一种基于机器学习的电力线通信方法、装置及系统制造方法及图纸

本发明专利技术公开了一种基于机器学习的电力线通信方法、装置及系统。系统包括主机、从机和智能载波通信模块。当主机或从机发送数据时，将数据发送到智能载波通信模块中，通过对数据进行编码、调制和数模转换后获得模拟信号，随后经耦合器将模拟信号耦合到电力线上；当主机或从机接收数据时首先从耦合器接收电力线上的模拟信号，经模数转换后进行混合均衡处理，基于LMS自适应均衡器和基于深度神经网络的自适应均衡器的混合均衡器实现信道补偿，完成信号降噪和去干扰，最后通过对信号进行解调和解码，完成数据的输出。本发明专利技术提出在电力线通信原有均衡技术的基础上混合入深度神经网络均衡技术，从而实现包括减小误码率的电力线通信质量提升。质量提升。质量提升。

【技术实现步骤摘要】
一种基于机器学习的电力线通信方法、装置及系统


[0001]本专利技术属于电力线通信
，具体涉及一种基于机器学习的电力线通信方法、装置及系统。

技术介绍

[0002]电力线通信是一种基于既有电力线进行信息传输的技术，由于不需要单独布线的低成本优势而一直受到业界重视。
[0003]但由于电力线不是专门为通信需求而设计的线缆，信号不仅在电力线上衰减速率较快，同时还存在多径效应、环境电磁干扰和阻抗随机性变化等多重因素的影响，导致信号到达目的地时往往含有大量噪声。在通信技术中均衡是一种常见消除信道噪声的策略，但这一策略往往需要对通信信道的特征有较为明确的认知，否则难以到达理想的去噪效果。

技术实现思路

[0004]近年来基于机器学习的人工智能技术获得了快速发展，已经在机器视觉、语音识别和故障诊断等方面实现了广泛应用，这也为电力线通信性能提升提供了新的途径。考虑到机器学习中深度神经网络是一种有效的盲信号识别方法，并且通过引入高斯核函数、线性核函数、多项式核函数或余弦核函数等核函数的辅助核函数层可有效地加速训练的过程，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的电力线通信方法，其特征在于，包括：获取电力线上的输入模拟信号；将输入模拟信号进行A/D转换成输入数字信号；对输入数字信号进行第一级LMS均衡处理，得到第一级均衡处理信号；对第一级均衡处理信号进行解调，得到解调后的第一级均衡处理信号；对解调后的第一级均衡处理信号进行解码得到检验码；根据解码得到的检验码，结合设定的检验码进行检验码准确率计算，得到检验码准确率是否达标的反馈信息；根据检验码准确率是否达标的反馈信息，判断是否通过基于深度神经网络的自适应均衡器对第一级均衡处理信号进行第二级均衡处理；响应于检验码准确率不达标，通过基于深度神经网络的自适应均衡器对第一级均衡处理信号进行第二级均衡处理，得到第二级均衡处理信号；对第二级均衡处理信号进行解调，得到解调后的第二级均衡处理信号；对解调后的第二级均衡处理信号进行解码得到传输数据；将传输数据发送给接收端。2.一种基于机器学习的电力线通信方法，其特征在于，包括：获取电力线上的输入模拟信号；将输入模拟信号进行A/D转换成输入数字信号；对输入数字信号进行第一级LMS均衡处理，得到第一级均衡处理信号；对第一级均衡处理信号进行解调，得到解调后的第一级均衡处理信号；对解调后的第一级均衡处理信号进行解码得到检验码和传输数据；根据解码得到的检验码，结合设定的检验码进行检验码准确率计算，得到检验码准确率是否达标的反馈信息；响应于检验码准确率达标，将解码得到的传输数据发送给接收端。3.根据权利要求1或2所述的电力线通信方法，其特征在于，所述对输入数字信号进行第一级LMS均衡处理，包括：y(n)＝w
H
(n)x(n)e(n)＝d(n)
‑
y(n)w(n+1)＝w(n)+2μx(n)sign[e(n)]其中，输出信号y(n)等于滤波器系数向量w(n)与输入信号x(n)的积，滤波器系数向量不断根据误差信号e(n)更新，误差信号为期望信号d(n)与实际输出信号y(n)的差，μ为加权向量更新时的步长因子。4.根据权利要求1所述的电力线通信方法，其特征在于，所述基于深度神经网络的自适应均衡器包括：包括输入层、辅助函数层、隐藏层、softmax层和输出层；所述辅助函数层的核函数为高斯核函数、...

【专利技术属性】
技术研发人员：曹自平，杜成明，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：