频段检测模型构建方法及装置、检测方法及装置、接收机制造方法及图纸

本发明专利技术公开了一种频段检测模型构建方法及装置、检测方法及装置、接收机，频段检测模型构建方法包括：根据电力线通信协议，生成对应所述协议各频段的前导数据；基于所述前导数据，通过模拟电力线通信信道生成训练样本集；构建卷积神经网络；利用所述训练样本集训练所述卷积神经网络的参数；根据训练完成的卷积神经网络生成频段检测模型。利用该频段检测模型，可以实现在低信噪比条件下对电力线通信频段的准确检测，而且可节省硬件成本及系统功耗。耗。耗。

【技术实现步骤摘要】
频段检测模型构建方法及装置、检测方法及装置、接收机


[0001]本专利技术涉及电力线通信
，具体涉及一种频段检测模型构建方法及装置，还涉及一种频段检测方法及装置、接收机。

技术介绍

[0002]电力线通信(Power Line Communication，PLC)也称电力线载波通信，是基于供电线路进行数据传输的通信技术。电力线通信不同于其它的有线通信方式，通信环境比较复杂，由于接入的用电设备类型众多，用电设备工作时会在供电线路上产生大量的噪声干扰，并且干扰出现的时间和频段都是复杂多变的。针对于高噪声的信道环境，电力线通信协议一般都会定义多个可配置的通信频段，以便于应用时避开一些强干扰的频段。另外，在很多智能电子产品应用场景中，还可能会根据实际的信道环境配置私有的通信频段。
[0003]在现有电力线通信过程中，收发两端必须配置成相同的频段才能正常进行数据传输。在目前的大部分电力线应用中，收发频段一般是提前配置的，该操作虽然比较简单，但降低了频段切换的灵活性，频段切换必须由复杂上层协议配合甚至是软件干预才能完成。这种方式一方面会降低组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种频段检测模型构建方法，其特征在于，所述方法包括：根据电力线通信协议，生成对应所述协议各频段的前导数据；基于所述前导数据，通过模拟电力线通信信道生成训练样本集；构建卷积神经网络；利用所述训练样本集训练所述卷积神经网络的参数；根据训练完成的卷积神经网络生成频段检测模型。2.根据权利要求1所述的方法，其特征在于，所述生成对应所述协议各频段的前导数据包括：利用编程工具生成对应所述协议各频段的前导数据。3.根据权利要求1所述的方法，其特征在于，所述根据所述前导数据模拟电力线通信信道，生成大量样本数据包括：对所述前导数据做起始点循环，生成多个不同起始点的前导数据；模拟电力线通信信道，对所述前导数据添加高斯白噪声和采样频偏，得到样本数据；对所述样本数据进行编码，生成对应所述样本数据的标签；根据所述样本数据及对应的标签，生成所述训练样本集。4.根据权利要求3所述的方法，其特征在于，所述对所述前导数据添加高斯白噪声和采样频偏，得到样本数据包括：对不同前导数据添加不同的高斯白噪声和采样频偏。5.根据权利要求4所述的方法，其特征在于，所述对不同前导数据添加不同的高斯白噪声和采样频偏包括：按照第一步长增加或减小高斯白噪声，并按照第二步长增加或减少采样频偏的方式，依次对各前导数据添加高斯白噪声和采样频偏。6.根据权利要求1至5任一项所述的方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、全连接层、输出层，所述输出层作为所述两层全连接层中的第二层全连接层；所述输入层的节点数与待检测频段的单个前导数据的采样点数量相同；所述输出层的节点数与所述待检测频段的数量相同。7.根据权利要求6所述的方法，其特征在于，所述卷积层包括两个一维卷积层，每个卷积层后有一个ReLU激活函数。8.根据权利要求6所述的方法，其特征在于，所述池化层包括两个一维池化层，均采用最大池化，并且第二层池化后使用Flatten函数将最大池化后的二维数据转换为一维数据送入所述全连接层。9.根据权利要求6所述的方法，其特征在于，所述全连接层包括两层，第一层全...

【专利技术属性】
技术研发人员：贾萨妮，沈力为，陈光胜，
申请(专利权)人：上海东软载波微电子有限公司，
类型：发明
国别省市：