(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211273126.7 (22)申请日 2022.10.18 (71)申请人 国网山东省电力公司营销服 务中心 （计量中心） 地址 250000 山东省济南市 市中区大观园 经二路15 0号 申请人 国家电网有限公司 (72)发明人 王清　荆臻　刘玉　王平欣　 朱红霞　张景帆　张志　陈祉如　 赵曦　徐子骞　刘延溪　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 张庆骞 (51)Int.Cl. G06K 9/00(2022.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种电力线载波信道噪声检测方法及系统 (57)摘要 本发明公开一种电力线载波信道噪声检测 方法及系统， 包括： 对典型噪声进行建模， 并通过 对典型噪声的随机组合， 建立典型噪声时域图像 库； 对典型噪声时域图像划定边缘轮廓， 并将建 模生成的标识信息在边缘轮廓中进行裁剪， 以修 正边缘轮廓； 对处理后的典型噪声时域图像基于 方向梯度直方图提取特征描述符， 以对分类器进 行训练； 获取电力线载波信道的现场噪声， 对现 场噪声提取时域图像， 并以此采用训练后的分类 器进行噪声类型的识别。 提高噪声分类的效率与 稳定性。 权利要求书1页 说明书7页 附图3页 CN 115438702 A 2022.12.06 CN 115438702 A 1.一种电力线载波信道噪声检测方法， 其特 征在于， 包括： 对典型噪声 进行建模， 并通过对典型噪声的随机组合， 建立典型噪声时域图像库； 对典型噪声时域图像划定边缘轮廓， 并将建模生成的标识信息在边缘轮廓中进行裁 剪， 以修正边缘轮廓； 对处理后的典型 噪声时域图像基于方向梯度直方图提取特征描述符， 以对分类器进行 训练； 获取电力线载波信道的现场噪声， 对现场噪声提取时域图像， 并以此采用训练后的分 类器进行噪声类型的识别。 2.如权利要求1所述的一种电力线载波信道噪声检测方法， 其特征在于， 所述典型 噪声 包括有色背景噪声、 窄带噪声和脉冲噪声。 3.如权利要求1所述的一种电力线载波信道噪声检测方法， 其特征在于， 对典型 噪声时 域图像经 灰度化处 理后， 采用Sobel 算子提取图像边 缘， 以划定边 缘轮廓。 4.如权利要求3所述的一种电力线载波信道噪声检测方法， 其特征在于， 提取图像边缘 的过程包括： 计算图像明暗程度近似值， 并将区域内超出预设阈值的特定点记 为边缘， 根据 图像边缘旁边明暗程度把区域内超过某个数的特定点记为 边缘。 5.如权利要求1所述的一种电力线载波信道噪声检测方法， 其特征在于， 修正边缘轮廓 的过程包括： 根据图像大小设定裁剪位置， 根据裁剪位置对边缘轮廓进 行裁剪修正， 去除边 缘部分的坐标轴。 6.如权利要求1所述的一种电力线载波信道噪声检测方法， 其特征在于， 特征描述符的 提取过程包括： 将处理后的典型噪声时域图像划分为细胞单元， 采集细胞单元中各像素点 的梯度或边 缘的方向直方图， 将这些直方图组合 起来构成特 征描述符。 7.如权利要求1所述的一种电力线载波信道噪声检测方法， 其特征在于， 所述分类器包 括通过在任意两类样本之间采用一对一法构造SVM二 值分类器， 以多种噪声 进行分类。 8.一种电力线载波信道噪声检测系统， 其特 征在于， 包括： 典型噪声建模模块， 被配置为对典型 噪声进行建模， 并通过对典型 噪声的随机组合， 建 立典型噪声时域图像库； 典型噪声处理模块， 被配置为对典型噪声时域图像划定边缘轮廓， 并将建模生成的标 识信息在边 缘轮廓中进行裁 剪， 以修正边缘轮廓； 特征提取与训练模块， 被配置为对处理后的典型 噪声时域图像基于方向梯度直方图提 取特征描述符， 以对分类 器进行训练； 噪声检测模块， 被配置为获取电力线载波信道的现场噪声， 对现场噪声提取时域图像， 并以此采用训练后的分类 器进行噪声类型的识别。 9.一种电子设备， 其特征在于， 包括存储器和处理器以及存储在存储器上并在处理器 上运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成权利要求 1‑7任一项所述的方 法。 10.一种计算机可读存储介质， 其特征在于， 用于存储计算机指令， 所述计算机指令被 处理器执行时， 完成权利要求1 ‑7任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115438702 A 2一种电力线载波信 道噪声检测方 法及系统 技术领域 [0001]本发明涉及电力线载波信道通信技术领域， 特别是涉及 一种电力线载波信道噪声 检测方法及系统。 背景技术 [0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息， 不必然构成在先技 术。 [0003]由于电力线主要是被设计用于传输电能的， 当其作为一个为信号提供传输通道的 信道的时候， 就变为了极其复杂时变的传输环境， 而最主要的原因是电力线信道上存在着 复杂时变的噪声以及接入电力线 上负载不可预知的工作变化情况， 导致信号在电力线信道 传输过程中具有衰减、 噪声干扰、 阻抗不匹配等严重影响信号传输质量的传输特性。 为了更 好的评估电力线载波通信的质量与稳定性， 将 台区现场噪声进行分类后研究， 有助于量化 评估现场环境。 [0004]随着人工智能在各个领域的广泛应用， 可以将机器学习方法应用到台区现场噪声 的分类中。 台区现场可以采集得到大量的包含各种典型现场噪声的信号数据， 这些数据经 过简单的处理可以得到相应的图片， 进而可以建立噪声图片数据库。 该图片数据库中既包 含了单一噪声 数据图片信息， 也包含了多种噪声组合形式的数据图片信息。 目前， 将机器学 习与电力线噪声分类相结合的方法很少， 且现有的分类方法具有一定的局限性。 [0005]现有的将机器学习应用到电力线噪声分类的方法为处理噪声的时域与频域信息， 通过机器学习进行训练与标记分类， 但典型台区现场环境极为复杂， 电力线 噪声时域和频 域信息的提取和处理具有不确定性， 一些偶然事件(例如 多种电力线噪声的同时产生)的发 生会造成较大 的误差， 会影响机器学习的分类效果， 所以通过时域和频域进行简单 的分类 难以有效准确的识别典型台区的电力线噪声。 发明内容 [0006]为了解决上述问题， 本发明提出了一种电力线载波信道噪声检测方法及系统， 提 高噪声分类的效率与稳定性。 [0007]为了实现上述目的， 本发明采用如下技 术方案： [0008]第一方面， 本发明提供一种电力线载波信道噪声检测方法， 包括： [0009]对典型噪声 进行建模， 并通过对典型噪声的随机组合， 建立典型噪声时域图像库； [0010]对典型噪声时域图像划定边缘轮廓， 并将建模生成的标识信息在边缘轮廓中进行 裁剪， 以修正边缘轮廓； [0011]对处理后的典型噪声时域图像基于方向梯度直方图提取特征描述符， 以对分类器 进行训练； [0012]获取电力线载波信道的现场噪声， 对现场噪声提取时域图像， 并以此采用训练后 的分类器进行噪声类型的识别。说　明　书 1/7 页 3 CN 115438702 A 3