一种基于噪声剥离优化的载波通信方法和装置

技术领域

本发明涉及载波通信技术领域，尤其涉及一种基于噪声剥离优化的载波通信方法和装置。

背景技术

电力线载波作为新型电力系统通信网的重要组成部分，因其经济、可靠等优良特性而得到广泛应用。然而，随着大量电力电子设备的运用，电力线载波信号在传输过程中受到的噪声干扰愈加的严重。因此，如何准确判别电力线载波噪声来源设备类型，有针对性地对设备健康状态进行预测，并对电力线载波的通信方法进行优化，保障电力线载波通信质量以及电网安全可靠运行是亟须解决的问题。

现有技术针对电力线载波中噪声来源设备的确定方法多是通过对电力线载波信号进行信号处理，并对其中的噪声进行噪声测试。但上述确认方式并没有完全考虑到电力线载波信号信息流和能量流两个方面的影响，同时也没有考虑后续针对信号进行进一步降噪的问题。

发明内容

本发明提供了一种基于噪声剥离优化的载波通信方法和装置，以实现综合信息流和能量流两个方面对电力线载波信号进行噪声来源确定，同时对信号进行降噪的技术效果。

为了解决上述技术问题，本发明实施例提供了一种基于噪声剥离优化的载波通信方法，包括以下步骤：

获取待处理载波，并对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹；

分别计算所述信息流指纹和所述能量流指纹与预设的标准噪声库中若干种标准噪声的相似系数，并根据所述相似系数确定所述待处理载波中的噪声来源；

根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理，同时根据所述噪声来源生成相应的预测模型进行噪声预测并获得相应预测结果，根据所述预测结果对相应的载波通信设备进行优化。

本发明提供的载波通信方法在获取了待处理载波之后，现首先对待处理载波进行信息流和能量流两个方面的指纹提取，继而获得待处理载波的信息流指纹和能量流指纹。一方面，为后续确定待处理载波中噪声的来源设备提供数据支撑；另一方面，通过以上两种指纹信息提取也丰富了系统后续针对待处理载波中的噪声来源研判的参考数据，提高了噪声来源研判的准确性、完整性和科学性。

获得上述两种指纹后，系统则根据提取获得的两种指纹在系统内存储的标准指纹库中筛选匹配，确定待处理载波中的噪声来源，通过计算获得的两种指纹和标准指纹库中每一种设备对应的标准噪声相应的两种指纹之间的相似系数，根据计算确定的相似系数进而确定待处理载波中的噪声来源，为后续针对该载波中的噪声进行噪声剥离以及通信设备进行优化以供数据基础。

确定噪声来源后，系统首先根据两种指纹生成噪声剥离网络对待处理载波中的噪声进行剥离处理，同时还根据确定的噪声来源生成预测模型对载波信号进行噪声预测并获得相应预测结果，并根据预测结果对载波通信设备中噪声来源对应的设备进行相应优化，进而提高载波通信设备的通信效率和通信质量，并提高载波通信设备的健康状态的改善效果。

作为优选例子，所述对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹，具体包括：

调用预设的差分星座轨迹图对所述待处理载波进行差分运算，并将获得的差分运算结果作为所述信息流指纹；

同时，调用预设的希尔伯特变换算法获取所述待处理载波的电流解析信号，并对所述电流解析信号分别进行幅值、相位和频率的特征提取，将特征提取结果作为所述能量流指纹。

为了提高针对待处理载波中噪声来源的研判准确性，本发明提供的载波通信方法在对待处理载波中信息流指纹和能量流指纹进行提取时，系统针对信息流的提取采用的是差分星座轨迹图对待处理载波信号进行差分运算，获得的差分运算结果即为提取获得的信息流指纹，通过上述方式即可将难以直接测量的信息流指纹转化为能够直观表征的差分星座轨迹图，以便系统后续对该信息流指纹数据进行进一步计算。

而针对待处理载波进行能量流指纹提取，本发明则是通过希尔伯特变换算法获得载波的电流解析信号，并对电流解析信号进行幅值、相位以及频率等三个方面的特征提取，则提取结果为所述能量流指纹。通过上述方法提取获得的能量流指纹，为后续针对载波中的噪声信号进行剥离提供了数据基础。

作为优选例子，所述分别计算所述信息流指纹和所述能量流指纹与预设的标准噪声库中若干种标准噪声的相似系数，根据所述相似系数确定所述待处理载波中的噪声来源，具体为：

分别计算所述信息流指纹和所述能量流指纹与所述标准噪声库中的所述若干种标准噪声对应的信息流标准指纹和能量流标准指纹的差值，继而获得若干对信息流差值和能量流差值；

计算每一对信息流差值和能量流差值的平方和，并将计算获得的平方和结果的倒数作为对应标准噪声的相似系数，进而基于计算获得的相似系数，调用预设的极大似然估计方法对所述待处理载波进行噪声来源研判，获得所述噪声来源。

为了进一步提高针对待处理载波中噪声来源研判的准确性，本发明提供的载波通信方法通过计算从待处理载波中提取获得的信息流指纹和能量流指纹与标准噪声库中每一个标准噪声分别对应的信息流标准指纹和能量流标准指纹的差值，进而获得若干对差值，每一对差值均包含一个信息流差值和一个能量流差值，以上每一对差值也对应一种标准噪声，同时每一种标准噪声也对应一个产生该噪声的设备即噪声来源。

确定了若干对差值后，系统将对每对差值进行一系列计算确定所述待处理载波与每个标准噪声的相似系数，进而通过极大似然估计方法确定所述待处理载波中噪声的具体来源为何种设备，即确定所述噪声来源。通过上述联合载波信号中的信息流数据和能量流数据的方式确定的噪声来源，其准确性和可靠性均被有效提升，同时通过上述两种提取信息协同研判噪声来源也进一步提高了后续对载波中噪声进行剥离的完整性和精确性。

作为优选例子，所述根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理，具体为：

对预设的标准噪声库中的标准噪声和所述信息流指纹以及所述能量流指纹进行特征提取拼接，并将拼接结果作为输入数据输入至预设的初始特征处理网络，使得所述初始特征处理网络被更新为所述噪声剥离网络；

控制所述噪声剥离网络对所述输入数据进行特征处理和分析，输出相应的序列数据作为噪声剥离序列，并根据所述噪声剥离序列对所述待处理载波进行噪声剥离处理。

为了进一步提高噪声剥离的完整性和精确性，本发明提供的载波通信方法在对噪声进行剥离时，首先对标准噪声库中的标准噪声以及提取获得的信息流指纹和能量流指纹进行特征提取拼接，并将拼接结果输入系统预设的特征处理网络中，使得该特征处理网络被更新为噪声剥离网络。

网络更新后，系统则控制该更新后的噪声剥离网络对特征拼接结果即输入数据进行特征处理分析，并输出相应的噪声剥离序列数据，获得该序列数据后系统即可根据该序列数据对待处理载波进行噪声剥离处理。通过以上方式对待处理载波进行噪声剥离，则可提高剥离的准确性以及剥离的噪声的完整度，同时通过上述方式获得的噪声剥离序列数据还可作为后续系统对载波通信设备进行优化的参考数据。

作为优选例子，所述根据所述噪声来源生成相应的预测模型进行噪声预测并获得相应预测结果，具体为：

根据所述噪声来源对预设的设备数字模型进行更新获得对应的所述预测模型，并根据所述预测模型对设备运行噪声进行预测，获得相应噪声预测序列；

根据所述噪声预测序列和噪声剥离序列通过所述预测模型对设备健康状态进行预测，获得对应的所述载波通信设备的健康状态的所述预测结果。

为了提高载波通信设备未来的运行状态和通信质量，本发明所提供的载波通信方法在对载波信号进行噪声剥离之后，还将根据确定的噪声来源对系统中预设的数字模型进行更新继而获得针对载波中噪声进行预测的预测模型，并根据该预测模型对载波通信设备的运行噪声进行预测，获得相应的噪声预测序列数据。

获得噪声预测序列后，系统则根据该噪声预测序列以及噪声剥离序列对载波通信设备的健康状态进行预测，并获得相应的预测结果，为后续对载波通信设备进行优化提供参考数据。

作为优选例子，所述根据所述预测结果对相应的载波通信设备进行优化，具体包括：

分别将所述预测结果与预设的第一阈值和第二阈值进行对比，获得相应对比结果；

当对比结果为所述预测结果大于或等于所述第二阈值时，则确定所述载波通信设备的健康状态为优秀，并根据所述健康状态更新所述载波通信设备的状态日志；

当对比结果为所述预测结果大于所述第一阈值的同时小于所述第二阈值时，则确定所述载波通信设备的健康状态为良好，则将所述载波通信设备调整为在线检修状态，并对所述载波通信设备进行通信线路优化；

当对比结果为所述预测结果小于或等于所述第一阈值时，则确定所述载波通信设备的健康状态为极差，则将所述载波通信设备调整为离线检修状态，并对所述载波通信设备进行通信线路优化。

为了进一步提高针对载波通信设备进行优化的时效性和准确性，本发明提供的载波通信方法将对上述优选例子获得的预测结果与第一阈值和第二阈值分别进行对比，获得相应对比结果，并根据相应对比结果选择对应更符合设备实时状态的优化方式优化设备的通信线路，使得经过通信线路优化的设备得以提高载波的通信质量和通信效率，还能在提高载波通信质量的同时提高针对载波通信设备的健康状态。

相应的，本发明还提供了一种基于噪声剥离优化的载波通信装置，所述载波通信装置包括指纹提取模块、来源确定模块、噪声剥离模块和设备优化模块；

其中，所述指纹提取模块用于获取待处理载波，并对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹；

所述来源确定模块用于分别计算所述信息流指纹和所述能量流指纹与预设的标准指纹库中若干种标准指纹的相似系数，并根据所述相似系数确定所述待处理载波中的噪声来源；

所述噪声剥离模块用于根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理；

所述设备优化模块用于根据所述噪声来源生成相应的预测模型进行噪声预测并获得相应预测结果，根据所述预测结果对相应的载波通信设备进行优化。

作为优选例子，所述指纹提取模块对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹，具体包括：

调用预设的差分星座轨迹图对所述待处理载波进行差分运算，并将获得的差分运算结果作为所述信息流指纹；

同时，调用预设的希尔伯特变换算法获取所述待处理载波的电流解析信号，并对所述电流解析信号分别进行幅值、相位和频率的特征提取，将特征提取结果作为所述能量流指纹。

作为优选例子，所述来源确定模块分别计算所述信息流指纹和所述能量流指纹与预设的标准指纹库中若干种标准指纹的相似系数，根据所述相似系数确定所述待处理载波中的噪声来源，具体为：

分别计算所述信息流指纹和所述能量流指纹与所述标准指纹库中的所述若干种标准指纹对应的信息流标准指纹和能量流标准指纹的差值，继而获得若干对信息流差值和能量流差值；

计算每一对信息流差值和能量流差值的平方和，并将计算获得的平方和结果的倒数作为对应标准指纹的相似系数，进而基于计算获得的相似系数，调用预设的极大似然估计方法对所述待处理载波进行噪声来源研判，获得所述噪声来源。

作为优选例子，所述噪声剥离模块根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理，具体为：

对预设的标准噪声库中的标准噪声和所述信息流指纹以及所述能量流指纹进行特征提取拼接，并将拼接结果作为输入数据输入至预设的初始特征处理网络，使得所述初始特征处理网络被更新为所述噪声剥离网络；

控制所述噪声剥离网络对所述输入数据进行特征处理和分析，输出相应的序列数据作为噪声剥离序列，并根据所述噪声剥离序列对所述待处理载波进行噪声剥离处理。

附图说明

图1：为本发明提供的基于噪声剥离优化的载波通信方法的一种实施例的流程示意图；

图2：为本发明提供的针对电力线载波的噪声剥离网络的一种实施例的结构示意图；

图3：为本发明提供的基于噪声剥离优化的载波通信装置的一种实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

请参照图1，为本发明提供的基于噪声剥离优化的载波通信方法的一种实施例的流程示意图，包括步骤101至步骤104，各步骤具体包括:

步骤101：获取待处理载波，并对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹。

本发明实施例提供的载波通信方法在获取了待处理载波之后，现首先对待处理载波进行信息流和能量流两个方面的指纹提取，继而获得待处理载波的信息流指纹和能量流指纹。一方面，为后续确定待处理载波中噪声的来源设备提供数据支撑；另一方面，通过以上两种指纹信息提取也丰富了系统后续针对待处理载波中的噪声来源研判的参考数据，提高了噪声来源研判的准确性、完整性和科学性。

在本实施例中，由于现有技术未有充分考虑到电力线载波信息流与能量流融合，因此导致针对电力线载波进行噪声剥离以及对电力线载波中的噪声来源研判出现误差，准确性较差。进而为了提高对电力线载波进行噪声剥离以及噪声来源研判的准确性，本实施例便在接收到待处理的电力线载波时，对其进行信息流指纹以及能量流指纹的提取，进而在对其进行噪声来源研判和噪声剥离则是综合根据提取获得的信息流指纹和能量流指纹进行协同研判以及协同识别剥离。

示例性的，本实施例所述对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹，具体包括：

调用预设的差分星座轨迹图对所述待处理载波进行差分运算，并将获得的差分运算结果作为所述信息流指纹；

同时，调用预设的希尔伯特变换算法获取所述待处理载波的电流解析信号，并对所述电流解析信号分别进行幅值、相位和频率的特征提取，将特征提取结果作为所述能量流指纹。

为了提高针对待处理载波中噪声来源的研判准确性，本发明实施例提供的载波通信方法在对待处理载波中信息流指纹和能量流指纹进行提取时，系统针对信息流的提取采用的是差分星座轨迹图对待处理载波信号进行差分运算，获得的差分运算结果即为提取获得的信息流指纹，通过上述方式即可将难以直接测量的信息流指纹转化为能够直观表征的差分星座轨迹图，以便系统后续对该信息流指纹数据进行进一步计算。

在本实施例中，采用差分星座轨迹图针对电力线载波信号进行差分运算，获取时刻的信息流指纹，其具体采用的计算公式如下所示：

其中，d

由上述公式可知，信号差分运算结果中主要包含2种成分，即发射信号的差分运算结果

而针对待处理载波进行能量流指纹提取，本发明实施例则是通过希尔伯特变换算法获得载波的电流解析信号，并对电流解析信号进行幅值、相位以及频率等三个方面的特征提取，则提取结果为所述能量流指纹。通过上述方法提取获得的能量流指纹，为后续针对载波中的噪声信号进行剥离提供了数据基础。

在本实施例中，为了充分利用电流复频域信息，通过希尔伯特变换算法获得载波t时刻的电流解析信号的具体计算公式如下：

其中，

在获得了电力线载波t时刻的电流解析信号后，系统将基于获得的电流解析信号，并通过幅值、相位和频率三个维度完成t时刻的能量流指纹提取。具体实现方式为采用电流解析信号的模衡量幅值、电流解析信号的复频域角度衡量相位、电流解析信号虚部的弧度变化率衡量频率，具体计算公式如下：

其中，d

上述简化后公式与简化前公式的表达含义相同。

步骤102：分别计算所述信息流指纹和所述能量流指纹与预设的标准噪声库中若干种标准噪声的相似系数，并根据所述相似系数确定所述待处理载波中的噪声来源。

获得上述两种指纹后，系统则根据提取获得的两种指纹在系统内存储的标准指纹库中筛选匹配，确定待处理载波中的噪声来源，通过计算获得的两种指纹和标准指纹库中每一种设备对应的标准噪声相应的两种指纹之间的相似系数，根据计算确定的相似系数进而确定待处理载波中的噪声来源，为后续针对该载波中的噪声进行噪声剥离以及通信设备进行优化以供数据基础。

示例性的，本实施例所述分别计算所述信息流指纹和所述能量流指纹与预设的标准噪声库中若干种标准噪声的相似系数，根据所述相似系数确定所述待处理载波中的噪声来源，具体为：

分别计算所述信息流指纹和所述能量流指纹与所述标准噪声库中的所述若干种标准噪声对应的信息流标准指纹和能量流标准指纹的差值，继而获得若干对信息流差值和能量流差值；

计算每一对信息流差值和能量流差值的平方和，并将计算获得的平方和结果的倒数作为对应标准噪声的相似系数，进而基于计算获得的相似系数，调用预设的极大似然估计方法对所述待处理载波进行噪声来源研判，获得所述噪声来源。

为了进一步提高针对待处理载波中噪声来源研判的准确性，本发明提供的载波通信方法通过计算从待处理载波中提取获得的信息流指纹和能量流指纹与标准噪声库中每一个标准噪声分别对应的信息流标准指纹和能量流标准指纹的差值，进而获得若干对差值，每一对差值均包含一个信息流差值和一个能量流差值，以上每一对差值也对应一种标准噪声，同时每一种标准噪声也对应一个产生该噪声的设备即噪声来源。

在本实施例中，系统提取获得了所述待处理载波的信息流指纹和能量流指纹后，则计算其与电力电子设备指纹库，即标准指纹库中共J种电力电子设备，即载波通信设备的标准指纹的相似系数。其中，所述相似系数定义为t时刻所提取的信息流指纹、能量流指纹与第j种设备标准指纹差值平方和的倒数。若设定与电力电子设备指纹库中第j种设备标准指纹的相似系数为δ

其中，

确定了若干对差值后，系统将对每对差值进行一系列计算确定所述待处理载波与每个标准噪声的相似系数，进而通过极大似然估计方法确定所述待处理载波中噪声的具体来源为何种设备，即确定所述噪声来源。通过上述联合载波信号中的信息流数据和能量流数据的方式确定的噪声来源，其准确性和可靠性均被有效提升，同时通过上述两种提取信息协同研判噪声来源也进一步提高了后续对载波中噪声进行剥离的完整性和精确性。

在本实施例中，系统在计算获得了每一个标准指纹与提取获得的信息流指纹和能量流指纹之间的相似系数后，便可基于极大似然估计方法判决噪声来源设备，具体实现公式如下所示：

其中，j

步骤103：根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理。

确定噪声来源后，系统首先根据两种指纹生成噪声剥离网络对待处理载波中的噪声进行剥离处理。

示例性的，本实施例所述根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理，具体为：

对预设的标准噪声库中的标准噪声和所述信息流指纹以及所述能量流指纹进行特征提取拼接，并将拼接结果作为输入数据输入至预设的初始特征处理网络，使得所述初始特征处理网络被更新为所述噪声剥离网络；

控制所述噪声剥离网络对所述输入数据进行特征处理和分析，输出相应的序列数据作为噪声剥离序列，并根据所述噪声剥离序列对所述待处理载波进行噪声剥离处理。

为了进一步提高噪声剥离的完整性和精确性，本发明实施例提供的载波通信方法在对噪声进行剥离时，首先对标准噪声库中的标准噪声以及提取获得的信息流指纹和能量流指纹进行特征提取拼接，并将拼接结果输入系统预设的特征处理网络中，使得该特征处理网络被更新为噪声剥离网络。

相应的参见图2，图2为本发明提供的针对电力线载波的噪声剥离网络的一种实施例的结构示意图。如图2所示，所述电力线载波噪声剥离网络包括输入层、指纹及噪声特征处理层和输出层三部分。其中，输入层接收网络输入数据，电力线载波噪声剥离网络输入信息包括所提取信息流指纹、能量流指纹以及标准噪声库，三种输入信息经过特征提取拼接之后输入电力线载波噪声剥离网络。指纹及噪声特征处理层负责对输入的信息流指纹、能量流指纹以及标准噪声库进行特征分析与处理，并将分析结果传输至输出层。

网络更新后，系统则控制该更新后的噪声剥离网络对特征拼接结果即输入数据进行特征处理分析，并输出相应的噪声剥离序列数据，获得该序列数据后系统即可根据该序列数据对待处理载波进行噪声剥离处理。通过以上方式对待处理载波进行噪声剥离，则可提高剥离的准确性以及剥离的噪声的完整度，同时通过上述方式获得的噪声剥离序列数据还可作为后续系统对载波通信设备进行优化的参考数据。

在本实施例中，由电力线载波对输入数据机型指纹及特征分析与处理后获得分析结果，并经由输出层输出的数据即噪声剥离序列数据，具体为N点噪声剥离序列

步骤104：同时根据所述噪声来源生成相应的预测模型进行噪声预测并获得相应预测结果，根据所述预测结果对相应的载波通信设备进行优化。

系统在对待处理载波进行噪声剥离后，同时还根据确定的噪声来源生成预测模型对载波信号进行噪声预测并获得相应预测结果，并根据预测结果对载波通信设备中噪声来源对应的设备进行相应优化，进而提高载波通信设备的通信效率和通信质量，并提高载波通信设备的健康状态的改善效果。

在本实施例中，系统在完成了基于信息流指纹-能流量指纹协同判别的噪声剥离与噪声来源研判即噪声相对应的电力电子设备类型研判之后，即可结合相应的噪声来源设备判别结果、所剥离的噪声序列以及根据噪声来源生成的相应预测模型，实现针对载波通信设备信息流-能量流线路的协同优化。

示例性的，本实施例所述根据所述噪声来源生成相应的预测模型进行噪声预测并获得相应预测结果，具体为：

根据所述噪声来源对预设的设备数字模型进行更新获得对应的所述预测模型，并根据所述预测模型对设备运行噪声进行预测，获得相应噪声预测序列；

根据所述噪声预测序列和噪声剥离序列通过所述预测模型对设备健康状态进行预测，获得对应的所述载波通信设备的健康状态的所述预测结果。

为了提高载波通信设备未来的运行状态和通信质量，本发明实施例所提供的载波通信方法在对载波信号进行噪声剥离之后，还将根据确定的噪声来源对系统中预设的数字模型进行更新继而获得针对载波中噪声进行预测的预测模型，并根据该预测模型对载波通信设备的运行噪声进行预测，获得相应的噪声预测序列数据。

在本实施例中，所述系统预设的设备数字模型，具体为综合了电力电子设备即载波通信设备的物理参数和运行特性构建而成的电力电子设备数字孪生模型f

获得噪声预测序列后，系统则根据该噪声预测序列以及噪声剥离序列对载波通信设备的健康状态进行预测，并获得相应的预测结果，为后续对载波通信设备进行优化提供参考数据。

在本实施例中，系统将基于确定的N点的噪声预测序列

其中，

进一步的，本实施例所述根据所述预测结果对相应的载波通信设备进行优化，具体包括：

分别将所述预测结果与预设的第一阈值和第二阈值进行对比，获得相应对比结果；

当对比结果为所述预测结果大于或等于所述第二阈值时，则确定所述载波通信设备的健康状态为优秀，并根据所述健康状态更新所述载波通信设备的状态日志；

当对比结果为所述预测结果大于所述第一阈值的同时小于所述第二阈值时，则确定所述载波通信设备的健康状态为良好，则将所述载波通信设备调整为在线检修状态，并对所述载波通信设备进行通信线路优化；

当对比结果为所述预测结果小于或等于所述第一阈值时，则确定所述载波通信设备的健康状态为极差，则将所述载波通信设备调整为离线检修状态，并对所述载波通信设备进行通信线路优化。

为了进一步提高针对载波通信设备进行优化的时效性和准确性，本发明实施例提供的载波通信方法将对上述优选例子获得的预测结果与第一阈值和第二阈值分别进行对比，获得相应对比结果，并根据相应对比结果选择对应更符合设备实时状态的优化方式优化设备的通信线路，使得经过通信线路优化的设备得以提高载波的通信质量和通信效率，还能在提高载波通信质量的同时提高针对载波通信设备的健康状态。

在本实施例中，系统基于预测模型获得的预测结果，可进一步确定相应电力电子设备j

其中系统将预测结果即设备的健康状态

若对比结果为设备健康状态

若对比结果为设备健康状态

若对比结果为设备健康状态

相应的，在本实施例中，系统内存储有网络中所有电力电子设备健康状态信息，即所有载波通信设备的健康状态信息，系统在确定了设备的健康状态信息

若网络中共有J个电力电子设备，构成了M条电力线载波信息流、能量流传输路径，定义第m个传输路径的健康状态为该路径上所有电力电子设备健康状态之和与所有电力电子设备健康状态方差的加权差，则可获得相应计算公式如下：

其中，公式第一项为该路径上所有电力电子设备健康状态之和，第二项为所有电力电子设备健康状态方差，υ

在确定了所有传输路径的健康状态之后，系统将基于健康状态最优法选择健康状态最优的传输路径进行信息流和能量流传输，进而可确定最终的信息流-能量流协同优化结果如下：

其中，

为了更好地说明本发明一种基于噪声剥离优化的载波通信方法和装置的工作原理与步骤流程，可以但不限于参见上文的相关记载。

相应的，参见图3，图3为本发明提供的基于噪声剥离优化的载波通信装置的一种实施例的结构示意图。如图3所示，所述载波通信装置包括指纹提取模块301、来源确定模块302、噪声剥离模块303和设备优化模块304。

其中，所述指纹提取模块301用于获取待处理载波，并对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹。

进一步的，所述指纹提取模块301对所述待处理载波进行信息流指纹提取处理和能量流指纹提取处理，获得所述待处理载波的信息流指纹和能量流指纹，具体包括：

调用预设的差分星座轨迹图对所述待处理载波进行差分运算，并将获得的差分运算结果作为所述信息流指纹；同时，调用预设的希尔伯特变换算法获取所述待处理载波的电流解析信号，并对所述电流解析信号分别进行幅值、相位和频率的特征提取，将特征提取结果作为所述能量流指纹。

所述来源确定模块302用于分别计算所述信息流指纹和所述能量流指纹与预设的标准指纹库中若干种标准指纹的相似系数，并根据所述相似系数确定所述待处理载波中的噪声来源。

进一步的，所述来源确定模块302分别计算所述信息流指纹和所述能量流指纹与预设的标准指纹库中若干种标准指纹的相似系数，根据所述相似系数确定所述待处理载波中的噪声来源，具体为：

分别计算所述信息流指纹和所述能量流指纹与所述标准指纹库中的所述若干种标准指纹对应的信息流标准指纹和能量流标准指纹的差值，继而获得若干对信息流差值和能量流差值；计算每一对信息流差值和能量流差值的平方和，并将计算获得的平方和结果的倒数作为对应标准指纹的相似系数，进而基于计算获得的相似系数，调用预设的极大似然估计方法对所述待处理载波进行噪声来源研判，获得所述噪声来源。

所述噪声剥离模块303用于根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理。

进一步的，所述噪声剥离模块303根据所述信息流指纹和所述能量流指纹生成对应噪声剥离网络，使得所述噪声剥离网络对所述待处理载波进行噪声剥离处理，具体为：

对预设的标准噪声库中的标准噪声和所述信息流指纹以及所述能量流指纹进行特征提取拼接，并将拼接结果作为输入数据输入至预设的初始特征处理网络，使得所述初始特征处理网络被更新为所述噪声剥离网络；控制所述噪声剥离网络对所述输入数据进行特征处理和分析，输出相应的序列数据作为噪声剥离序列，并根据所述噪声剥离序列对所述待处理载波进行噪声剥离处理。

所述设备优化模块304用于根据所述噪声来源生成相应的预测模型进行噪声预测并获得相应预测结果，根据所述预测结果对相应的载波通信设备进行优化。

进一步的，所述设备优化模块304根据所述噪声来源生成相应的预测模型进行噪声预测并获得相应预测结果，具体为：

根据所述噪声来源对预设的设备数字模型进行更新获得对应的所述预测模型，并根据所述预测模型对设备运行噪声进行预测，获得相应噪声预测序列；根据所述噪声预测序列和噪声剥离序列通过所述预测模型对设备健康状态进行预测，获得对应的所述载波通信设备的健康状态的所述预测结果。

更进一步的，所述设备优化模块304根据所述预测结果对相应的载波通信设备进行优化，具体包括：

分别将所述预测结果与预设的第一阈值和第二阈值进行对比，获得相应对比结果；

当对比结果为所述预测结果大于或等于所述第二阈值时，则确定所述载波通信设备的健康状态为优秀，并根据所述健康状态更新所述载波通信设备的状态日志；

当对比结果为所述预测结果大于所述第一阈值的同时小于所述第二阈值时，则确定所述载波通信设备的健康状态为良好，则将所述载波通信设备调整为在线检修状态，并对所述载波通信设备进行通信线路优化；

当对比结果为所述预测结果小于或等于所述第一阈值时，则确定所述载波通信设备的健康状态为极差，则将所述载波通信设备调整为离线检修状态，并对所述载波通信设备进行通信线路优化。

综上所述，本发明实施例提供了一种基于噪声剥离优化的载波通信方法和装置，通过对待处理载波进行信息流指纹和能量流指纹提取获得相应信息流指纹和能量流指纹，并根据所述信息流指纹和能量流指纹计算与标准噪声库中的每个标准噪声之间对应的相似系数，进而根据相似系数确定载波中的噪声来源；确定后根据信息流指纹和能量流指纹生成噪声剥离网络对载波中的噪声进行剥离，同时根据噪声来源生成预测模型对噪声进行预测，并根据预测结果对载波通信设备进行优化。本发明实施例通过信息流指纹和能量流指纹协同研判确定载波信号中的噪声来源，提高了研判结果的准确性；同时根据上述两种指纹对载波信号中的噪声进行剥离也提高了剥离的准确性和完整性；进而还基于上述两种指纹对载波通信设备进行优化，实现了电力线载波通信设备的信息流与能量流的协同优化，有效提高了载波通信设备的健康状态的改善效果。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。