电力通信异构多网共存网络发现与识别算法

电力通信异构多网共存网络发现与识别算法
吴维农;韩培培;冯文江;唐夲
【摘要】Electric power wireless communication network supports enormous quantity wide users, high concurrent services, and complex operating environment, which is represented as heterogeneous networks with different complementary cover scope coexistences. In order to support intelligent power terminals to select access network, network discovery and identi-fication must be performed firstly. Based on TD-LTE, WiMAX, Smart Grid NAN and 230 MHz heterogeneous networks coexistence scenario, a network identification algorithm is proposed by integrating physical signal time-frequency charac-teristics with MAC layer protocol characteristics to discover and identify coexisting wireless networks. This algorithm combines the modified window-sliding energy detection with cyclostationary feature detection to execute network discovery and identification, and multicycle characteristics are used in cyclostationary feature detection to improve the signal identi-fication precision. The simulation results show that the proposed algorithm can effectively identify various heterogeneous cognitive wireless networks.%电力无线通信网支撑用户量大面广、业务高并发、运行环境复杂,表现为异构多网混合共存.为了支持智能电力终端动态选择网络接入,必须首先执行网络发现与识别.针对TD-LTE无线通信专网、WiMAX无线通信专网、智能电网邻域网和230 MHz 电力无线专网异构多网共存场景,提出一种融合物理层信号时频特征和MAC层协议特征的网络识别算法.该算法结合改进的窗口滑动能量检测和多周期特性加权循
环平稳特征检测执行网络发现与识别.仿真结果表明,该算法能有效识别异构的多种
电力无线通信网络.
【期刊名称】《计算机工程与应用》
【年(卷),期】2016(052)011
【总页数】5页(P131-135)
【关键词】异构多网共存;网络发现与识别;能量检测;循环平稳特征检测
【作者】吴维农;韩培培;冯文江;唐夲
【作者单位】国网重庆市电力公司信通分公司,重庆 401123;重庆大学通信工程学院,重庆 400044;重庆大学通信工程学院,重庆 400044;国网重庆市电力公司信通
分公司,重庆 401123;重庆大学通信工程学院,重庆 400044
【正文语种】中文
【中图分类】TN915
智能电网通过对基础信息流分层分级，实现海量信息的纵向贯通与横向集成，需要利用电力通信网［1-2］对发电、输变电、配用电和管理等环节实施全方位、动态智能监测、分析和调控，要求电力通信网能支持电力业务的灵活接入；为电力智能化系统提供即插即用的通信保障；为分布式能源提供信息交互的通信管道；为源荷互动等业务提供安全通信手段，如在输变电环节，执行动态增容、柔性输电、安全防护等上下行业务和指令交互［3］；在配用电环节，支撑分布式能源管理、微网、充电桩、智能小区等配用电自动化信息交互［4］。

电力无线通信网支撑的用户量大面广、业务高并发、运行环境复杂，任何单一通信体制均无法满足全部需求，表现为TD-LTE无线通信专网［5-6］、WiMAX无线
通信专网［7］、智能电网邻域网［8］和230 MHz电力无线专网等异构多网混合共存，覆盖不同区域，互为补充［9］。

当基于不同体制的异构多网共存时，为电力智能终端提供了丰富的网络接入选择机会［10］。

为此，必须首先执行网络发现与识别，完成共存区域运行网络的检测、识别和分类，以制定智能终端接入网络选择策略。

Dong等人提出一种基于MAC层协议的网络识别方案［11］，依据不同传输模式下系统容量变化规律执行网络识别，但该方案只适用于识别基于不同传输模式的网络；Li等人利用不同网络的频域特性，通过判断系统带宽识别网络，但无法区分具有相同带宽的网络［12］。

为了对IEEE 802.X无线网络进行检测和分类，Jeong等人提出一种结合能量检测和循环平稳特征检测的网络识别算法［13］，且循环平稳特征检测采用OFDM（正交频分复用）符号的导频间隔特征。

该算法综合两种检测方法的优点，在保证基本识别性能的同时降低计算复杂度，但并未对能量检测进行具体分析。

文献［14-15］结合OFDM符号的多周期性，用以补偿单周期提取产生的误差，以提高网络识别性能，但该算法对两组循环平稳特性直接相乘，检测概率较低。

本文针对TD-LTE无线通信专网、WiMAX无线通信专网、智能电网邻域网和230 MHz电力无线专网异构多网共存场景，提出一种融合物理层信号时频特征和MAC层协议特征的网络识别算法。

该算法结合改进的窗口滑动能量检测和多周期特性加权循环平稳特征检测执行网络发现与识别。

仿真结果表明，该算法能有效识别异构的多种电力无线通信网络。

为了检测和识别各异构共存的电力无线通信网络，需要提取能够唯一区别特定网络的特征信息。

图1所示为TD-LTE无线通信专网、WiMAX无线通信专网、智能电网邻域网和230 MHz电力无线专网共存场景模型，表1为四种通信规范的部分特征参数。

表1中前三行为协议特征，分为预留机制（如TDMA）和竞争机制（如
CSMA/CA）两类。

基于预留机制的网络以分离的资源单元接入信道（如采用TDMA机制的TD-LTE无线专网和WiMAX无线专网），数据传输以帧长为周期；而基于竞争机制的网络则采用信道侦听方式，在侦听到信道空闲时接入信道，执行数据突发传输，数据传输不具规律性。

WiMAX
TD-LTE
WLAN
AP
WLAN
AP
表1中后三行为信号时频特征，不同网络采用不同参数，如TD-LTE无线专网采用256点FFT（Fast Fourier Transformation），CPF（Cyclic Prefix Factor）为
1/16，导频间隔为7个子载波；WiMAX无线专网采用512点FFT，CPF为1/8，导频间隔为14个子载波；WLAN邻域网采用64点FFT，CPF为1/4，导频间隔
为14个子载波等。

其中导频间隔取决于不同网络的导频图样，FFT点数和CPF则决定了一个OFDM符号的长度。

而230 MHz电力无线专网，本质上未提供组网
功能，数据传输采用轮询方式，通过测量所在频段接收信号强度即可判决网络的存在性。

结合表1所示的不同电力无线通信网络的特征信息，对基于不同MAC协议的网络，可通过能量检测识别，但对基于相同MAC协议的不同网络，则无法区分。

本文提出一种融合物理层信号时频特征和MAC层协议特征的网络识别算法，用以发现和识别特定区域共存的电力无线通信网络，其算法流程如图2所示。

网络识别过程包括以下步骤：
步骤1当检测到邻网信号时，运行改进的滑动窗口能量检测算法识别MAC协议特征，确定网络传输模式。

对于基于帧传输的邻网，确定其信号帧长。

步骤2运行多周期特性加权循环平稳特征检测算法获得信号循环相关谱分布，通过分析信号循环相关谱谱峰位置和形状识别邻网的物理层信号时频特征。

步骤3如果步骤1得到的信号传输模式为基于帧，执行步骤4，否则执行步骤6。

步骤4如果信号帧长为10 ms，且根据步骤2得到的信号时频特征与TD-LTE无线专网相符，邻网被识别为TD-LTE无线专网，识别过程结束，否则执行步骤5。

步骤5如果信号帧长为5 ms，且根据步骤2得到的信号时频特征与WiMAX无线专网相符，邻网被识别为WiMAX无线专网，识别过程结束，否则执行步骤6。

步骤6如果根据步骤2所得到的信号时频特征与智能电网邻域网相符，邻网被识别为智能电网邻域网，否则邻网判决为230 MHz无线专网。

接下来分别针对本文提出的改进滑动窗口能量检测算法和多周期特性加权循环平稳特征检测算法做详细分析。

3.1 改进的窗口滑动能量检测
基于竞争接入机制的网络，物理层数据采用突发传输，不具周期性；而基于预留接入机制的网络，物理层数据传输基于帧，传输过程以帧长为周期。

采用能量检测算法执行协议特征检测，判断邻网在特定时间周期内是否处于激活状态，并根据激活状态持续时间判别其MAC层协议特征。

如果激活状态持续时间间隔固定，则信号传输基于帧，帧长为激活状态持续时间。

如果激活状态持续时间间隔无周期性，则信号传输基于突发。

本文以传统的能量检测法为基础并对其进行改进，加入滑动窗口执行信号检测，且滑动窗口长度L=T/（1/fs）=T×fs，其中 fs 为采样频率，T为信号帧长。

如表1所示，被检测网络帧长有T1=10 ms和T2=5 ms两种。

改进的窗口滑动能量检测算法包括三个阶段：第一阶段设定滑动窗口长度
L1=T1×fs后执行能量检测；第二阶段设定滑动窗口长度为L2=T2×fs后再执行能量检测；第三阶段综合前两阶段的检测结果，判决网络的传输模式，并对基于帧传输的网络判别其信号帧长，以提高检测概率。

能量检测前两阶段获得判决统计量时，采用的接收功率形式如下：
其中，x［·］为接收信号采样序列，L∈｛L1，L2｝为观察窗口长度。

如果时刻n
的接收功率大于预定门限值，则判定该网络处于激活状态。

3.2 多周期特性加权循环平稳特征检测
对于OFDM符号而言，FFT点数不同，符号周期也不同，且该周期与CPF无关；CPF不同，符号周期也不同，且该周期与FFT点数无关。

循环平稳特征检测算法
通过分析OFDM信号的循环相关谱谱峰分布，提取OFDM信号的FFT点数、CPF或导频间隔等参数。

本文采用循环平稳特征检测法，同时考虑OFDM信号的FFT点数和CPF对应的循环平稳特性，通过分析循环相关谱谱峰分布识别物理层
信号时频特征，将循环平稳特性划分为两组：位于循环频率αi=0处的谱峰为A组，αi≠0处的谱峰为B组，A组特性表征OFDM信号的周期性，B组特性反映CPF
的周期性。

不考虑噪声影响，用于网络识别的接收基带复OFDM信号为：
其中Nc为数据子载波数；Nm为OFDM信号的FFT点数；Ns为OFDM符号采样总数且Ns=Nc+Ng，其中Ng为保护间隔；γm，k为第m个OFDM符号的
第k个子载波上的数据序列，该数据序列独立同分布；g［·］为矩形脉冲序列，定义为：
基于式（2）计算接收信号的循环自相关函数，其表达式为：
其中，
由式（4）可知，rss［n，l］是以Ns为周期的周期函数，即接收基带复OFDM
信号表现出循环平稳特征，其循环频率αi满足：
A=｛αi|αi=i/NsT0，i=0，±1，±2，…｝（5）其中T0=1/fs。

对式（4）进行傅里叶变换，得到循环相关谱。

该循环相关谱是循环频率αi和时间间隔l的函数：其中时间间隔l仅由OFDM信号的FFT点数决定，αi=0时FFT点数不同的系统，循环相关谱谱峰在l轴上的位置不同；而循环频率αi由FFT点数和CPF共同决定，αi≠0时各FFT点数相同，CPF不同的系统，其循环相关谱谱峰在l轴上的位置相同，而在αi轴上的位置不同。

因此，利用OFDM信号的循环平稳特征即可检测
和识别不同电力无线通信网络。

将网络发现和识别归结为二元假设检验，即
其中，x［n］为接收信号样值，w［n］为复加性高斯白噪声。

网络发现和识别旨在确定H0和H1哪种情况发生的概率更高，即通过比较检验统计量与预设门限thr从而确定信号的存在性，进而判定网络类型。

如果，判定网络存在，即识别到网络类型；否则判定网络不存在。

在给定虚警概率Pf后即可回推
门限值thr，且满足。

传统的网络检测检验统计量有两种，构成不同的识别算法：算法1：只考虑由OFDM信号周期性所表现的循环平稳特征（即A组特征值），将αi=0时的循环平稳特征作为检验统计量，定义为：
其中，Q为快拍数，［l］为第q次检测获得的循环相关谱。

该方法虽能实现网络发现和识别，但如果其他无线网络具有相同的符号周期，那么即使物理层未采用OFDM技术，也会表现出相同的循环平稳特征。

此时，该算法无效。

算法2：利用CPF表现的信号循环平稳特征（即B组特征值），将αi≠0时的循
环平稳特征作为检测统计量，定义为：
其中，为第q次检测获得的循环相关谱。

该算法与算法1相比，采用了OFDM信号独有的循环前缀特征，但由CPF形成的循环平稳特征值较小，在低信噪比环境中无法获得可靠的检测性能。

算法1和算法2均将特定点的循环平稳特征值与预设门限值进行比较以检测网络类型，当因某些原因致使该特定点处产生较强干扰时，两种算法均具有较大的虚警概率。

为此，本文结合A组和B组特征，将A组特征值与B组特征值加权求和作为检测统计量，即
其中，ω1和ω2为加权因子，ω1+ω2=1。

与仅单独考虑A组特征值或B组特征值进行网络类型识别方式相比，基于多周期特性加权，同时考虑了两组特征，能降低识别误差，提高检测性能。

为了评价本文提出的电力无线通信异构多网共存网络发现与识别算法的性能，构建如下仿真场景：异构多网共存环境由一个数据包产生间隔时间为6 ms的智能电网邻域网，一个帧长为10 ms、CPF为1/16的TD-LTE无线专网，一个帧长为5 ms、CPF为1/8的WiMAX无线专网和230 MHz电力无线专网构成，仿真分析在瑞利衰落环境中进行。

首先分析本文所提算法对TD-LTE无线专网，WiMAX无线专网，230 MHz电力无线专网以及智能电网邻域网4种网络的识别性能，然后与第3章所述的两种传统的网络检测算法进行对比。

设定ω1=ω2=0.5，判决门限通过设置虚警概率
Pf=0.1回推。

仿真结果如图3和4所示。

图3所示为利用本文所提网络识别算法对四种网络执行检测，检测概率随接收信噪比的变化曲线。

由图可知，当接收信噪比高于 -12 dB时，四种网络的检测概率均达到0.9以上，识别性能较好。

为简化分析，以智能电网邻域网为例，对比第3章中所述的两种传统检测算法与本文提出的识别算法的检测性能。

在相同虚警概率下，三种算法的检测概率对比如图4所示。

由图可知，相较两种传统算法的检测性能，本文所提算法的检测性能有显著提高。

该算法在接收信噪比为 -20 dB时，检测概率比其他两种算法提高了约25%。

另外，本文所提算法与两种传统算法均采用循环平稳特征检测，并未增
加计算复杂度。

综上所述，本文所提出的网络发现与识别算法能够在不增加计算复杂度的同时提高网络识别性能。

针对TD-LTE无线通信专网、WiMAX无线通信专网、智能电网邻域网和230 MHz电力无线专网实施的异构多无线通信网络共存场景，提出了一种融合物理层信号时频特征和MAC层协议特征的网络发现与识别算法。

该算法结合改进的基于窗口滑动的能量检测和基于多周期特性的加权循环平稳特征检测执行网络发现和识别。

仿真结果表明，该算法在未增加计算复杂度的同时提高了网络识别性能。

Computer Engineering and Applications，2016，52（11）：131-135.
【相关文献】
［1］Zaballos A，Vallejo A，Selga J M.Heterogeneous communication architecture for
the smart grid［J］.IEEE Network，2011，25（5）：30-37.
［2］Amin R，Martin J，Zhou Xuehai.Smart grid communication using next generation heterogeneous wireless networks［C］// 2012 IEEE 3rd International Conference on Smart Grid Communications（SmartGridComm），2012：229-234.
［3］Khan R H，Khan J Y.A heterogeneous WiMAX-WLAN network for AMI communications in the smart grid［C］// 2012 IEEE 3rd International Conference on Smart Grid Communications（SmartGridComm），2012：710-715.
［4］Patel A，Aparicio J，Tas N，et al.Assessing communications technology options for smart grid applications［C］//2011 IEEE International Conference on Smart Grid Communications（SmartGridComm），2011：126-131.
［5］Du J，Qian M L.Research and application on LTE technology in smartgrids［C］
//7th InternationalConference on Communications and Networking in China （CHINACOM），Beijing，China，2012：76-80.
［6］Brueck S.Heterogeneous networks in LTE-Advanced［C］// 2011 8th International Symposium on Wireless Communication Systems（ISWCS），2011：171-175.
［7］Rengaraju P，Lung C H，Srinivasan munication requirements and analysis of distribution networks using WiMAX technology for smart grids［C］//8th International Conference on Wireless Communications and Mobile Computing Conference（IWCMC），
Limassol，USA，2012：666-670.
［8］Meng W X，Ma R F，Chen H H.Smart grid neighborhood area networks：a survey ［J］.IEEE Network，2014，28 （1）：24-32.
［9］IEEE Std 802.16h-2010.IEEE standard for local and metropolitan area networks-part 16：air interface for broadband wireless access systems-amendment 2：improved coexistence mechanisms for license-exempt operation［S］.2010：1-224.
［10］Souil M，Rault T，Bouabdallah A.A new adaptive MAC protocol with QoS support for heterogeneous wireless sensor networks［C］//2012 IEEE Symposium on Computers and Communications（ISCC），2012：405-410.
［11］Dong C，Wang H，Yu W，et al.Detection of MAC policy in heterogeneous Ad Hocnetworks［C］//IEEE International Conference on Intelligent Computing and Intelligent Systems（ICIS），Shanghai，China，2009：354-357.
［12］Li A，Dong C，Tang X，et al.Identifying and analyzing wireless network protocols withoutdemodulation［C］// IEEE Wireless Communications and Networking Conference（WCNC），Paris，France，2012：2462-2467.
［13］Jeong Y W，Jeon W S，Jeong D G，et al.Identification of IEEE 802 CR systems for heterogeneous coexistence on TV white space［C］//IEEE 21st International Symposium on Personal Indoor and Mobile Radio Communications（PIMRC），Istanbul，Turkey，2010：1643-1647.
［14］Lim S，Jung H，Kim S W，et al.Novel CR signal detection algorithms for coexistence in TV white space［C］// IEEE InternationalConference on ICT Convergence （ICTC），Seoul，Korea，2011：465-469.
［15］Kim M，Kimtho P，Takada J.Performance enhancement of cyclostationarity detectorby utilizing multiple cyclic frequencies of OFDM signals［C］//IEEE Symposium on New Frontiers in Dynamic Spectrum，Singapore，2010：1-8.。