问题,需要进一步解决。本文首先介绍了压缩感知与小波变换理论的产生、研究现状、基本原理以及算法实现,讨论了OFDM信道估计与电参量检测的国内外研究现状与发展趋势。其次,深入研究了OFDM基本原理,给出了OFDM系统框图,建立了OFDM基带传输系统,推导得到了基于该系统的OFDM导频信号传输数学模型。该数学模型给出了发送端导频信号与接收端导频信号之间的关系,为压缩感知理论应用到OFDM低压电力线载波通信多径信道估计提供了前提条件。再次,针对LV-PLC信道,分析讨论了载波信号在信道中的传输情况,建立了低压电力线载波通信多径信道传输特性模型。基于该传输特性模型与模型参数,实验得到了该多径信道的幅频特性曲线和冲击响应。然后,深入研究了LS和MMSE信道估计方法以及基于DFT的插值方法;推导证明了OFDM导频信号传输数学模型满足压缩感知条件,将多径信道估计问题转换为压缩感知信号重构问题,提出了OFDM低压电力线载波通信压缩感知信道估计方法。实验仿真结果表明：OFDM低压电力线载波通信压缩感知信道估计方法较LS或MMSE信道估计方法具有更优的性能。最后,研究了小波分频带分解方法,给出了电参量的小波表示方法,分析推导了IIR多相结构小波信号检测滤波器组的结构,提出了IIR多相结构小波信号快速检测方法。实验结果表明：提出的IIR多相结构小波信号快速检测方法具有明显的计算效率优势,适用于谐波复杂且实时性要求高的电参量检测情况。
【关键词】：压缩感知 小波变换 OFDM信道估计 电参量检测
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.23
【目录】：

• 摘要4-6
• ABSTRACT6-15
• 第一章 绪论15-23
• 1.1 课题研究的目的与意义15-16
• 1.2 压缩感知与小波变换理论研究现状16-18
• 1.2.1 压缩感知理论的研究现状16-17
• 1.2.2 小波变换理论的研究现状17-18
• 1.3 OFDM信道估计与电参量检测的国内外研究现状与发展趋势18-21
• 1.3.1 OFDM信道估计国内外研究现状与发展趋势18-20
• 1.3.2 电参量检测国内外研究现状与发展趋势20-21
• 1.4 本文的主要研究内容21
• 1.5 本文的创新点21-23
• 第二章 压缩感知和小波变换的理论与算法实现23-35
• 2.1 压缩感知理论23-28
• 2.1.1 压缩感知理论概述23-24
• 2.1.2 压缩感知理论的主要内容24-28
• 2.1.2.1 测量矩阵的构造25-26
• 2.1.2.2 信号的稀疏表示26-27
• 2.1.2.3 重构算法27-28
• 2.2 小波变换理论28-34
• 2.2.1 小波函数的定义28-29
• 2.2.2 连续小波变换与离散小波变换29-31
• 2.2.2.1 连续小波变换29-30
• 2.2.2.2 离散小波变换30-31
• 2.2.3 多分辨率分析与Mallat分解算法31-34
• 2.3 本章小结34-35
• 第三章 OFDM基带传输系统及低压电力线多径信道传输特性模型35-47
• 3.1 OFDM基带传输系统35-40
• 3.1.1 OFDM的基本原理35-38
• 3.1.2 OFDM基带传输系统38-40
• 3.2 低压电力线载波通信多径信道传输特性模型及其仿真实现40-45
• 3.2.1 低压电力线载波通信多径信道传输特性模型40-43
• 3.2.2 仿真实验及其效果分析43-45
• 3.3 本章小结45-47
• 第四章 OFDM低压电力线载波通信压缩感知信道估计47-59
• 4.1 OFDM信道估计方法47-53
• 4.1.1 最小二乘与最小均方误差信道估计方法47-52
• 4.1.1.1 最小二乘信道估计方法48-49
• 4.1.1.2 最小均方误差信道估计方法49-50
• 4.1.1.3 基于DFT的插值方法50-52
• 4.1.2 OFDM低压电力线载波通信压缩感知信道估计方法52-53
• 4.2 算法实现及性能分析53-57
• 4.2.1 CS信道估计方法的仿真结果分析54-56
• 4.2.2 CS与LS、MMSE信道估计方法仿真结果的对比分析56-57
• 4.3 本章小结57-59
• 第五章 IIR多相结构小波信号快速检测方法的研究59-73
• 5.1 小波分频带分解59-60
• 5.2 功率的定义及小波表示方法60-63
• 5.2.1 IEEE标准功率定义60-61
• 5.2.2 电参量的小波表示方法61-63
• 5.3 IIR多相结构小波信号检测滤波器组63-64
• 5.3.1 滤波器的多相分解63
• 5.3.2 IIR多相结构小波信号检测滤波器组63-64
• 5.4 IIR多相结构小波信号检测滤波组的实现以及计算量分析64-67
• 5.4.1 IIR多相结构小波信号检测滤波器组的双通道巴特沃斯实现64-66
• 5.4.2 数字全通滤波器的实现66
• 5.4.3 IIR多相结构小波信号快速检测方法计算量分析66-67
• 5.5 电参量检测及结果分析67-70
• 5.5.1 电信号数学模型的建立以及电参量检测67-70
• 5.5.2 检测结果分析70
• 5.6 本章小结70-73
• 第六章 结论与展望73-75
• 6.1 结论73
• 6.2 展望73-75
• 参考文献75-79
• 致谢79-81
• 研究成果及发表的学术论文81-83
• 作者与导师简介83-84
• 附件84-85

【参考文献】

中国期刊全文数据库 前10条

1 张彦奎;王大鸣;崔维嘉;;信号排列组合的子空间快速盲信道估计算法[J];信号处理;2016年02期

2 李雪梅;郭俊龙;王学伟;;基于多相结构小波滤波器组的高效测量算法研究[J];电测与仪表;2015年23期

3 郭文彬;李春波;雷迪;王文博;;基于联合稀疏模型的OFDM压缩感知信道估计[J];北京邮电大学学报;2014年03期

4 王学伟;崔广伟;王琳;贾晓璐;聂伟;;基于平衡Gold序列的压缩感知测量矩阵的构造[J];仪器仪表学报;2014年01期

5 徐皓波;于凤芹;;基于稀疏预处理和循环观测的语音压缩感知[J];计算机工程与应用;2014年23期

6 王红梅;严军;牛涛;张之江;;一种利用相关性优化压缩感知测量矩阵的方法[J];电子测量技术;2012年11期

7 李雪梅;苗桂君;王学伟;陆以彪;韩东;;电能质量信号压缩采样稀疏基性能研究[J];电测与仪表;2011年09期

8 张宗念;李金徽;黄仁泰;;迭代硬阈值压缩感知重构算法——IIHT[J];计算机应用;2011年08期

9 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

10 加玉;王学伟;李雪梅;任凯利;;基于小波包时-频能量群的非稳态谐波分析[J];电测与仪表;2008年11期

，

本文编号：707068