近年来,电力线通信技术以其接入成本低、组网简单、可靠性高等优点获得了越来越广泛的应用。电力线网络遍及城乡、直达用户,是目前世界上分布最广泛的有线网络,将其用作信息传输将具有先天的巨大优势。但与此同时,由于电力线网络架设的初衷是为了传输电能,将其用作信号传输,虽然具有显著的便捷性和经济性,但也伴随着多径、衰落、信道噪声等复杂的信道干扰因素影响系统的正常通信。因此,目前在宽带电力线通信领域普遍通过引入OFDM调制技术保证系统的通信质量。而为了提高通信的可靠性,OFDM系统普遍通过引入信道估计降低系统的误码率。信道估计技术发展至今,目前在实际应用领域仍然以传统的基于导频的信道估计技术为主,其在正常工作的过程中需要插入导频序列,因此会占用大量的频谱资源,实质上是一种通过降低通信的有效性来提高可靠性的一种方式,在频谱资源日益宝贵的今天具有很大的发展弊端。因此,本文致力于在保证通信系统的有效性的前提下结合改进神经网络算法来提高宽带电力线通信系统的可靠性。具体内容如下:一、在前人研究的基础上,本文对基于OFDM的宽带电力线通信系统的原理和结构进行了详细的分析,依据各个功能模块的性能搭建了完整的电力线通信系统的仿真模型。以某小区用户的实际电表数据作为原始数据在500m的18径电力线信道下进行仿真测试,并与理论分析结果进行对比。二、在深入分析电力线通信系统误码产生原因的基础上,提出在系统的解映射模块引入算法优化解映射性能以提高通信可靠性的思路。并通过引入适应性扩展和阈值分割算法对这一思路进行试验分析,通过对不同信噪比环境下优化性能的仿真测试,证明了解映射优化算法的可行性。最后根据仿真结果对算法的可行性、算法的特性以及本身存在的不足进行了分析。三、基于前文算法本身存在的缺陷,考虑通过引入神经网络提高优化算法本身的鲁棒性和容错性。通过对不同神经网络算法的特性分析以及仿真测试,最终在信噪比由低到高的实验环境下针对性地选择改进随机森林算法和OS-ELM对解映射模块进行性能优化,通过对测试集数据的训练过程形成新的映射规则以降低系统的误码率。针对通信过程中实际电表数据集固有的不平衡性提出改进SMOTE算法对其进行处理以降低其对随机森林算法性能的影响。最后考虑OS-ELM和随机森林算法的优化精度和运算速率的影响,提出了一种组合优化策略,并通过仿真测试的手段得到在0～50d B的连续变化的信噪比环境下系统的误码率曲线,最终通过对实际数据的通信测试证明了组合优化算法的可行性。