1 重庆邮电大学 通信与信息工程学院，重庆 400065
2 北京智芯微电子科技有限公司，北京 102200
【目的】电力线载波（PLC）通信系统采用基于帧突发的传输模式，由于PLC系统的收发信机之间存在载波频偏、PLC信道存在各种噪声以及时变特性，加之PLC系统没有专用参考信号，传统信道估计对PLC信道没有跟踪预测能力，进而造成PLC系统性能恶化。
【方法】文章针对现有问题，提出了一种基于长短期记忆（LSTM）神经网络和去噪卷积神经网络（DnCNN）的去噪长短期记忆（DnLSTM）神经网络，并利用该DnLSTM神经网络进行了PLC信道估计。首先对DnLSTM神经网络进行离线训练再保存训练好的DnLSTM参数，之后将其部署到PLC系统中，加载训练完成的参数后再进行在线预测，得到PLC系统信道响应。在电力线系统仿真中，文章采用最小二乘法（LS）、最小均方误差（MMSE）算法以及DnLSTM神经网络进行信道估计，给出在高斯白噪声（AWGN）、组合噪声、色噪声和脉冲噪声条件下的仿真结果，同时调整了用于信道估计的前导符号数量并进行了对应的仿真。
【结果】仿真结果表明，DnLSTM神经网络进行信道估计的精度与采用的前导符号数量有关，采用4个前导符号进行信道估计，其估计精度优于LS，接近MMSE算法，并且DnLSTM神经网络具有很好的抵抗载波频偏以及信道时变的能力。当用于信道估计的前导符号越多时，低信噪比（SNR）情况下的PLC系统性能越好，高SNR情况下的PLC系统性能相似。
【结论】通过以上仿真可得出，基于LSTM和DnCNN的DnLSTM神经网络可以很好地估计存在频偏的PLC系统信道响应，可实时跟踪其变化。
电力线载波通信 信道估计 深度学习 长短期记忆神经网络 去噪卷积神经网络 PLC communication channel estimation deep learning LSTM neural network DnCNN 光通信研究
2024, 50(2): 22005801
电子科技大学光纤传感与通信教育部重点实验室，四川 成都 611731
拉曼光纤随机激光结合无源传感单元可以实现超长距离的准分布式传感。然而，受限于光谱探测速度，该传感方案通常只适用于静态传感领域。针对该问题，将拉曼光纤随机激光与拍频光谱探测技术相结合，提出了一种新型的拉曼光纤随机激光长距离动态传感技术。首先，基于含时光谱稳态模型论证了光谱快速测量对长距离动态传感的适用性。随后，在原理性验证实验中通过处理本振光与光纤随机激光拍频后的时域信号，实现了对光纤随机激光光谱的快速测量，并突破了光波往返时间对传感带宽的限制。同时，利用去噪卷积神经网络对光谱的中心波长变化进行标定，大幅提高了扰动信号探测的信号质量，实现了对不同频率、不同波形的扰动信息的准确测量。该研究为进一步拓展光纤随机激光的应用领域提供了新的思路。
光纤传感 光纤随机激光 拉曼散射 瑞利散射 去噪卷积神经网络 激光与光电子学进展
2023, 60(11): 1106027
