用電信息采集系統中的干擾辨識算法

李琪林，管祺薈，覃 劍，李方碩，向景睿

（1.四川省電力公司計量中心，成都 610072；2.電子科技大學 通信抗干擾國家級重點實驗室，成都 611731）

用電信息采集系統是建設智能電網的重要組成部分，建設該系統符合國際電網技術發展的方向。在用電信息采集系統中，穩定可靠的通信系統是至關重要的環節，采集終端或集中器和系統主站之間的遠程通信必須保證其可靠、實時和安全，否則整個系統的有效性、安全性和穩定性都將面臨很大的挑戰。相對于專網，采用現有的無線通信網的投資成本更低，更有益于快速組網。

在復雜的無線通信環境中，干擾越來越多，干擾的存在將嚴重影響系統性能，為便于后續的信號解調過程的針對性處理，接收機有必要對干擾進行檢測，本文考慮以LTE（long term evolution）系統為無線公網的智能用電信息采集網。

現有的干擾檢測技術可分為時域檢測和變換域檢測兩大類。時域檢測技術包括時域能量檢測[1]、基于協方差矩陣的檢測[2]、基于矩陣特征值分解的檢測[3]、廣義最大似然檢測[4]、峰度檢測算法[5]等。時域檢測算法一般利用了干擾信號與噪聲的差異來檢測干擾，包括能量差異、多階矩差異及相關性差異等，但是時域檢測大多都是二元檢測，只能確定有沒有干擾。

而在變換域檢測中，目前研究成果最多的是關于頻域的算法，比如均值檢測算法[6]、連續均值消除法（CME）[7]，另外文獻[8-9]在該算法的基礎上分別提出了前向均值消除算法（FCME）和雙門限的干擾檢測算法。頻域檢測算法利用干擾信號的頻域特征，除了能對干擾的存在性加以檢測，部分頻域算法還能對干擾類型加以區分。但是大部分的頻域檢測算法都需要進行迭代運算，收斂是一個相當費時的過程，并且計算復雜度也比較高。

由于多天線在LTE基站端的普遍采用，本文提出了一種采用空域方法來檢測干擾的存在性以及利用干擾信號的時域相關性來判斷干擾類型的干擾檢測算法。該算法首先在接收端消除期望信號的影響，然后充分利用干擾和噪聲在空域和時域的差異來進行干擾檢測，同時該算法具有很低的計算復雜度。通過仿真，驗證了該算法的正確性，給出了不同干噪比和不同信道模型下干擾檢測的判決量的累計概率密度分布（CDF）曲線。

1 系統模型

用電信息采集系統是建設智能電網的物理基礎，由主站、通信信道、采集設備3部分組成，其結構如圖1所示。主站主要完成業務應用、數據采集、控制執行和通信調度。通信信道用于系統主站和采集終端之間的遠程數據通信，包括光纖專網、230 MHz無線專網、CDMA/LTE無線公網等。采集系統是安裝在現場的終端計量設備，負責收集和提供整個系統的原始用電信息。

圖1 用電信息采集系統組成結構Fig.1 Structure made of electric energy data acquire system

考慮采用LTE通信系統的用電信息采集系統，在基站側，假設接收天線數目為Nr，FFT變換點數為N，用戶可占用子載波總數目為Ns，為便于描述，本文假設單個用戶占用全部子載波。忽略時間參數，基站對接收信號進行去循環前綴，N點FFT變換以及解映射后得到Ns維頻域接收信號Yn，表示如下：

其中：X為對角矩陣，表示頻域發射符號；hn為頻域信道增益向量；un為頻域的干擾噪聲向量，記為

其中：jn為同頻的寬帶或窄帶干擾；nn為高斯白噪聲向量。對un進行N點IDFT，可得到時域干擾噪聲向量 vn，記為

其中：in與wn分別為時域的干擾與噪聲向量。

在文中，假設式（1）是DMRS符號，X則已知，hn可通過信道估計獲取。因此，接收端可得到干擾噪聲向量vn。本文通過vn對干擾的存在性以及干擾類型進行檢測。在檢測過程中，采用vn是為了減輕期望信號對檢測過程的影響，特別是當干擾與期望信號存在強相關性時，直接采用Yn進行檢測的錯誤概率較大。

2 干擾檢測

綜合考慮干擾檢測的需求和計算復雜度，本文提出了一種利用干擾信號的空間相關性來判斷干擾的存在性，利用干擾信號的時域相關性來判斷干擾的類型的干擾檢測方案。

2.1 干擾存在性檢測

對于任意M根接收天線，可以得到接收信號M×M空間自相關矩陣R，表示為

其中：Rv為干擾的空間自相關矩陣；N0I為噪聲的空間自相關矩陣。可以看出，當干擾不存在時，自相關矩陣R是一個對角陣，根據此性質，可以檢測干擾信號的存在性。

取任意向量 v1，v2，…vM，然后組合成一個 Ns×M的矩陣 V=［v1，v2，…vM］，由矩陣 V 得到一個 R 矩陣的估計值Rs：

其中：VT與V*分別為V的轉置與共軛。

將矩陣Rs的第i行第j列記為rij，定義參數α：

選擇門限T1，當α＜T1時，判斷為沒有干擾；否則，認為干擾存在，需采用干擾抑制措施。

2.2 干擾類型檢測

當系統中存在干擾時，需要對干擾類型進行判斷，在本文中，利用干擾信號的時域相關性對干擾類型加以判斷。

考慮噪聲向量 vn，將其第 i個元素記為 vn［i］，其中 i=1，2，…Ns。 自相關值定義為

定義參數β：

選擇門限T2，當β＜T2時，判斷干擾為寬帶信號；否則，判斷其為窄帶干擾。后續仿真中取k1和k2分別為3和6。

3 數值及仿真結果

為驗證本文提出的干擾檢測算法的性能，這一節將提供不同條件下的計算機仿真結果。在本文仿真中，采用1發2收的天線模式，傳輸帶寬為10 MHz，FFT點數為1024，最大多普勒頻移為50 Hz，調制方式為16QAM，窄帶干擾帶寬為400 kHz，采用理想信道估計。

圖2給出了不同信道模型和不同干噪比情況下的干擾存在判決量的CDF曲線（其中橫坐標代表式（6）定義的參數α，縱坐標代表α的累計概率密度分布CDF），當干噪比為-10 dB，EPA信道模型下，設定檢測門限為0.05，在無干擾時，算法判斷有干擾的概率（即虛警概率）為2%，此時，當干擾為窄帶干擾，檢測概率為96%，當干擾為寬帶干擾，檢測概率為90%；當為EVA信道模型時，在無干擾時，算法判斷有干擾的概率為3%，此時，當干擾為窄帶干擾，檢測概率為94%，當干擾為寬帶干擾，檢測概率為80%，性能稍差，然而，當干噪比增加至10 dB時，無論是EPA還是EVA信道模型，檢測概率均接近1。

圖2 不同信道和干噪比下的干擾存在判決量CDFFig.2 Interference in different channels and different interference to noise ratios existing CDF of judgment amount

圖3給出了不同信道模型和不同干噪比情況下的干擾類型判決量的CDF分布曲線（其中橫坐標代表式（9）定義的參數β，縱坐標代表β的累計概率密度分布CDF），當干噪比相同時，窄帶干擾與寬帶干擾的值有明顯差異。當干噪比為-10 dB，EPA信道模型下，設定檢測門限為0.05，將窄帶干擾識別為寬帶干擾的概率為0.1，當干噪比增加至10 dB時，無論是EPA還是EVA信道模型，檢測概率均接近于1。

圖3 不同信道和干噪比下的干擾類型判決量CDFFig.3 CDF of judgment amount of interference types in different channels and different Interference to noise ratios

4 結語

本文給出了以LTE系統為通信網絡的用電信息采集系統中的干擾檢測算法，包括干擾存在性檢測與干擾類型檢測兩部分。干擾存在性的檢測是利用干擾與噪聲空間相關性的差異完成，而干擾類型的檢測利用了窄帶干擾與寬帶干擾時域自相關性的差異，同時考慮了多徑信道對檢測的影響。最后，文中給出了計算機仿真驗證所建議兩種算法的性能表現。

[1]Ling Qi，Li Tongtong，Li Li.Modeling and detection of hostile jamming in spread spectrum systems[J].IEEE Transactions On Communications，2000，57：1-5.

[2]Zeng YH，Liang YC.Eigenvalue-based spectrum sensing algorithms for congnitive radio[J].IEEE Transactions on Communications，2009，57：1784-1793.

[3]Zeng YH，Liang YC.Spectrum-sensing algorithms for congnitive radio based on statistical covariances[J].IEEE Transactions On-Vehicular Technology，2009，58：1804-1815.

[4]Josep FS，Wang XD.GLRT-based spectrum sensing for congnitive radio with prior information[J].IEEE Transactions on Communications，2010，58：2137-2146.

[5]Sidharth Misra，Priscilla N，Mohammed.Microwave radiometer radio-frequency interfence detection algorithms：a comparative study[J].IEEE Transactions on Geoscience and Remote Sensing，2009，47：3742-3754.

[6]Petti Henttu.A new interference suppression algorithm against broadband constant envelope interference[J].IEEE Transactions on Communications，2007，51：742-746.

[7]Petti henttu，Sami Aromaa.Consecutive mean excision algorithm[J].IEEE 7′h Int.Syinp.on Spread-Spectrum Tcch.&Appl.，Prague.Czech Republic，2002（2）：450-454.

[8]Fan Ming，Wei Zeding.Interference detection in DSSS systems[J].Modern Electronic Technology，2007（13）：152-157.

[9]Vartiainen J，Lehtomaki JJ，Saarnisaari H.Double_threshold based narrowband signal extraction[C]//Vehicular Technology Conference IEEE 61st，2005（2）：1288-1292.