一种基于改进VPGA优化Elman神经网络的电力线通信数据处理算法
为了提高宽带电力线通信系统的通信质量,基于宽带电力线通信系统的基本原理,构建了宽带电力线通信系统的仿真模型.以广东云浮某小区用户电表的实际采集数据作为原始数据,在500 m的四径信道模型下,分别引入了BP神经网络和Elman神经网络进行了通信质量的仿真测试.针对神经网络算法普遍存在的抗噪声性能差的缺点,提出一种基于改进VPGA优化的Elman神经网络用于电力线通信系统解映射模块的数据处理,并进行了仿真测试.实验结果表明,该算法不占用宝贵的频谱资源且实现方便,并且除去信号被噪声淹没等极端恶劣的信道环境以外,均可以显著提高宽带电力线通信系统的通信质量,降低误码率.
电力线通信、OFDM、可变种群规模遗传算法、Elman神经网络、误码率
47
南方电网公司科技项目资助035300KK52150007
2019-05-09（万方平台首次上网日期，不代表论文的发表时间）
共8页
58-65
