基于深度学习的电力线信道传输特性识别方法

• 作者: 史建超 胡正伟 谢志远 贺冬梅
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 电力线通信 泛在电力物联网 深度学习 传输特性识别 人工智能 卷积神经网络
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 泛在电力物联网关键技术
• 页码范围: 4283-4290
• 页数: 8页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.1527

摘要

提出了一种基于深度学习的电力线信道传输特性识别方法,通过人工智能方法完成对电力线信道传输特性的识别.传统的信道传输特性识别一般采用信道估计方法,该方法在噪声较大时估计效果不理想.所提方法采用去噪自编码器能有效对噪声进行抑制,可以在噪声较强的环境下实现信道传输特性的正确识别.在实际应用中,针对自编码器神经网络去噪后数据存在背景效应的问题,提出使用颜色调整方法进一步滤除干扰,提高了对去噪样本的识别成功率.基于深度学习框架建立了仿真模型,分析了9类基准传输样本的信道传输特性识别效果.仿真结果表明,该方法能够在不同的神经网络模型中以及多种噪声条件下,完成对电力线信道传输特性的识别,对进一步完善电力线通信质量保障具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢志远		100	776	15.0	22.0
2	胡正伟		28	124	6.0	10.0
3	贺冬梅		3	1	1.0	1.0
4	史建超		3	0	0.0	0.0