一种电力线载波混合噪声识别分离的方法、装置及介质与流程

本发明涉及电力通信，特别是涉及一种电力线载波混合噪声识别分离的方法、装置及介质。

背景技术：

1、在新型电力系统下，为满足海量设备并发接入的通信需求，采用电力线载波聚合技术提升系统传输速率和带宽，是低压台区的一种重要通信技术；然而，面对大规模电力电子设备接入下引入的多种电力混合干扰噪声信号，导致台区内部通信环境复杂的情况，为了使信息的可靠传输得到保障，需要通过载波混合噪声信号识别分离方法，对电力系统中的混合噪声信号进行剥离。传统的载波混合噪声信号识别分离测试装置多为针对高斯噪声信号环境而设计的，能够对当前设备小规模接入下产生低功率的噪声信号进行有效滤除。

2、但是，现有的电力线载波混合噪声信号识别分离装置缺少合理载波混合噪声信号分类机制，对大功率电力线载波混合噪声信号特性分析性能差，无法对不同类型的噪声信号实现由强到弱的滤除；并且，由于现有的电力线载波混合噪声信号识别分离方法缺少对于不同噪声信号的差异化滤除方法，无法根据不同的噪声信号特性选择不同的方法对噪声信号进行逐一滤除，从而导致电力线载波混合噪声信号滤除效果不佳，精准度较差。

技术实现思路

1、本发明提供一种电力线载波混合噪声识别分离的方法、装置及介质，以解决现有技术无法通过差异化滤除方法对载波混合噪声信号进行有效的识别分离的问题。

2、为了解决上述问题，本发明提供了一种电力线载波混合噪声识别分离的方法，包括：

3、获取电力载波混合噪声信号；

4、采用预设的突发性脉冲压缩感知方法，对所述电力载波混合噪声信号中的突发性脉冲噪声信号进行剥离，得到第一噪声信号；

5、依次对所述第一噪声信号进行多次去噪，剔除所述第一噪声中的工频异步周期性脉冲噪声信号、有色噪声信号和工频同步周期性脉冲噪声信号，获得第二噪声信号；其中，所述工频异步周期性脉冲噪声信号和所述有色噪声信号是通过预设的滤波器滤除的，所述工频同步周期性脉冲噪声信号是通过信号相减的形式剔除的；

6、通过预设的最优信息熵匹配对抗生成网络对所述第二噪声信号中的窄带噪声信号进行重构，将重构后的窄带噪声信号从所述第二噪声信号中去除，得到识别分离结果。

7、本发明针对电力载波混合噪声信号中的突发性脉冲噪声信号、工频异步周期性脉冲噪声信号、有色噪声信号、工频同步周期性脉冲噪声信号和窄带噪声信号分别采取了不同的方法进行剥离。对于突发性脉冲噪声信号，通过发挥突发性脉冲压缩感知方法的数据提取与数据重构功能，能够将其从电力载波混合噪声信号中有效剥离开来；对于工频异步周期性脉冲噪声信号和有色噪声信号，是通过预设的滤波器进行处理的，能够快捷方便地将其与所获取的原始总噪声分离开来；对于工频同步周期性脉冲噪声信号，通过信号相减的形式能够准确地将其与原混合噪声信号分离开来；对于窄带噪声信号，通过信号重构的方法，可以去除第二噪声信号中其他噪声信号的干扰，准确地表示原始的窄带噪声信号，达到有效识别分离的目的。

8、相比于现有技术，本发明通过针对电力载波混合噪声信号中的不同噪声信号类别，采取不同的识别分离措施以做到有的放矢，将电力载波混合噪声信号中的不同噪声信号精准有效地分离开来，因此能够解决现有技术无法通过差异化滤除方法对载波混合噪声信号进行有效的识别分离的问题。

9、作为优选方案，采用预设的突发性脉冲压缩感知方法，对所述电力载波混合噪声信号中的突发性脉冲噪声信号进行剥离，得到第一噪声信号，具体为：

10、将所述电力载波混合噪声信号中的突发脉冲噪声信号转化为稀疏脉冲噪声信号，根据所述稀疏脉冲噪声信号的时域稀疏性建立观测矩阵，根据所述观测矩阵对所述稀疏脉冲噪声信号进行压缩处理，得到第一压缩数据；

11、通过预设算法对所述第一压缩数据进行计算，得到重构突发性脉冲噪声信号；

12、将所述电力载波混合噪声信号与所述重构突发性脉冲噪声信号作差，得到所述第一噪声信号。

13、本优选方案通过将突发脉冲噪声信号转化为稀疏脉冲噪声信号，使得稀疏脉冲噪声信号具有稀疏性，该稀疏分解的步骤可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中所蕴含的信息，方便进一步对信号进行加工处理，以便有效地将目标信号和混合噪声信号分离开来；由于电力线载波信号中的突发性脉冲噪声信号具有时域稀疏性，所以可以由此建立观测矩阵，该观测矩阵包含了脉冲噪声信号出现的全部可能，通过该观测矩阵对稀疏脉冲噪声信号进行压缩处理，能够在降低数据采集成本和存储成本、保留信号重要信息的同时，实现信号的降维和噪声信号提取；

14、因此，通过对第一压缩数据进行计算，即可得到重构突发性脉冲噪声信号，该重构突发性脉冲噪声信号相当于是对电力载波混合噪声信号中原始的突发脉冲噪声信号进行提取得到的，去除了电力载波混合噪声信号中其他噪声信号信息的干扰，能够准确地表示原始的突发脉冲噪声信号，所以最后将电力载波混合噪声信号与重构突发性脉冲噪声信号作差，即可得到第一噪声信号，完成电力载波混合噪声信号和突发脉冲噪声信号的分离。

15、作为优选方案，通过预设算法对所述第一压缩数据进行计算，得到重构突发性脉冲噪声信号，具体为：

16、通过凸优化的基追踪去噪算法，求得所述第一压缩数据的粗估计信息；

17、通过最小均方误差的方法对所述粗估计信息进行计算，得到所述重构突发性脉冲噪声信号。

18、本优选方案通过凸优化的基追踪去噪算法能够实现信号去噪和超分辨处理，进一步去除粗估计信息中除突发脉冲噪声信号之外的其它干扰噪声信号，使在粗估计信息这一基础上计算得到的重构突发性脉冲噪声信号能够更加准确地表示载波混合噪声信号中的突发脉冲噪声信号。

19、作为优选方案，所述工频异步周期性脉冲噪声信号通过预设的滤波器滤除的，具体为：

20、使用预设的第一滤波器对所述第一噪声信号进行滤波，去除所述第一噪声信号中的所述工频异步周期性脉冲噪声信号；

21、其中，所述第一滤波器是根据功率谱均值设计不同噪声信号频率范围与信号频率范围的频率响应而得到；

22、其中，所述功率谱均值是通过对所述第一噪声信号中工频异步噪声信号的功率谱进行分段，获取每一段数据的平均值，结合预设的第一模型而构建得到；所述第一模型是对所述第一噪声信号中的工频异步噪声信号进行建模而得到。

23、本优选方案的第一滤波器是在第一噪声信号中工频异步噪声信号的基础上建立得到的，由于该第一滤波器拥有关于噪声信号频率范围与信号频率范围的对应频率响应，因此使用第一滤波器对第一噪声信号进行滤波，可以将其中的工频异步周期性脉冲噪声信号很好地对应识别出来并去除，完成第一噪声信号和工频异步周期性脉冲噪声信号的分离。

24、作为优选方案，所述工频同步周期性脉冲噪声信号是通过信号相减的形式剔除的，具体为：

25、将剔除所述工频异步周期性脉冲噪声信号和所述有色噪声信号之后的第一噪声信号与重构工频同步周期性脉冲噪声信号作差，得到所述第二噪声信号；

26、其中，所述重构工频同步周期性脉冲噪声信号是通过使用进化适配捕捉方法，对剔除所述工频异步周期性脉冲噪声信号和所述有色噪声信号之后的第一噪声信号中的工频同步周期性脉冲噪声信号进行重构，使重构后所述工频同步周期性脉冲噪声信号与预设的历史标准值之间的差小于预设值而得到的。

27、作为优选方案，所述重构工频同步周期性脉冲噪声信号是通过使用进化适配捕捉方法，对剔除所述工频异步周期性脉冲噪声信号和所述有色噪声信号之后的第一噪声信号中的工频同步周期性脉冲噪声信号进行重构，使重构后所述工频同步周期性脉冲噪声信号与预设的历史标准值之间的差小于预设值而得到的，具体为：

28、通过预设的第二滤波器，对剔除所述工频异步周期性脉冲噪声信号和所述有色噪声信号之后的第一噪声信号中的工频同步周期性脉冲噪声信号进行过滤处理，根据处理结果建立工频谐波信号库；

29、使用所述进化适配捕捉方法，对所述工频谐波信号库中的信号个体进行计算，得到适配度最大的第一个体；

30、根据所述第一个体包含的时间常数、衰减余弦波频率和相位，进行工频同步周期性脉冲噪声信号重构，得到第一重构信号；

31、使所述第一重构信号与所述历史标准值之间的差小于预设值，得到所述重构工频同步周期性脉冲噪声信号。

32、本优选方案通过进化适配捕捉方法对工频谐波信号库中的信号个体进行计算，能够使用进化适配捕捉方法中的捕捉器快速向工频谐波信号库中适配度较高的个体移动，可以让捕捉器快速地找到最优解，即得到适配度最高的第一个体；同时，适配度越高，信号个体越适配标准工频同步周期性脉冲噪声信号，因此获取适配度最高的第一个体，相当于得到准确度最高的工频同步周期性脉冲噪声信号的第一个体，所以根据该第一个体的相关信息，可以建立第一重构信号，第一重构信号能够更加准确地表示第三噪声信号中的工频同步周期性脉冲噪声信号；

33、并且，通过控制第一重构信号与历史标准值之间的差小于预设值，能够使最后得到的重构工频同步周期性脉冲噪声信号在一个合理的区间范围之内，保证数据的合理性。

34、作为优选方案，通过预设的最优信息熵匹配对抗生成网络对所述第二噪声信号中的窄带噪声信号进行重构，具体为：

35、将所述第二噪声信号输入所述最优信息熵匹配对抗生成网络进行训练，使所述信息熵匹配对抗生成网络的生成网络根据训练后的第二噪声信号生成实际数据样本；

36、使用所述信息熵匹配对抗生成网络的判别网络对所述实际数据样本进行类型判别，并根据所述类型判别的结果对所述第二噪声信号中的窄带噪声信号进行重构，得到重构窄带噪声信号；

37、其中，所述最优信息熵匹配对抗生成网络是通过使用窄带噪声信号和信息熵训练得到的。

38、本优选方案中，由于最优信息熵匹配对抗生成网络是通过使用窄带噪声信号和信息熵训练得到的，因此该网络有效地学习到了窄带噪声信号和信息熵这些数据的潜在特征；该网络中的判别网络根据类型判别的结果对第二噪声信号中的窄带噪声信号进行重构，能够消除其他噪声信号的影响，还原出一个准确的窄带噪声信号。

39、作为优选方案，将所述第二噪声信号输入所述最优信息熵匹配对抗生成网络进行训练，具体为：

40、将所述第二噪声信号输入所述最优信息熵匹配对抗生成网络，使所述最优信息熵匹配对抗生成网络以最小化信息熵的损失函数为目标，对所述第二噪声信号进行训练；

41、当所述生成网络生成的窄带噪声信号分布函数和预设的理想窄带噪声信号的分布函数相等时，训练完成。

42、本优选方案是通过以最小化信息熵的损失函数为目标进行训练的，通过最小化信息熵匹配损失函数的方式可以减少训练的不确定度，实现生成网络训练的快速收敛，并且能够使用较少的计算次数即可得到相对精确的值，保证实际数据样本的准确性。并且，以生成网络生成的窄带噪声信号分布函数和预设的理想窄带噪声信号的分布函数相等作为训练完成的标志，能够使得到的数据样本符合预设的合理性标准，保证数据的准确性。

43、本发明还提供了一种电力线载波混合噪声识别分离的装置，包括噪声信号获取模块、第一识别分离模块、第二识别分离模块和第三识别分离模块；

44、其中，所述噪声信号获取模块，用于获取电力载波混合噪声信号；

45、所述第一识别分离模块，用于采用预设的突发性脉冲压缩感知方法，对所述电力载波混合噪声信号中的突发性脉冲噪声信号进行剥离，得到第一噪声信号；

46、所述第二识别分离模块，用于依次对所述第一噪声信号进行多次去噪，剔除所述第一噪声中的工频异步周期性脉冲噪声信号、有色噪声信号和工频同步周期性脉冲噪声信号，获得第二噪声信号；其中，所述工频异步周期性脉冲噪声信号和所述有色噪声信号是通过预设的滤波器滤除的，所述工频同步周期性脉冲噪声信号是通过信号相减的形式剔除的；

47、所述第三识别分离模块，用于通过预设的最优信息熵匹配对抗生成网络对所述第二噪声信号中的窄带噪声信号进行重构，将重构后的窄带噪声信号从所述第二噪声信号中去除，得到识别分离结果。

48、作为优选方案，所述第一识别分离模块包括第一处理单元、第二处理单元和第三处理单元；

49、其中，所述第一处理单元，用于将所述电力载波混合噪声信号中的突发脉冲噪声信号转化为稀疏脉冲噪声信号，根据所述稀疏脉冲噪声信号的时域稀疏性建立观测矩阵，根据所述观测矩阵对所述稀疏脉冲噪声信号进行压缩处理，得到第一压缩数据；

50、所述第二处理单元，用于通过预设算法对所述第一压缩数据进行计算，得到重构突发性脉冲噪声信号；

51、所述第三处理单元，用于将所述电力载波混合噪声信号与所述重构突发性脉冲噪声信号作差，得到所述第一噪声信号。

52、作为优选方案，所述第二处理单元具体为：

53、通过凸优化的基追踪去噪算法，求得所述第一压缩数据的粗估计信息；

54、通过最小均方误差的方法对所述粗估计信息进行计算，得到所述重构突发性脉冲噪声信号。

55、作为优选方案，所述第二识别分离模块包括第一滤波单元；

56、所述第一滤波单元，用于使用预设的第一滤波器对所述第一噪声信号进行滤波，去除所述第一噪声信号中的所述工频异步周期性脉冲噪声信号；

57、其中，所述第一滤波器是根据功率谱均值设计不同噪声信号频率范围与信号频率范围的频率响应而得到；

58、其中，所述功率谱均值是通过对所述第一噪声信号中工频异步噪声信号的功率谱进行分段，获取每一段数据的平均值，结合预设的第一模型而构建得到；所述第一模型是对所述第一噪声信号中的工频异步噪声信号进行建模而得到。

59、作为优选方案，所述第二识别分离模块包括第一剔除单元；

60、所述第一剔除单元，用于将剔除所述工频异步周期性脉冲噪声信号和所述有色噪声信号之后的第一噪声信号与重构工频同步周期性脉冲噪声信号作差，得到所述第二噪声信号；

61、其中，所述重构工频同步周期性脉冲噪声信号是通过使用进化适配捕捉方法，对剔除所述工频异步周期性脉冲噪声信号和所述有色噪声信号之后的第一噪声信号中的工频同步周期性脉冲噪声信号进行重构，使重构后所述工频同步周期性脉冲噪声信号与预设的历史标准值之间的差小于预设值而得到的。

62、作为优选方案，所述第一剔除单元包括第一子单元；

63、所述第一子单元，用于通过预设的第二滤波器，对剔除所述工频异步周期性脉冲噪声信号和所述有色噪声信号之后的第一噪声信号中的工频同步周期性脉冲噪声信号进行过滤处理，根据处理结果建立工频谐波信号库；

64、还用于使用所述进化适配捕捉方法，对所述工频谐波信号库中的信号个体进行计算，得到适配度最大的第一个体；

65、还用于根据所述第一个体包含的时间常数、衰减余弦波频率和相位，进行工频同步周期性脉冲噪声信号重构，得到第一重构信号；

66、还用于使所述第一重构信号与所述历史标准值之间的差小于预设值，得到所述重构工频同步周期性脉冲噪声信号。

67、作为优选方案，所述第三识别分离模块包括实际数据样本生成单元和信号重构单元；

68、其中，所述实际数据样本生成单元，用于将所述第二噪声信号输入所述最优信息熵匹配对抗生成网络进行训练，使所述信息熵匹配对抗生成网络的生成网络根据训练后的第二噪声信号生成实际数据样本；

69、所述信号重构单元，用于使用所述信息熵匹配对抗生成网络的判别网络对所述实际数据样本进行类型判别，并根据所述类型判别的结果对所述第二噪声信号中的窄带噪声信号进行重构，得到重构窄带噪声信号；

70、其中，所述最优信息熵匹配对抗生成网络是通过使用窄带噪声信号和信息熵训练得到的。

71、作为优选方案，所述第三识别分离模块包括第一训练单元和第二训练单元；

72、其中，所述第一训练单元，用于将所述第二噪声信号输入所述最优信息熵匹配对抗生成网络，使所述最优信息熵匹配对抗生成网络以最小化信息熵的损失函数为目标，对所述第二噪声信号进行训练；

73、所述第二训练单元，用于当所述生成网络生成的窄带噪声信号分布函数和预设的理想窄带噪声信号的分布函数相等时，训练完成。

74、本发明还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上所述一种电力线载波混合噪声识别分离的方法。