230 MHz電力專屬頻段頻譜認知技術研究

李建岐,黃畢堯,楊婷婷,吳玉成

(1.全球能源互聯網研究院有限公司,北京 102209; 2.重慶大學 微電子與通信工程學院,重慶 400044)

0 概述

隨著科學技術的發展和大量新興技術的應用,社會生活對電力愈發依賴,同時對供電可靠性、穩定性的要求也越來越高[1]。接入的設備類型和數量與日俱增使得電網形態日益復雜,電網安全運行的壓力也隨之增大。電力市場開放、輸配電價格降低、電量增長減速等因素使得電網業務面臨著日趨激烈的市場競爭,使得企業發展模式急需轉型。社會經濟形態的轉型迫使電網關注供需雙方打造多邊市場,對傳統電力行業提出了新的挑戰[2]。

2020年,國家電網公司提出建設具有中國特色全球領先能源互聯網企業戰略,大力推進能源革命與數字革命融合發展,應用先進能源技術、通信技術、信息技術、控制技術,構建清潔低碳、安全可靠、泛在互聯、高效互動、智能開放的智慧能源系統。智能電網和電力物聯網是能源互聯網在電力系統中的具體實現形式,對于推動電網與互聯網深度融合具有重要的意義,前者支撐電力能源流的安全穩定傳輸,后者實現電力信息流的傳遞和歸集處理。電力物聯網通過狀態全面感知、信息高效處理、便捷靈活應用為電網安全經濟運行提供強有力的支撐。

電網中的物聯網技術雖有巨大的發展潛力,但也面臨著很多發展難題[3],而無線通信技術無需電網架構的支撐,抗毀性強且具備高帶寬、長距離傳輸等優點,在電網中發揮著重要的作用[4-5]。數據傳輸需求與頻譜資源緊張的矛盾日益凸顯,使得電力信息的及時、可靠接入與傳遞,以及各系統間的實時可靠通信成為制約電網穩定、高效運行的瓶頸之一。為提高頻譜資源利用率、保證穩定可靠的無線通信,認知無線電技術被廣泛應用于電力物聯網建設[6-8]。頻譜感知技術作為認知無線電技術的核心,一直備受世界各機構、以及廣大學者的關注。頻譜感知技術中,能量檢測技術憑借其無需任何先驗信息、實現簡單、系統開銷小等優點,被廣泛應用于不同的頻譜感知場景中。文獻[9]提出一種結合能量感知和循環平穩特征感知2種檢測算法的兩級雙門限本地頻譜感知算法,根據噪聲不確定度的大小自動調整循環平穩特征感知的比例。循環平穩特征檢測在對抗噪聲不確定度帶來不利影響的同時,也會增加系統開銷和感知延時。文獻[10]提出一種基于最大似然比準則的能量檢測算法,實現復雜度較低,但卻難以適應不同帶寬、不同場景下的頻譜感知需求。文獻[11]在兼顧頻譜分辨率和檢測速度的基礎上,提出一種可變步進值的2階段步進頻域能量檢測方法,但在低信噪比下其檢測性能并不理想。

基于上述考慮,結合電力無線通信頻譜認知的高可靠、低延時需求,本文提出一種適用于230 MHz頻段的協作式步進頻域能量檢測(Cooperative Stepped Frequency Domain Energy Detection,CSFDED)算法,實現對223 MHz～235 MHz頻段頻譜使用情況的實時監測。與傳統協作能量檢測算法不同[12],該算法在頻域進行2次步進能量檢測時,在不顯著增加復雜度的情況下,可在保證檢測精度和檢測速度的同時實現對寬帶頻譜的快速檢測。

1 電力頻譜政策及其對頻譜認知的影響

為滿足電力等行業以及能源互聯網的頻率需求,提高頻率使用效率和效益,2018年,中國工業和信息化部下發的《關于調整223 MHz ～235 MHz頻段無線數據傳輸系統頻率使用規劃的通知》明確指出223 MHz～226 MHz和229 MHz～233 MHz頻段(除專用頻率外)主要用于電力等行業寬帶無線應用,鼓勵相關行業部門和單位采用共網模式使用該頻段。此外,該通知還詳細規定了寬帶無線通信發射設備的相關技術指標,例如:雙工方式為TDD,單個信道基本帶寬為25 kHz,支持工作頻段內任意離散信道聚合使用,這意味著電力專網中基帶、終端的系統帶寬均為25 kHz×N(N=1,2,…,280)。

在新的頻譜政策下,230 MHz頻段為多行業、多系統共享使用的頻段,且寬窄系統共存。同時,由于工業物聯網技術的廣泛應用,在230 MHz頻段可能存在12.5 kHz、6.75 kHz以及物聯網應用的100 Hz等多種帶寬形式,要求不僅能夠快速檢測出230 MHz頻帶內的頻譜分布情況,還需要快速獲得對細分信道的頻率使用情況,為后續信號識別、頻譜管理提供決策依據[14]。

2 單節點頻域能量檢測模型

基于頻域能量檢測的頻譜認知技術是在一定時間、特定頻段內利用周期圖方法直接計算信號的功率譜,并將其與預設門限值進行比較,判斷該頻段是否被占用[14],其流程如圖1所示。

圖1 頻域能量檢測流程

假設x(t)是監測節點接收到的信號,s(t)是占用該頻譜的設備發出的信號,n(t)是對應通道的加性高斯白噪聲,且n(t)和s(t)之間相互獨立,則特定頻段的頻譜認知問題可建模為[15]:

H0:x(t)=n(t)

H1:x(t)=s(t)+n(t)

(1)

其中,H0表示頻譜未被占用,即頻譜空閑的情況,H1表示頻譜被占用,頻譜認知判決規則為[16]:

H0:T<λ

H1:T≥λ

(2)

其中,T為一段時間內特定頻段的檢測統計量,λ是預設的判決門限。在高斯白噪聲環境下對特定頻點進行頻譜監測,由文獻[17]可知,當采樣點數N足夠大時,根據中心極限定理可得檢測統計量T滿足:

(3)

(4)

(5)

3 協作式步進頻域能量檢測算法

為實現電力通信網絡中230 MHz頻段的頻譜認知,考慮到需實時監測的頻段帶寬較寬(12 MHz)、硬件設備處理能力有限,同時認知結果應結合最新頻譜政策,給出帶寬為25 kHz的頻點使用狀況,本文提出一種CSFDED算法。感知頻段較寬,在工程上一次性完成全頻段的頻譜檢測實現難度較大,為此采取多次步進頻域能量檢測,并綜合檢測結果實現大范圍的寬帶頻譜認知。

3.1 門限選取

實際應用中,過高的虛警概率Pf將導致空閑頻譜搜尋失敗、頻譜效率降低,而檢測概率過低將誤導用戶接入被占用的頻譜,引發通信沖突、擾亂該通道上的正常通信[19]。在保證虛警概率Pf足夠小的前提下,改進頻譜認知算法盡可能提高檢測概率,保證實時、準確檢測出空閑頻譜是電力網絡中頻譜認知的關鍵。CSFDED算法采用固定單個監測節點虛警概率的方式,即保證空閑頻段檢測失敗的概率維持一個足夠低的水平,各個監測節點根據信道環境自適應調整各自的判決門限值,避免人為設定判決門限值對算法穩定性造成的影響。同時,各個節點獨立設置門限值,可在一定程度上減小噪聲不確定度帶來的影響。由式(5)可得門限值的計算方法表示如下:

(6)

(7)

3.2 協作策略

在實際環境中,單節點檢測容易受到衰落、多徑、強背景噪聲等因素的影響,會導致檢測性能急劇惡化,協作頻譜認知可通過多個節點協同檢測,融合判決對抗多徑效應、陰影效應、隱藏終端等問題[15]。

協作檢測中融合判決準則分為硬融合判決和軟融合判決,常用的硬融合判決準則有“或”準則、“與”準則和“K秩”準則[20]。實際上,“或”準則是K=1的“K秩”準則,“與”準則是K=L的“K秩”準則。考慮電網頻譜認知中監測節點應滿足廣地域覆蓋、低功耗工作、傳輸時延盡可能小等需求,本文算法采用硬融合判決中的“K秩”準則,即在參與協作的監測節點中若有K個或大于K個監測節點則判決頻譜被占用,匯聚節點才能判決頻譜處于非空閑狀態,其中K值可根據實際應用場景進行調整。硬融合判決雖然在檢測性能上稍遜于軟融合判決準則,但在信息融合時各個監測節點只需發送0或1(0表示頻譜空閑、1表示頻譜被占用)到匯聚節點,在一定程度上減小了數據傳輸開銷和傳輸時延。假設參與協作的監測節點數為L,以Ti表示第i個監測節點的檢測統計量,Ri表示各個監測節點發送到匯聚節點的頻譜認知數據,則有:

(8)

其中,i=1,2,…,L。匯聚節點融合各個監測節點的頻譜感知結果,判決準則如下:

(9)

由式(9)可知,K值是判決準則的關鍵參數,根據實際應用場景及具體技術指標,可自由選取合適的K值以最大化檢測概率。

3.3 算法實現流程

在步進檢測中,檢測頻帶帶寬分辨率和檢測時長受步進值影響時,步進值越小,則檢測頻帶帶寬分辨率越高、檢測耗時越長。較大的步進值可以減少檢測復雜度,減小檢測時長,但會導致檢測分辨率降低。為滿足各項檢測需求,兼顧230 MHz頻段頻譜認知的檢測耗時與檢測分辨率,本文算法第一次檢測采用較大的步進值完成全認知頻段的快速粗檢測,第二次檢測采用較小的步進值完成頻段內可用頻點的細搜索。CSFDED算法的流程如圖2所示。首先,根據實際應用需求設置2次檢測的步進值,在230 MHz頻譜認知中感知頻段為223 MHz～235 MHz,較大的步進值和較小的步進值可分別設為2 MHz和25 kHz。基本參數設置完畢后,參與協作的檢測節點獨立完成頻域能量檢測,匯聚節點融合判決。為減少檢測時長,僅對第一次頻譜認知中判決為頻帶占用的頻段進行2次檢測,以較小的步進值再進行多次單步檢測,直至以25 kHz為單位精確檢測出整個230 MHz頻段內被占用的所有頻點。本文算法可設定任意的步進值以適應不同的檢測環境需求,可滿足窄帶、超窄帶通信場景下的頻譜檢測需求,實現任意帶寬的頻譜狀態感知。

圖2 本文算法的流程

4 仿真分析

為驗證本文算法的有效性,利用MATLAB對230 MHz頻段的頻譜認知進行仿真實驗,仿真實驗參數設置如下:參與協作的監測節點數L=4,虛警概率設為0.1,采樣點數為2 000,仿真次數為3 000次。

利用多音正弦信號和窄帶信號的混合信號模擬230 MHz頻段內各類通信設備發出的有用信號,當不存在噪聲時,230 MHz頻段頻譜使用情況如圖3所示。

圖3 230 MHz頻段頻譜使用情況

信噪比(Signal-to-Noise Ratio,SNR)為-5 dB時,230 MHz頻段頻譜占用情況如圖4所示。第一次檢測時以步進值為2 MHz依次對223 MHz～225 MHz、225 MHz～227 MHz、227 MHz～229 MHz、229 MHz～231 MHz、231 MHz～233 MHz和233 MHz～235 MHz頻段進行頻譜檢測,檢測出被占用的頻段為225 MHz～227 MHz、227 MHz～229 MHz、229 MHz～231 MHz、231 MHz～233 MHz。

圖4 230 MHz頻段頻譜使用情況(SNR為-5 dB)

第二次檢測時以25 kHz為步進值對第一次檢測出的占用頻段進行二次檢測,篩選出帶寬為25 kHz的可用頻點。圖5是采用本文算法對230 MHz頻段進行頻譜認知得到的頻譜使用情況,其中,0表示頻譜空閑,1表示頻譜被占用,即黑色區域表示監測頻段范圍被占用的頻段。從圖5中可以看出,本文算法可以正確檢測出被占用的頻點(帶寬為25 kHz),為電力行業新型寬帶技術提供可用頻點信息。同時,可靈活設置檢測頻帶范圍、更改步進值以滿足不同的應用需求。

圖5 230 MHz頻段頻譜認知結果(SNR為-5 dB)

圖6是不考慮噪聲不確定度時(假設噪聲方差在一段時間、一定范圍內是固定不變的),在不同K值下本文算法的檢測概率隨SNR變化的關系曲線圖。由圖6可知,本文算法在不同K值下的檢測性能存在差異,在當前的仿真條件下,選取K=1作為融合判決的關鍵參數可獲得最佳性能。當SNR低于-17 dB時,本文算法在所有K值下的檢測概率都趨近于0,此時限制檢測性能提升的關鍵參數是采樣點數和虛警概率。

圖6 不同K值下檢測概率與SNR的關系曲線

圖7給出了K=1時的傳統頻域能量檢測(簡稱ED)算法與本文算法的檢測性能對比。由圖7可知,本文算法在不顯著增加算法復雜度的前提下具有更高的檢測準確度。

圖7 傳統頻域能量檢測算法與本文算法的檢測概率比較

當K=1時,不同采樣點數下本文算法的檢測概率隨SNR變化的關系曲線如圖8所示。從圖8可以看出,在其他檢測參數相同時,增加采樣點數即增加觀測信號的長度,可改善低SNR下算法的檢測性能。同時,隨著樣本數的增加,檢測概率增大的速度也逐漸緩慢,且采樣點數N=8 000和N=10 000時的檢測性能差異較小。過大的樣本點數會增加處理延時和硬件實現難度,影響算法檢測速度。因此,樣本點數并非越多越好,設置采樣點數應兼顧檢測速度、硬件實現難度和檢測精度,可在高SNR條件下設置較小的N值來提高檢測速度,在低SNR條件下選取較大的N值來提高檢測概率。

圖8 不同采樣點數下檢測概率與SNR的關系曲線

5 結束語

為推動泛在電力物聯網的建設和發展,緩解電力無線通信網絡中與日俱增的寬帶通信業務需求與有限的230 MHz頻譜資源之間的矛盾,本文提出一種CSFDED算法。該算法無需任何先驗信息,且計算量小、易于實現,同時可自行設置監測頻段、步進值等關鍵參數以適應于不同場景的應用需求。仿真結果表明,本文算法可實現任意帶寬頻點的使用狀況檢測,而融合準則K值以及采樣點數N的選取會帶來性能差異,在實際應用時應按實際情況選取合適的參數值以實現最大化檢測性能,同時,該算法還可用于其他頻段的頻譜認知,也可應用于寬帶信號干擾檢測中,具有實用意義。下一步考慮將本文算法應用到寬帶信號干擾檢測中,同時進一步研究相應的干擾信號識別算法,為寬帶信號的干擾檢測問題提供一種新的途徑與方法。