【技术实现步骤摘要】
本专利技术涉及信号处理领域，尤其涉及一种基于云边端协同的噪声库构建方法及装置。
技术介绍
1、随着新型电力系统的快速发展和大规模电力电子设备接入电网，电力线通信环境变得越来越复杂，这种复杂性主要是由于电力电子设备引发的电磁干扰问题所致，这种干扰严重影响了电力线载波通信的发展和应用。并且，在电力线载波通信中，信道噪声干扰是一个严重的问题。因此，解决电力线通信中的噪声干扰问题变得尤为重要。
2、然而，现有技术很难准确获取广域范围内电力线噪声的分布特征，也很难对采集到的噪声进行有效的修正，导致终端设备采集到的数据积压严重，传输压力巨大，从而严重影响了通信系统的性能。
技术实现思路
1、本专利技术提供了一种基于云边端协同的噪声库构建方法及装置，解决了噪声分布特征精度不足的技术问题。
2、为了解决上述技术问题，本专利技术实施例提供了一种基于云边端协同的噪声库构建方法，包括：
3、根据预设噪声分布特征模型对边侧接收数据进行噪声消除，得到所述边侧接收数据的误码率；
4、根据所述误码率对预设云边知识图谱的融合策略进行修正，更新所述云边知识图谱的融合权重参数，并根据所述误码率计算得到噪声分布特征的精度欠缺值；
5、根据所述精度欠缺值对端侧噪声采集频率上限进行修正，得到端侧噪声采集频率上限，并根据所述端侧噪声采集频率上限得到噪声分布特征；
6、根据所述噪声分布特征构建第二噪声知识图谱，并根据所述融合权重参数和预设补充融合方法，对所
7、对所述广域噪声知识图谱进行分析，得到电力线噪声库，完成噪声库构建；
8、根据预设噪声分布特征模型对边侧接收数据进行噪声消除，可以有效降低信道噪声对数据的影响，提高接收数据的质量和准确性；根据误码率对预设云边知识图谱的融合策略进行修正，可以根据实际情况调整融合权重参数，提高融合结果的准确性和可靠性；根据误码率计算得到噪声分布特征的精度欠缺值，可以评估噪声分布特征的准确性和可信度；根据精度欠缺值对端侧噪声采集频率上限进行修正，可以根据实际需求调整噪声采集频率，提高噪声分布特征的准确性和实时性；根据修正后的噪声分布特征构建第二噪声知识图谱，并通过补全融合方法对其进行补全融合，可以得到更完整和准确的广域噪声知识图谱，通过分析广域噪声知识图谱，可以得到电力线噪声库，为电力线通信系统提供准确的噪声分布特征，优化通信系统的设计和性能。
9、作为优选方案，所述根据所述误码率对预设云边知识图谱的融合策略进行修正，更新所述云边知识图谱的融合权重参数，包括：
10、根据第一指标对所述云边知识图谱进行评估，由评估结果调整所述误码率，根据调整后的误码率更新所述云边知识图谱的权重融合参数；其中，所述第一指标包括所述误码率、所述误码率与所述误码率均值的比值、所述误码率与所述误码率均值的偏差和所述误码率与所述误码率均值的偏差的平方；
11、根据误码率对预设云边知识图谱的融合策略进行修正，并更新融合权重参数，可以提高知识图谱的准确性和可靠性，从而为后续步骤提供更精确的噪声分布特征和更优化的决策依据。
12、作为优选方案，所述云边知识图谱的权重融合参数的更新过程，包括：
13、根据预设权重参数和所述第一指标对所述云边知识图谱进行评估，根据评估结果对所述权重融合参数进行优化，包括：
14、
15、其中，wm为所述权重融合参数；ξm和ζm为预设权重参数；用于衡量不同指标的重要程度；τm为所述误码率；m为端侧电力线通信噪声采集装置数量以及边侧智能终端数量；τi为第i个端侧电力线通信噪声采集装置的误码率；
16、根据预设权重参数和第一指标对云边知识图谱进行评估，并优化权重融合参数，可以提高知识图谱的准确性和可靠性，从而为后续的决策和应用提供更可靠的依据。
17、作为优选方案，所述根据所述误码率计算得到噪声分布特征的精度欠缺值，包括：
18、根据所述第一指标、预设噪声分布特征建模精度要求和多个误码率性能指标加权求和值的差值进行计算，得到所述精度欠缺值，包括：
19、
20、其中，λm为所述精度欠缺值；εm为所述噪声分布特征建模精度要求；σ(·)为预设误码率性能与噪声分布特征建模精度之间的映射函数，用于将误码率性能值映射为相应的噪声分布特征建模精度值；μm，vm，om为预设的权重参数，用于衡量不同指标的重要性；m为端侧电力线通信噪声采集装置数量以及边侧智能终端数量；τi为第i个端侧电力线通信噪声采集装置的误码率；τm为所述误码率；τm，max为预设边侧智能终端的误码率阈值；
21、根据第一指标、预设噪声分布特征建模精度要求和多个误码率性能指标加权求和值的差值进行计算，得到精度欠缺值，可以评估建模精度，并提供优化建模的依据，从而提高数据处理的准确性和可靠性。
22、作为优选方案，所述根据所述精度欠缺值对端侧噪声采集频率上限进行修正，得到端侧噪声采集频率上限，包括：
23、
24、其中，为所述端侧噪声采集频率上限；ρm为预设权重参数；λm为所述精度欠缺值；λm，max为预设噪声分布特征建模精度欠缺阈值；
25、根据精度欠缺值对端侧噪声采集频率上限进行修正，可以优化噪声采集过程，提高建模的准确性和系统性能，从而改善建模结果和系统的整体效果。
26、作为优选方案，所述根据所述端侧噪声采集频率上限得到噪声分布特征，包括：
27、根据所述端侧噪声采集频率上限更新噪声采集频率，并根据所述噪声采集频率，对端侧噪声数据进行采集后，抽取所述噪声数据的分布特征，得到所述噪声分布特征；
28、根据端侧噪声采集频率上限更新噪声采集频率，并根据更新后的采集频率对端侧噪声数据进行采集，抽取噪声数据的分布特征，可以提高建模准确性，优化系统性能，并为后续的信号处理和系统设计提供可靠的噪声信息。
29、作为优选方案，所述根据所述融合权重参数和预设补充融合方法，对所述第二噪声知识图谱进行补全融合，得到广域噪声知识图谱，包括：
30、根据预设非线性激活函数，对所述第二噪声知识图谱中的主实体特征和相似候选实体特征线性组合进行图谱实体特征补全，并根据所述融合权重参数和预设联邦加权聚合机制，对补全后的所述第二噪声知识图谱进行知识图谱融合，得到所述广域噪声知识图谱；
31、根据融合权重参数和预设补充融合方法，对第二噪声知识图谱进行补全融合，可以提高知识图谱的质量，丰富数据资源，并为后续的数据分析和应用提供更可靠的基础。
32、作为优选方案，所述对所述广域噪声知识图谱进行分析，得到电力线噪声库，完成噪声库构建，包括：
33、根据对所述广域噪声知识图谱中的实体以及实体间关系，构建所述电力线噪声库和所述电力线噪声库多种模式间的映像；其中，所述映像包括外模式/模式映像和本文档来自技高网...
【技术保护点】
1.一种基于云边端协同的噪声库构建方法，其特征在于，包括：
2.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述误码率对预设云边知识图谱的融合策略进行修正，更新所述云边知识图谱的融合权重参数，包括：
3.如权利要求2所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述云边知识图谱的权重融合参数的更新过程，包括：
4.如权利要求2所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述误码率计算得到噪声分布特征的精度欠缺值，包括：
5.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述精度欠缺值对端侧噪声采集频率上限进行修正，得到端侧噪声采集频率上限，包括：
6.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述端侧噪声采集频率上限得到噪声分布特征，包括：
7.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述融合权重参数和预设补充融合方法，对所述第二噪声知识图谱进行补全融合，得到广
8.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述对所述广域噪声知识图谱进行分析，得到电力线噪声库，完成噪声库构建，包括：
9.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述对所述广域噪声知识图谱进行分析，得到电力线噪声库，完成噪声库构建后，还包括：
10.一种基于云边端协同的噪声库构建装置，其特征在于，包括：噪声消除模块、第一修正模块、第二修正模块、图谱补全融合模块和噪声库获取模块；
...【技术特征摘要】
1.一种基于云边端协同的噪声库构建方法，其特征在于，包括：
2.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述误码率对预设云边知识图谱的融合策略进行修正，更新所述云边知识图谱的融合权重参数，包括：
3.如权利要求2所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述云边知识图谱的权重融合参数的更新过程，包括：
4.如权利要求2所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述误码率计算得到噪声分布特征的精度欠缺值，包括：
5.如权利要求1所述的一种基于云边端协同的噪声库构建方法，其特征在于，所述根据所述精度欠缺值对端侧噪声采集频率上限进行修正，得到端侧噪声采集频率上限，包括：
6.如权利要求1所述的一种基于云边端协同的噪声库...
【专利技术属性】
技术研发人员：施展，付佳佳，李星南，张健，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。