CN111711469B - 基于信噪比的台区识别方法、系统、存储介质及sta节点 - Google Patents

Abstract

本发明提供一种基于信噪比的台区识别方法、系统、存储介质及STA节点，包括：基于预设时间间隔采集各个邻居网络的SNR值；基于SNR值计算各个预设时间间隔下各个邻居网络的网络评分值；对于任意两个邻居网络，在距离当前时间的预设时长内，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和，得到所述两个邻居网络的网络评估结果并确定网络评估结果较大的邻居网络；在所有邻居网络中判定网络评估结果中的最大的邻居网络为所述STA节点的所属台区。本发明的基于信噪比的台区识别方法、系统、存储介质及STA节点基于时间统计实现SNR值的稳定性计算，引入权重概念，保证STA在多个邻居网络末端仍然具有很好的区分度，提升台区识别的准确度。

Description

基于信噪比的台区识别方法、系统、存储介质及STA节点

技术领域

本发明涉及电力载波通信的技术领域，特别是涉及一种基于信噪比的台区识别方法、系统、存储介质及STA节点。

背景技术

在电力系统中，台区是指(一台)变压器的供电范围或区域。在低压配电网的营业管理中，用电管理部门经常需要核查用户档案，以确保档案准确，为营销管理提供正确无误的管理数据，这其中包括用户档案归属、网络拓扑关系、用户设备用电相位和工作相序等等。台区户变关系的准确建立，有利于台区线损管理，提高电网经济运行水平；同时可免除白名单的配置，减少现场调试和配置操作，提升部署效率。因此，在智能电网的应用中，台区户变关系的准确识别具有很重要的意义。

现有技术中，无扰台区识别主要通过以下两种方式：

(1)基于过零网络基准时间(Network Time Base，NTB)识别

然而，该方式在电力线负载较轻的情况下，不同台区间的过零NTB偏差值较小；同时不同厂家的硬件电路有一定差异，导致识别结果往往并不理想。

(2)基于信噪比(Signal to Noise Ratio，SNR)值判别

该方式无需统一协议标准，具有极好的灵活性等优点。经实际测试发现，节点处于多个网络环境时，当位于某个网络近端，通过实时SNR值比对，可以很好地正确识别台区归属。但是，当节点处于多个网络的末端时，由于信号衰减，检测到的正确归属台区的SNR值与临台区的SNR值相接近，导致识别结果会波动，常常在多个台区间不断跳跃。例如，在某试点现场，节点在两个网路末端采集到的SNR变化趋势如图1所示。从图中由图可知，前22个采集点在本台区和非本台区的SNR统计结果极为接近，且大部分时间内，非本台区SNR值略大于本台区SNR值；从第23个采集点后，本台区SNR值大于非本台区SNR值。若根据实时SNR统计方法进行判别，会发现节点在一天当中的某一段时间内归属于非台区的情况，无法满足准确确定台区户变关系的需求。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于信噪比的台区识别方法、系统、存储介质及STA(Station)节点，基于时间统计实现SNR值的稳定性计算，从而有效提升了台区识别的准确度。

为实现上述目的及其他相关目的，本发明提供一种基于信噪比的台区识别方法，应用于STA节点，包括以下步骤：基于预设时间间隔采集各个邻居网络的SNR值；基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值；对于任意两个邻居网络，在距离当前时间的预设时长内，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和，得到所述两个邻居网络的网络评估结果并确定网络评估结果较大的邻居网络；在所有邻居网络中判定网络评估结果中的最大的邻居网络为所述STA节点的所属台区。

于本发明一实施例中，基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值采用以下任意一种方式：

1)对于任一邻居网络的任一预设时间间隔，获取所述预设时间间隔内所采集到的各个SNR值的最大值，作为所述预设时间间隔下所述邻居网络对应的网络评分值；

2)对于任一邻居网络的任一预设时间间隔，计算所述预设时间间隔内所采集到的各个SNR值的和与所述邻居网络的总接收信标数的比值，作为所述预设时间间隔下所述邻居网络对应的网络评分值；

3)对于任一邻居网络的任一预设时间间隔，根据

计算所述预设时间间隔下所述邻居网络i的网络评分值，网络i_评分表示根据方式1)或方式2)所获取的网络i在所述预设时间间隔的网络评分值，1≤i≤M，M表示邻居网络总个数，Y为预设值。

于本发明一实施例中，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和时，所述各个预设时间间隔的权重根据以下任一方式获取：

1)针对每个预设时间间隔设置对应的权重；

2)在每个预设时间间隔，以任一邻居网络的网络评分值为基准评分值，当某一邻居网络的网络评分值与所述基准评分值的差值大于等于预设阈值时，设置所述邻居网络的权重为第一数值，否则设置为第二数值，所述第一数值大于所述第二数值；

3)在每个预设时间间隔，对于任意邻居网络A和邻居网络B，计算所述预设时间间隔前至少两组网络评分值的差值大于预定值的占比K1和小于预定值的占比K2；若K1＜K2，邻居网络A的权重更新为当前权重*(1-K1/K2)，邻居网络B保持当前权重不变，若K1大于K2，邻居网络B的权重为当前权重*(1-K2/K1)，邻居网络A保持当前权重不变，若K1等于K2，邻居网络A和邻居网络B均保持当前权重不变；预设次数迭代后，确定邻居网络A和邻居网络B的最终权重；

4)在每个预设时间间隔，对于任意邻居网路A和邻居网络B，若只监听到邻居网络A，而未监听到邻居网络B，则设置该预设时间间隔邻居网络A的权重为邻居网络B的权重的N倍，N为不小于2的自然数。

于本发明一实施例中，还包括将所述STA节点和对应的所属台区存储至掉电不丢失的存储区，以在所述STA模块再次启动时根据所存储的所属台区自动入网。

于本发明一实施例中，还包括若实时计算得到的邻居网络的网络评估结果大于所述存储的所属台区对应的网络评估结果，则切换至所述邻居网络。

于本发明一实施例中，还包括将每个预设时间间隔的各个邻居网络的网络评分值存储至掉电不丢失的存储区，每间隔一定时长重新计算所述各个邻居网络的网络评估结果，并判定所述STA节点的所属台区。

于本发明一实施例中，所述预设时长为24小时。

对应地，本发明提供一种基于信噪比的台区识别系统，应用于STA节点，包括采集模块、计算模块、评估模块和判定模块；

所述采集模块用于基于预设时间间隔采集各个邻居网络的SNR值；

所述计算模块用于基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值；

所述评估模块用于对于任意两个邻居网络，在距离当前时间的预设时长内，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和，得到所述两个邻居网络的网络评估结果并确定网络评估结果较大的邻居网络；

所述判定模块用于在所有邻居网络中判定网络评估结果中的最大的邻居网络为所述STA节点的所属台区。

本发明提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的基于信噪比的台区识别方法。

最后，本发明提供一种STA节点，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述STA节点执行上述的基于信噪比的台区识别方法。

如上所述，本发明的基于信噪比的台区识别方法、系统、存储介质及STA节点，具有以下有益效果：

(1)由于网络的实时SNR数值会随着信道的变化而变，故基于时间统计计算得到SNR的稳定有效值，为台区的准确识别提供了基础；

(2)以预设时间间隔T采集网络的SNR值，统计预设时长如24小时内的数据，并设置不同的权重因子，有效地解决了在台区末端某一段时间内本台区SNR值与临台区的SNR相近导致的识别错误问题；

(3)对统计数据做“滑窗”处理，保证任意一个计算时刻点都能基于过去预设时长的数据进行计算，从而能够根据时间推移，不断更新各个网络的网络评估结果，保证了台区识别的有效性；

(4)通过永久存储方式存储STA节点和对应的所属台区，当下次STA节点重启后，可根据历史数据快速的选择所属台区进行入网请求，有效地提升了入网效率；

(5)应用不受限于国网的宽带协议，对于其它电力载波通信协议均具有普遍适用性，通用性、灵活性更强。

附图说明

图1显示为现有技术中同一节点在不同台区所采集的SNR值于一实施例中的变化趋势图；

图2显示为本发明的基于信噪比的台区识别方法于一实施例中的流程图；

图3(a)显示为本发明中两个网络的SNR值于一实施例中的曲线图；

图3(b)显示为本发明中两个网络的SNR值于另一实施例中的曲线图；

图3(c)显示为本发明中两个网络的SNR值于又一实施例中的曲线图；

图4显示为本发明的基于信噪比的台区识别系统于一实施例中的结构示意图；

图5显示为本发明的STA节点于一实施例中的结构示意图。

元件标号说明

41 采集模块

42 计算模块

43 评估模块

44 判定模块

51 处理器

52 存储器

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本发明的基于信噪比的台区识别方法、系统、存储介质及STA节点基于时间统计的方式计算网络的SNR值，减少了SNR值波动带来的识别结果波动，从而有效提升了台区识别的准确度，极具实用性。

如图2所示，于一实施例中，本发明的基于信噪比的台区识别方法应用于STA节点，包括以下步骤：

步骤S1、基于预设时间间隔采集各个邻居网络的SNR值。

由于网络的实时SNR值随信道的变化而波动，故本发明采集某一段时间内的SNR值，并通过一定的数学方法来减少波动，使SNR值的统计结果更可靠。具体地，STA节点上电之后，基于预设时间间隔(如1小时)采集各个邻居网络的网络信息，包括网络MAC地址、实时SNR值等；同时统计接收到的邻居网络的总接收信标数N。

步骤S2、基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值。

具体地，所述STA节点根据采集到的所述SNR值来计算预设时间间隔下各个邻居网络的网络评分值。于本发明一实施例中，基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值采用以下任意一种方式：

1)对于任一邻居网络的任一预设时间间隔，获取所述预设时间间隔内所采集到的各个SNR值的最大值，作为所述预设时间间隔下所述邻居网络对应的网络评分值，即网络i_评分＝MAX{第1次SNR值，第2次SNR值...第N次SNR值}。其中，在所述预设时间间隔，所述STA节点采集到N次SNR值，将SNR值的最大值作为所述邻居网络对应的网络评分值。

2)对于任一邻居网络的任一预设时间间隔，计算所述预设时间间隔内所采集到的各个SNR值的和与所述邻居网络的总接收信标数的比值，作为所述预设时间间隔下所述邻居网络对应的网络评分值，即

3)对于任一邻居网络的任一预设时间间隔，根据

计算所述预设时间间隔下所述邻居网络i的网络评分值，网络i_评分表示根据方式1)或方式2)所获取的网络i在所述预设时间间隔的网络评分值，1≤i≤M，M表示邻居网络总个数，Y为预设值。

于本发明一实施例中，将每个预设时间间隔的各个邻居网络的网络评分值存储至掉电不丢失的存储区，存储区以邻居网络MAC地址为索引，即使中途发生断电或异常复位，通过监听邻居网络是否存在，可决定是否参与计算或丢弃，避免无效数据影响结果，以便后续使用。例如，以每天凌晨00:00为起始时刻，以T时间段为统计间隔进行网络评分，得到预设时长(如24小时)内所有时间段T的网络评分，总共得到L组数据，依次填充到相应的“掉电不丢失”区，格式表1所示。

步骤S3、对于任意两个邻居网络，在距离当前时间的预设时长内，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和，得到所述两个邻居网络的网络评估结果并确定网络评估结果较大的邻居网络。

在网络评估时，若STA节点位于台区末端，网络评估结果在某一段时间内肯定会有波动。因此，本发明通过添加不同权重，来提高网络评估结果的可靠性。

于本发明一实施例中，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和时，所述各个预设时间间隔的权重根据以下任一方式获取：

1)针对每个预设时间间隔设置对应的权重。

由于SNR值与电力线上负载变化有相关性，故将一天划分为多个时间段并设置不同时间段的权重。比如：00:00:00～06：00为用电低峰期，此时两个台区的负载较轻，SNR值的统计结果相对可靠，可信度较高，故将此时间段的权重设为A1。18：00～22：00为一天中的用电高峰期，负载较重，SNR值的统计结果相对不可靠，故可设置权重为A2，其中，A1>A2。

因此，将每个预设时间间隔设置对应的权重。计算实时网络评估结果时，从当前时间起向前延伸至预设时长(如24小时)，根据网络X_评估结果＝SUM{T₁*W₁+T₂*W₂+...T_n*W_n}计算邻居网络X的网络评估结果。其中，T_i表示第i个预设时间间隔的网络评分值，W_i表示第i个预设时间间隔的权重，n表示预设时间间隔的个数。

2)在每个预设时间间隔，以任一邻居网络的网络评分值为基准评分值，当某一邻居网络的网络评分值与所述基准评分值的差值大于等于预设阈值时，设置所述邻居网络的权重为第一数值B1，否则设置为第二数值B2，所述第一数值B1大于所述第二数值B2。

具体地，计算实时网络评估结果时，从当前时间起向前延伸至预设时长(如24小时)，根据网络X_评估结果＝SUM{T₁*BX+T₂*BX+...+T_L*BX}计算邻居网络X的网络评估结果。其中T_i表示第i个预设时间间隔的网络评分值，L表示预设时间间隔的个数，X取值为1或2。

3)在每个预设时间间隔，对于任意邻居网络A和邻居网络B，计算所述预设时间间隔前至少两组网络评分值的差值大于预定值的占比K1和小于预定值的占比K2；若K1＜K2，邻居网络A的权重更新为当前权重*(1-K1/K2)，邻居网络B保持当前权重不变，若K1大于K2，邻居网络B的权重为当前权重*(1-K2/K1)，邻居网络A保持当前权重不变，若K1等于K2，邻居网络A和邻居网络B均保持当前权重不变；预设次数迭代后，确定邻居网络A和邻居网络B的最终权重。

具体地，由于预设时间间隔固定为T，故可认为采用的是均匀采样。统计任意两个网络的所述预设时间间隔前至少两组网络评分值的差值，分别大于预定值或小于预定值的占比来确定最终的权重。优选地，邻居网络A和邻居网络B的初始权重相同。经过预设次数(如预设时长/预设时间间隔)的迭代后，可以获知邻居网络A和邻居网络B的最终权重。后续可基于最终权重计算网络评估结果。如图3(a)所示，两个台区的MAC地址分别为373619912000和333619912000，采样组数为72，采样间隔为20分钟，两个台区的网络评分值的差值大于预定值0占比71.8％，差值小于预定值-0占比21.1％。如图3(b)所示，采样组数为72，采样间隔为20分钟，两个台区的网络评分值的差值大于预定值0占比80.3％，差值小于预定值-0占比18.3％。如图3(c)所示，采样组数为72，采样间隔为20分钟，两个台区的网络评分值的差值大于预定值0占比86.1％，差值小于预定值-0占比8.3％。因此，通过对一段时间(如一天、一星期等)内的大于预定值或小于预定值的占比进行统计，可通过迭代方式确定两个台区的最终权重。

4)在每个预设时间间隔，对于任意邻居网路A和邻居网络B，若只监听到邻居网络A，而未监听到邻居网络B，则设置该预设时间间隔邻居网络A的权重为邻居网络B的权重的N倍，N为不小于2的自然数。

步骤S4、在所有邻居网络中判定网络评估结果中的最大的邻居网络为所述STA节点的所属台区。

具体地，在确定网络评估结果中的最大值时，邻居网络两两进行比对，每次保留较大的邻居网络与剩余的邻居网络进行比较，直至确定网络评估结果最大的邻居网络，并将最大值对应的邻居网络为所述STA节点的所属台区。

于本发明一实施例中，本发明的基于信噪比的台区识别方法还包括将所述STA节点和对应的所属台区存储至掉电不丢失的存储区，以在所述STA模块再次启动时根据所存储的所属台区自动入网，从而提升了入网效率。优选地，在入网之后，若实时计算得到的邻居网络的网络评估结果大于所述存储的所属台区对应的网络评估结果，则切换至所述邻居网络。

于本发明一实施例中，本发明的基于信噪比的台区识别方法还包括将每个预设时间间隔的各个邻居网络的网络评分值存储至掉电不丢失的存储区，每间隔一定时长重新计算所述各个邻居网络的网络评估结果，并判定所述STA节点的所属台区。因此，通过对每个预设时间间隔的各个邻居网络的网络评分值的滑窗处理，能够保证实时计算最新的网络评估结果，从而保证台区识别的准确性。

如图4所示，于一实施例中，本发明的基于信噪比的台区识别系统应用于STA节点，包括采集模块41、计算模块42、评估模块43和判定模块44。

所述采集模块41用于基于预设时间间隔采集各个邻居网络的SNR值。

所述计算模块42与所述采集模块41相连，用于基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值。

所述评估模块43与所述计算模块42相连，用于对于任意两个邻居网络，在距离当前时间的预设时长内，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和，得到所述两个邻居网络的网络评估结果并确定网络评估结果较大的邻居网络。

所述判定模块44与所述评估模块43相连，用于在所有邻居网络中判定网络评估结果中的最大的邻居网络为所述STA节点的所属台区。

其中，采集模块41、计算模块42、评估模块43和判定模块44的结构和原理与上述基于信噪比的台区识别方法中的步骤一一对应，故在此不再赘述。

需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，x模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(Digital Singnal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。

本发明的存储介质上存储有计算机程序，该程序被处理器执行时实现上述的基于信噪比的台区识别方法。所述存储介质包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。

如图5所示，于一实施例中，本发明的STA节点包括：处理器51及存储器52。

所述存储器52用于存储计算机程序。

所述存储器52包括：ROM、RAM、磁碟、U盘、存储卡或者光盘等各种可以存储程序代码的介质。

所述处理器51与所述存储器52相连，用于执行所述存储器52存储的计算机程序，以使所述STA节点执行上述的基于信噪比的台区识别方法。

优选地，所述处理器51可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

综上所述，本发明的基于信噪比的台区识别方法、系统、存储介质及STA节点由于网络的实时SNR数值会随着信道的变化而变，故基于时间统计计算得到SNR的稳定有效值，为台区的准确识别提供了基础；以预设时间间隔T采集网络的SNR值，统计预设时长如24小时内的数据，并设置不同的权重因子，有效地解决了在台区末端某一段时间内本台区SNR值与临台区的SNR相近导致的识别错误问题；对统计数据做“滑窗”处理，保证任意一个计算时刻点都能基于过去预设时长的数据进行计算，从而能够根据时间推移，不断更新各个网络的网络评估结果，保证了台区识别的有效性；通过永久存储方式存储STA节点和对应的所属台区，当下次STA节点重启后，可根据历史数据快速的选择所属台区进行入网请求，有效地提升了入网效率；应用不受限于国网的宽带协议，对于其它电力载波通信协议均具有普遍适用性，通用性、灵活性更强。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种基于信噪比的台区识别方法，其特征在于：应用于STA节点，包括以下步骤：

基于预设时间间隔采集各个邻居网络的SNR值；

基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值；

对于任意两个邻居网络，在距离当前时间的预设时长内，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和，得到所述两个邻居网络的网络评估结果并确定网络评估结果较大的邻居网络；

在所有邻居网络中判定网络评估结果中的最大的邻居网络为所述STA节点的所属台区。

2.根据权利要求1所述的基于信噪比的台区识别方法，其特征在于：基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值采用以下任意一种方式：

1)对于任一邻居网络的任一预设时间间隔，获取所述预设时间间隔内所采集到的各个SNR值的最大值，作为所述预设时间间隔下所述邻居网络对应的网络评分值；

2)对于任一邻居网络的任一预设时间间隔，计算所述预设时间间隔内所采集到的各个SNR值的和与所述邻居网络的总接收信标数的比值，作为所述预设时间间隔下所述邻居网络对应的网络评分值；

3)对于任一邻居网络的任一预设时间间隔，根据

计算所述预设时间间隔下所述邻居网络i的网络评分值，网络i_评分表示根据方式1)或方式2)所获取的网络i在所述预设时间间隔的网络评分值，1≤i≤M，M表示邻居网络总个数，Y为预设值。

3.根据权利要求1所述的基于信噪比的台区识别方法，其特征在于：对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和时，所述各个预设时间间隔的权重根据以下任一方式获取：

1)针对每个预设时间间隔设置对应的权重；

2)在每个预设时间间隔，以任一邻居网络的网络评分值为基准评分值，当某一邻居网络的网络评分值与所述基准评分值的差值大于等于预设阈值时，设置所述邻居网络的权重为第一数值，否则设置为第二数值，所述第一数值大于所述第二数值；

3)在每个预设时间间隔，对于任意邻居网络A和邻居网络B，计算所述预设时间间隔前至少两组网络评分值的差值大于预定值的占比K1和小于预定值的占比K2；若K1＜K2，邻居网络A的权重更新为当前权重*(1-K1/K2)，邻居网络B保持当前权重不变，若K1大于K2，邻居网络B的权重为当前权重*(1-K2/K1)，邻居网络A保持当前权重不变，若K1等于K2，邻居网络A和邻居网络B均保持当前权重不变；预设次数迭代后，确定邻居网络A和邻居网络B的最终权重；

4)在每个预设时间间隔，对于任意邻居网路A和邻居网络B，若只监听到邻居网络A，而未监听到邻居网络B，则设置该预设时间间隔邻居网络A的权重为邻居网络B的权重的N倍，N为不小于2的自然数。

4.根据权利要求1所述的基于信噪比的台区识别方法，其特征在于：还包括将所述STA节点和对应的所属台区存储至掉电不丢失的存储区，以在所述STA节点再次启动时根据所存储的所属台区自动入网。

5.根据权利要求4所述的基于信噪比的台区识别方法，其特征在于：还包括若实时计算得到的邻居网络的网络评估结果大于所述存储的所属台区对应的网络评估结果，则切换至所述邻居网络。

6.根据权利要求1所述的基于信噪比的台区识别方法，其特征在于：还包括将每个预设时间间隔的各个邻居网络的网络评分值存储至掉电不丢失的存储区，每间隔一定时长重新计算所述各个邻居网络的网络评估结果，并判定所述STA节点的所属台区。

7.根据权利要求1所述的基于信噪比的台区识别方法，其特征在于：所述预设时长为24小时。

8.一种基于信噪比的台区识别系统，其特征在于：应用于STA节点，包括采集模块、计算模块、评估模块和判定模块；

所述采集模块用于基于预设时间间隔采集各个邻居网络的SNR值；

所述计算模块用于基于所述SNR值计算各个预设时间间隔下各个邻居网络的网络评分值；

所述评估模块用于对于任意两个邻居网络，在距离当前时间的预设时长内，对所述两个邻居网络在各个预设时间间隔下的网络评分值差值进行加权求和，得到所述两个邻居网络的网络评估结果并确定网络评估结果较大的邻居网络；

所述判定模块用于在所有邻居网络中判定网络评估结果中的最大的邻居网络为所述STA节点的所属台区。

9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7中任一项所述的基于信噪比的台区识别方法。

10.一种STA节点，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述STA节点执行权利要求1至7中任一项所述的基于信噪比的台区识别方法。

Images