李琪林，管祺薈，覃 劍，李方碩，向景睿

（1.四川省電力公司計(jì)量中心，成都 610072；2.電子科技大學(xué) 通信抗干擾國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，成都 611731）

用電信息采集系統(tǒng)是建設(shè)智能電網(wǎng)的重要組成部分，建設(shè)該系統(tǒng)符合國(guó)際電網(wǎng)技術(shù)發(fā)展的方向。在用電信息采集系統(tǒng)中，穩(wěn)定可靠的通信系統(tǒng)是至關(guān)重要的環(huán)節(jié)，采集終端或集中器和系統(tǒng)主站之間的遠(yuǎn)程通信必須保證其可靠、實(shí)時(shí)和安全，否則整個(gè)系統(tǒng)的有效性、安全性和穩(wěn)定性都將面臨很大的挑戰(zhàn)。相對(duì)于專網(wǎng)，采用現(xiàn)有的無線通信網(wǎng)的投資成本更低，更有益于快速組網(wǎng)。

在復(fù)雜的無線通信環(huán)境中，干擾越來越多，干擾的存在將嚴(yán)重影響系統(tǒng)性能，為便于后續(xù)的信號(hào)解調(diào)過程的針對(duì)性處理，接收機(jī)有必要對(duì)干擾進(jìn)行檢測(cè)，本文考慮以LTE（long term evolution）系統(tǒng)為無線公網(wǎng)的智能用電信息采集網(wǎng)。

現(xiàn)有的干擾檢測(cè)技術(shù)可分為時(shí)域檢測(cè)和變換域檢測(cè)兩大類。時(shí)域檢測(cè)技術(shù)包括時(shí)域能量檢測(cè)[1]、基于協(xié)方差矩陣的檢測(cè)[2]、基于矩陣特征值分解的檢測(cè)[3]、廣義最大似然檢測(cè)[4]、峰度檢測(cè)算法[5]等。時(shí)域檢測(cè)算法一般利用了干擾信號(hào)與噪聲的差異來檢測(cè)干擾，包括能量差異、多階矩差異及相關(guān)性差異等，但是時(shí)域檢測(cè)大多都是二元檢測(cè)，只能確定有沒有干擾。

而在變換域檢測(cè)中，目前研究成果最多的是關(guān)于頻域的算法，比如均值檢測(cè)算法[6]、連續(xù)均值消除法（CME）[7]，另外文獻(xiàn)[8-9]在該算法的基礎(chǔ)上分別提出了前向均值消除算法（FCME）和雙門限的干擾檢測(cè)算法。頻域檢測(cè)算法利用干擾信號(hào)的頻域特征，除了能對(duì)干擾的存在性加以檢測(cè)，部分頻域算法還能對(duì)干擾類型加以區(qū)分。但是大部分的頻域檢測(cè)算法都需要進(jìn)行迭代運(yùn)算，收斂是一個(gè)相當(dāng)費(fèi)時(shí)的過程，并且計(jì)算復(fù)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(cè)干擾的存在性以及利用干擾信號(hào)的時(shí)域相關(guān)性來判斷干擾類型的干擾檢測(cè)算法。該算法首先在接收端消除期望信號(hào)的影響，然后充分利用干擾和噪聲在空域和時(shí)域的差異來進(jìn)行干擾檢測(cè)，同時(shí)該算法具有很低的計(jì)算復(fù)雜度。通過仿真，驗(yàn)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(cè)的判決量的累計(jì)概率密度分布（CDF）曲線。

1 系統(tǒng)模型

用電信息采集系統(tǒng)是建設(shè)智能電網(wǎng)的物理基礎(chǔ)，由主站、通信信道、采集設(shè)備3部分組成，其結(jié)構(gòu)如圖1所示。主站主要完成業(yè)務(wù)應(yīng)用、數(shù)據(jù)采集、控制執(zhí)行和通信調(diào)度。通信信道用于系統(tǒng)主站和采集終端之間的遠(yuǎn)程數(shù)據(jù)通信，包括光纖專網(wǎng)、230 MHz無線專網(wǎng)、CDMA/LTE無線公網(wǎng)等。采集系統(tǒng)是安裝在現(xiàn)場(chǎng)的終端計(jì)量設(shè)備，負(fù)責(zé)收集和提供整個(gè)系統(tǒng)的原始用電信息。

圖1 用電信息采集系統(tǒng)組成結(jié)構(gòu)Fig.1 Structure made of electric energy data acquire system

考慮采用LTE通信系統(tǒng)的用電信息采集系統(tǒng)，在基站側(cè)，假設(shè)接收天線數(shù)目為Nr，F(xiàn)FT變換點(diǎn)數(shù)為N，用戶可占用子載波總數(shù)目為Ns，為便于描述，本文假設(shè)單個(gè)用戶占用全部子載波。忽略時(shí)間參數(shù)，基站對(duì)接收信號(hào)進(jìn)行去循環(huán)前綴，N點(diǎn)FFT變換以及解映射后得到Ns維頻域接收信號(hào)Yn，表示如下：

其中：X為對(duì)角矩陣，表示頻域發(fā)射符號(hào)；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(duì)un進(jìn)行N點(diǎn)IDFT，可得到時(shí)域干擾噪聲向量 vn，記為

其中：in與wn分別為時(shí)域的干擾與噪聲向量。

在文中，假設(shè)式（1）是DMRS符號(hào)，X則已知，hn可通過信道估計(jì)獲取。因此，接收端可得到干擾噪聲向量vn。本文通過vn對(duì)干擾的存在性以及干擾類型進(jìn)行檢測(cè)。在檢測(cè)過程中，采用vn是為了減輕期望信號(hào)對(duì)檢測(cè)過程的影響，特別是當(dāng)干擾與期望信號(hào)存在強(qiáng)相關(guān)性時(shí)，直接采用Yn進(jìn)行檢測(cè)的錯(cuò)誤概率較大。

2 干擾檢測(cè)

綜合考慮干擾檢測(cè)的需求和計(jì)算復(fù)雜度，本文提出了一種利用干擾信號(hào)的空間相關(guān)性來判斷干擾的存在性，利用干擾信號(hào)的時(shí)域相關(guān)性來判斷干擾的類型的干擾檢測(cè)方案。

2.1 干擾存在性檢測(cè)

對(duì)于任意M根接收天線，可以得到接收信號(hào)M×M空間自相關(guān)矩陣R，表示為

其中：Rv為干擾的空間自相關(guān)矩陣；N0I為噪聲的空間自相關(guān)矩陣?？梢钥闯?，當(dāng)干擾不存在時(shí)，自相關(guān)矩陣R是一個(gè)對(duì)角陣，根據(jù)此性質(zhì)，可以檢測(cè)干擾信號(hào)的存在性。

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

其中：VT與V*分別為V的轉(zhuǎn)置與共軛。

將矩陣Rs的第i行第j列記為rij，定義參數(shù)α：

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

2.2 干擾類型檢測(cè)

當(dāng)系統(tǒng)中存在干擾時(shí)，需要對(duì)干擾類型進(jìn)行判斷，在本文中，利用干擾信號(hào)的時(shí)域相關(guān)性對(duì)干擾類型加以判斷。

考慮噪聲向量 vn，將其第 i個(gè)元素記為 vn［i］，其中 i=1，2，…Ns。 自相關(guān)值定義為

定義參數(shù)β：

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

3 數(shù)值及仿真結(jié)果

為驗(yàn)證本文提出的干擾檢測(cè)算法的性能，這一節(jié)將提供不同條件下的計(jì)算機(jī)仿真結(jié)果。在本文仿真中，采用1發(fā)2收的天線模式，傳輸帶寬為10 MHz，F(xiàn)FT點(diǎn)數(shù)為1024，最大多普勒頻移為50 Hz，調(diào)制方式為16QAM，窄帶干擾帶寬為400 kHz，采用理想信道估計(jì)。

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(biāo)代表式（6）定義的參數(shù)α，縱坐標(biāo)代表α的累計(jì)概率密度分布CDF），當(dāng)干噪比為-10 dB，EPA信道模型下，設(shè)定檢測(cè)門限為0.05，在無干擾時(shí)，算法判斷有干擾的概率（即虛警概率）為2%，此時(shí)，當(dāng)干擾為窄帶干擾，檢測(cè)概率為96%，當(dāng)干擾為寬帶干擾，檢測(cè)概率為90%；當(dāng)為EVA信道模型時(shí)，在無干擾時(shí)，算法判斷有干擾的概率為3%，此時(shí)，當(dāng)干擾為窄帶干擾，檢測(cè)概率為94%，當(dāng)干擾為寬帶干擾，檢測(cè)概率為80%，性能稍差，然而，當(dāng)干噪比增加至10 dB時(shí)，無論是EPA還是EVA信道模型，檢測(cè)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(biāo)代表式（9）定義的參數(shù)β，縱坐標(biāo)代表β的累計(jì)概率密度分布CDF），當(dāng)干噪比相同時(shí)，窄帶干擾與寬帶干擾的值有明顯差異。當(dāng)干噪比為-10 dB，EPA信道模型下，設(shè)定檢測(cè)門限為0.05，將窄帶干擾識(shí)別為寬帶干擾的概率為0.1，當(dāng)干噪比增加至10 dB時(shí)，無論是EPA還是EVA信道模型，檢測(cè)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(jié)語

本文給出了以LTE系統(tǒng)為通信網(wǎng)絡(luò)的用電信息采集系統(tǒng)中的干擾檢測(cè)算法，包括干擾存在性檢測(cè)與干擾類型檢測(cè)兩部分。干擾存在性的檢測(cè)是利用干擾與噪聲空間相關(guān)性的差異完成，而干擾類型的檢測(cè)利用了窄帶干擾與寬帶干擾時(shí)域自相關(guān)性的差異，同時(shí)考慮了多徑信道對(duì)檢測(cè)的影響。最后，文中給出了計(jì)算機(jī)仿真驗(yàn)證所建議兩種算法的性能表現(xiàn)。

[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.