只要选择合适的阶数，并得到参数ak和u（fn）的方差2，就能得到低压电力线的频率响应。为了合理地反映低压电力线的时变性，可对低压电网进行24h连续测量，考虑到低压电网是个随时间缓慢变化的信道，且为了避免测量间隔与任何可能的变化规律同步，测量间隔可随机取n0min或（n0+1/2）min，这样就可得到几百组相应时间点的110MHz频率响应数据，对它们进行统计分析，即得到含有2p+1个随机实变量的统计AR（AlternativeRouting）模型。
假设低压电力线信道是准时不变的，并设2+2=1，信道1LMS算法的误比特性能如所示。由于迭代步长的取值决定了算法性能，因此图中给出了不同值下的信噪比与误比特率的关系。当>0.1时，算法性能随的增大而变差；在0.1范围内，小信噪比时的误码率随的增大而增大，大信噪比时的误码率随的增大而减小，故可折中考虑适当选取值。可以看到，当=0.01时，信道估计值能够很好的均衡低压电力线信道衰落后的信号，SNR12dB达到通信要求。
不同值下信噪比与误码率的关系算法的MSE收敛性能与信道特性有关，在低压电力线信道下，LMS算法的MSE曲线如所示。算法在40次迭代之后就达到平稳跟踪状态，且稳定状态下均方误差MSE几乎为零，因此，该算法在电力线信道下具有良好的收敛性。
LMS算法的收敛曲线。从中可以看出，在准时不变的低压电力线信道下，这两种算法下的信噪比误码率曲线很接近，因此，具有相差不多的信道估计性能。LMS算法与Decision-feedback算法的误比特性能比较但实测结果表明，低压电力线信道的慢衰落往往存在较大的衰减突变，假设信道特性在第50个符号处变为信道2，如（b）所示，则LMS和Decision-feedback算法的MSE收敛曲线。因此，考虑到低压电力线慢衰落存在突变的特点，LMS算法更适用于低压电力线OFDM通信系统。
结束语本文通过实测数据建立了低压电力线信道的统计AR模型；利用该模型对OFDM系统中的LMS和Decision-feedback半盲信道估计算法进行了仿真分析，结果证明，LMS算法更适用于低压电力线信道OFDM通信系统。
