CN116320043A - 一种提高多载波通信系统传输效率的方法及系统 - Google Patents
一种提高多载波通信系统传输效率的方法及系统 Download PDFInfo
- Publication number
- CN116320043A CN116320043A CN202310587987.0A CN202310587987A CN116320043A CN 116320043 A CN116320043 A CN 116320043A CN 202310587987 A CN202310587987 A CN 202310587987A CN 116320043 A CN116320043 A CN 116320043A
- Authority
- CN
- China
- Prior art keywords
- data
- fitting
- segment
- transmission efficiency
- communication system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004891 communication Methods 0.000 title claims abstract description 39
- 230000005540 biological transmission Effects 0.000 title claims abstract description 38
- 230000011218 segmentation Effects 0.000 claims abstract description 59
- 238000007906 compression Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000006835 compression Effects 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 7
- 238000013499 data model Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012886 linear function Methods 0.000 claims description 3
- 238000013144 data compression Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开一种提高多载波通信系统传输效率的方法及系统，涉及通信数据处理技术领域。所述方法包括：采集电力数据；进行电力数据自适应预测压缩处理：根据不同分段周期分布特征对电力数据进行分段处理，各分段数据表征每个数据点用于拟合的窗口范围大小；在每个分段数据中，根据数据分布特征，获取分段中每个数据点的拟合权重值；根据获取的每个数据点的用于拟合的窗口范围大小以及每个数据点的拟合权重值进行预测压缩。本发明避免了传统的预测模型获取过程中，由于受到多种来源噪声的干扰，使得出现过拟合或欠拟合的缺点，保证了预测模型的准确性，进行提高了数据的压缩效率，大大提高了多载波通信系统的传输效率。
Description
技术领域
本发明涉及通信数据处理技术领域，尤其涉及一种提高多载波通信系统传输效率的方法及系统。
背景技术
多载波通信是通过多个子载波进行数据传输，以提高信道容量和系统性能。然而由于受到多种不同来源的噪声的干扰，使得其传输效率大大的降低，系统的实时性和鲁棒性达不到要求。
现在的传统方法中，往往对采集的数据进行预处理来加快子载波信号处理的速度，减少处理时间，但是例如对于低压电线的载波通信场景中，由于电力计量的传感器数据量大、功耗限制等原因，需要对采集的数据进行压缩处理来达到提高传输效率的目的，其中基于预测的压缩方法以高压缩率的优点被广泛的应用。然而基于预测的压缩过程中，基于滑动窗口的预测是采用数据分段的方法，对每个窗口内的数据进行拟合，进而得到拟合的数据模型，根据该模型进行预测和压缩。然而由于在拟合过程中，由于电力数据很容易受到不同的噪声的影响例如电力设备的负荷变化产生的噪声、传输线路的噪声、某些设备周期性的干扰产生的噪声，因此在拟合过程中很容易受到噪声的干扰，使得出现过拟合或欠拟合的现象，获取误差较大的预测模型，使得压缩效果较差。
发明内容
本发明提供了一种提高多载波通信系统传输效率的方法，包括：
采集电力数据；
进行电力数据自适应预测压缩处理：
根据不同分段周期分布特征对电力数据进行分段处理，各分段数据表征每个数据点用于拟合的窗口范围大小；
在每个分段数据中，根据数据分布特征，获取分段中每个数据点的拟合权重值；
根据获取的每个数据点的用于拟合的窗口范围大小以及每个数据点的拟合权重值进行预测压缩。
如上所述的一种提高多载波通信系统传输效率的方法，其中，通过在电力系统中的各种电路对应的电力设备安装传感器来采集电力数据，电力数据包括用于电力计量的传感器数据。
如上所述的一种提高多载波通信系统传输效率的方法，其中，基于滑动窗口的预测采用数据分段的方法，对每个窗口内的数据进行拟合，得到拟合的数据模型，根据拟合的数据模型进行预测和压缩。
如上所述的一种提高多载波通信系统传输效率的方法，其中，根据不同分段周期分布特征对电力数据进行分段处理，具体包括：
依据当前维度的电力数据和该维度的历史数据的每天电力数据的趋势，确定趋势项数据，根据该趋势数据进行分段范围的初确定；
量化当前维度的数据的周期分布特征，进行分段范围的最终确定。
如上所述的一种提高多载波通信系统传输效率的方法，其中，设置合并概率阈值，若初始分段范围的合并概率大于设置的合并概率阈值，则表明该初始分段范围需要与后相邻的初始分段范围进行合并处理得到最终的分段范围，则该分段即为对应的数据点的用于拟合的窗口范围大小。
如上所述的一种提高多载波通信系统传输效率的方法，其中，对采集的数据采用分解算法，分为不同分量，每个分量表示为同一个频率的数据信息，对每个分量进行处理，通过比较不同分量之间的分布特征来获取每个数据点的拟合权重值。
如上所述的一种提高多载波通信系统传输效率的方法，其中，对每个数据点进行拟合权重分析，具体包括：
根据分解算法得到目标段的多个分量就是原始信号被分解之后得到的各层信号分量，每个分量表征不同频率下的数据分布；
根据每个分量中每个数据的变化前后对周围趋势的贴合程度来表征每个数据点在当前分量的贡献度值；
对当前分段的所有数据点的趋势贴合程度进行softmax线性函数归一化处理，得到当前分段的各数据点的拟合权重值。
如上所述的一种提高多载波通信系统传输效率的方法，其中，计算每个分量中每个数据的变化前后对周围趋势的贴合程度，具体为：
获取当前分段数据的在历史数据中对应的数据序列，分析这些历史分段数据的均值趋势项数据；
根据当前分段对应的趋势项数据，计算当前分段的原始数据的每个数据点的局部范围内的数据点的趋势贴合程度。
如上所述的一种提高多载波通信系统传输效率的方法，其中，根据拟合的结果进行基于预测的压缩处理，将压缩后的数据进行多载波通信。
本发明还提供一种提高多载波通信系统传输效率的系统，包括采集器和处理器，所述采集器用于采集电力数据，所述处理器根据所述采集器采集的电力数据执行上述任一项所述的一种提高多载波通信系统传输效率的方法。
本发明实现的有益效果如下：本发明避免了传统的预测模型获取过程中，由于受到多种来源噪声的干扰，使得出现过拟合或欠拟合的缺点，保证了预测模型的准确性，进行提高了数据的压缩效率，大大提高了多载波通信系统的传输效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种提高多载波通信系统传输效率的方法流程图；
图2是本发明实施例二提供的一种提高多载波通信系统传输效率的系统示意图。
具体实施方式
下面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，本领域技术人员在没有做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
本发明实施例一提供一种提高多载波通信系统传输效率的方法，根据电力数据中在时间上具有相似的分布特征，保证每个时间点在其局部范围内保证数据分布趋势不同，综合考虑数据周期分布特征的情况下确定局部范围内数据分布趋势来确定每个数据点用于拟合的窗口范围大小，并综合考虑到数据中受到的噪声的来源较多，因此对采集的数据采用EMD分解算法，分为不同的IMF分量，其中每个IMF分量表示的为同一个频率的数据信息，并对每个IMF分量进行处理，通过比较不同IMF之间的分布特征来获取每个数据点的拟合权重值。
如图1所示，所述提高多载波通信系统传输效率的方法，具体包括：
步骤110、采集电力数据；
具体第，电力数据可以是通过在电力系统中的各种电路对应的电力设备安装传感器来采集电力数据；在电力通信过程中，在电力系统的各种电路处的电力设备处安装多种传感器来采集电力数据，包括有关于电力计量的传感器数据，例如采集电网的电压数据、电流数据、能耗数据、功率数据等。传感器的型号参数不予设定，可根据实施者具体实施情况而定。
步骤120：进行电力数据自适应预测压缩处理：
通过对传感器数据进行基于预测压缩的方法提高传输效率，在压缩过程中，数据的压缩效率受到预测模型的影响。其中基于滑动窗口的预测是采用数据分段的方法，对每个窗口内的数据进行拟合，进而得到拟合的数据模型，根据该模型进行预测和压缩。在拟合过程中，由于电力数据很容易受到不同的噪声的影响例如电力设备的负荷变化产生的噪声、传输线路的噪声、某些设备周期性的干扰产生的噪声，因此在拟合过程中很容易受到噪声的干扰，使得出现过拟合或欠拟合的现象，获取误差较大的预测模型，使得压缩效果较差，因此本发明采用自适应拟合权重的方法获取准确的拟合模型，将采集的数据进行自适应压缩处理，将压缩处理后的数据进行载波通信，提高传输效率。
具体地，对采集的数据采用EMD分解算法（EMD分解算法为本申请所示的分解算法中的一种示例，可根据需要自行设定），分为不同的IMF分量（IMF分量为EMD分解算法所分解得到的分量属性，若采用其他分解算法可得到对应分量，以下以EMD分解算法分得不同IMF分量为例进行阐述），其中每个IMF分量表示的为同一个频率的数据信息，并对每个IMF分量进行处理，通过比较不同IMF分量之间的分布特征来获取每个数据点的拟合权重值，具体包括：
步骤121、根据不同分段周期分布特征对电力数据进行分段处理，各分段数据表征每个数据点用于拟合的窗口范围大小；
具体地，根据采集的数据进行分段处理，获取不同分段用于分析后续的数据变化，用于表征每个数据点用于拟合的窗口范围大小。由于多种电力数据中，某些数据在时间上具有相似的分布特征，例如电压数据和电流数据是以正弦波形式，并且电力数据的波动主要是根据用户的用电习惯来确定（比如说用户白天高峰期的用电的变化），因此不同维度数据具有周期性特征，并且为了准确获取拟合的窗口范围大小，保证每个时间点在其局部范围内保证数据分布趋势不同，则对应的综合考虑当前维度的数据周期分布特征的情况下确定局部范围内数据分布趋势来确定每个数据点用于拟合的窗口范围大小。
首先对当前维度的电力数据和该维度的历史数据的每天电力数据的趋势的确定，采用STL时间序列分割算法确定趋势项数据，根据该趋势数据进行分段范围的初确定。对历史数据的中的每天的电力数据的趋势数据进行首尾点之间直线相连，计算该直线与对应的趋势数据之间的相交区域，根据相交面积的变化来确定初始分段范围。其中第
个相交区域初始分段范围的程度/>
的计算方法为：/>
，其中，/>
和/>
表示所有的历史数据中所有相交面积区域的面积特征的最大值和最小值；/>
表示所有的历史数据中第/>
个相交区域的面积特征，/>
，/>
表示第/>
个相交面积区域中数据点的个数；/>
和/>
分别表示第/>
个相交区域中第/>
个数据点和第/>
个数据点的趋势数据和直线数据之间的差值的绝对值；/>
表示第
个相交区域中第/>
个数据点和第/>
个数据点之间的欧式距离。相交区域中面积差异越大，则表明该区域内对应的分段范围内，趋势变化较为明显，则对应的该分段范围为初始分段范围的程度就越大。通过设置初始分段范围的程度阈值（可根据实施者具体实施情况而定，本发明给出的经验参考值可以为0.65），若分段范围程度大于设置的程度阈值，则表明该分段范围设置为初始分段范围。
其次，量化当前维度的数据的周期分布特征，进行分段范围的最终确定。其中对当前维度的历史数据进行自相关性分析周期大小，根据获取的周期对历史数据进行周期范围划分。由于随机噪声的影响，会使得每个周期范围划分后的数据中存在多个初始分段范围，而经过周期范围划分后的数据之间具有较强的相似性，因此在同一个周期范围划分后的数据计算其内部的初始分段范围是否需要进行合并（仅针对同一个周期范围划分后该初始分段范围长度过小的情况，即长度小于
，/>
表示获取的周期长度，/>
表示取整函数）。为了便于操作，可能存在一个初始分段范围在周期范围划分后的两段数据上，因此本发明对于该情况采用根据周期范围划分后的点将该初始分段范围进行拆分。则对应的一个周期范围的分段的第/>
个初始分段范围与第/>
个初始分段范围需要进行合并的概率/>
的计算方法为：/>
，其中，/>
表示历史数据中经过周期大小划分的周期范围的个数；/>
表示待处理的第/>
个初始分段范围和第/>
个初始分段范围之间合并后的数据序列；/>
表示所有的周期范围划分后且不存在待合并的分段范围的周期范围，第/>
个周期范围内的与/>
位序对应的数据序列（例如对于需要合并的初始分段范围（该范围是较小长度），计算该初始分段范围和后一个初始分段范围进行合并，与其他周期范围内的时所有初始分段范围内端点时间间隔差值的绝对值的和最小的初始分段范围，即为对应的数据序列）；/>
表示两个数据序列的/>
距离；/>
表示以自然常数为底数的指数函数。
设置合并概率阈值（可根据实施者具体实施情况而定，本发明给出的经验参考值可以为0.75），若该初始分段范围的合并概率大于设置的合并概率阈值，则表明该初始分段范围需要与后相邻的初始分段范围进行合并处理得到最终的分段范围，则该分段即为对应的数据点的用于拟合的窗口范围大小。
步骤122、在每个分段数据中，根据数据分布特征，获取分段中每个数据点的拟合权重值；
本发明通过对每段数据进行EMD分解，得到多个IMF分量（内涵模态分量(Intrinsic Mode Functions，IMF)，每个IMF分量可以看作是不同频率下的数据分布。由于不同的IMF分量在含有噪声的同时，还会存在原本的数据信息，因此通过数据重构的方式，计算每个IMF分量的信息丢失程度，并根据同一个IMF分量中不同数据点下的对于数据趋势的贴合程度来获取每个数据点对于该IMF分量的信息丢失程度的贡献度值，进而得到每个数据点的初始拟合权重值。
对每个数据点进行拟合权重分析，具体包括：
首先根据EMD分解算法得到目标段的多个IMF分量就是原始信号被EMD分解之后得到的各层信号分量），其中每个IMF分量表征不同频率下的数据分布。将第
个IMF分量在重构时不参与计算，分析原始数据与重构后的数据之间的差异程度来表征第/>
个IMF分量的信息损失程度，则第/>
个IMF分量的信息丢失程度/>
的计算方法为：
，其中，/>
和/>
分别表示原始数据的端点直线和去掉第/>
个IMF分量的重构之后数据端点连接直线的斜率值；/>
表示原始数据和去掉第/>
个IMF分量的重构之后的数据之间的相关系数值；/>
表示原始数据数据点的个数；/>
表示原始数据中第/>
个数据的值；/>
表示去掉第/>
个IMF分量的重构之后数据的第/>
个数据的值；/>
表示以自然常数为底数的指数函数；/>
表示去掉前后数据的信息变化差异来表征信息丢失程度，但是由于无法表征整体的信息变化程度，因此采用/>
对其进行校正，其中/>
表示去掉前后数据的整体变化差异，若去掉前后的直线的斜率差异较大，则表明数据整体变化发生了明显的变化，则对应的信息损失程度较大，而/>
表示去掉前后数据的相关程度，若相关性较小，则表明去掉前后数据信息变化较为明显，并通过/>
放大或缩小相关程度数值，使相关程度更能表征/>
的信息丢失程度的校正。
根据上述计算得到的每个IMF分量的信息丢失程度，由于不同IMF分量下的数据点含有的原本数据信息和噪声信息无法判断，因此根据每个IMF分量中每个数据的变化前后对周围趋势的贴合程度来表征每个数据点在当前IMF分量的贡献度值。
首先根据步骤121中获取当前分段数据的在历史数据中对应的数据序列，分析这些历史分段数据的均值趋势项数据（通过STL算法获取），由于这些历史分段中的数据点个数不同，因此以当前分段数据为基准数据，与这些历史分段数据进行
匹配，标记当前分段的每个数据点在这些历史分段数据的匹配点，根据这些匹配点进行加权平均获取平均趋势，其中当前分段的第/>
个数据点的趋势数据值为：
，其中，/>
表示上述历史分段数据的个数；
表示第/>
个历史分段数据对应的起始时间；/>
表示当前分段数据的起始时间；/>
表示第/>
个历史分段数据的与当前分段数据的第/>
个点匹配的点的数据值；/>
表示softmax归一化函数。其中历史分段下的时间与当前分段下的时间差异越小，表明该历史分段更靠近当前分段的时间范围，则对应的该历史分段的在加权平均获取趋势时参考权重就越大。
根据上述步骤得到当前分段对应的趋势项数据，计算当前分段的原始数据的每个数据点的局部范围内（分段内设置，本发明可以设置相邻范围各两个点来计算）的数据点的趋势贴合程度，其中第
个数据点的趋势贴合程度/>
的计算方法为：
，其中，/>
表示第/>
个数据点的局部范围内的原始数据与平均趋势的相交区域的面积特征；/>
表示重构数据中的第/>
个数据点的原局部范围内与平均趋势的相交区域的面积特征。
对当前分段的所有数据点的趋势贴合程度进行softmax线性函数归一化处理，则最终的当前分段的第
个数据点的拟合权重值/>
的计算方法为：
，其中，/>
表示当前分段数据的EMD分解得到的IMF分量的个数；/>
表示第/>
个IMF分量的信息丢失程度；/>
表示第/>
个IMF分量中第/>
个数据点的趋势贴合程度；/>
表示以自然常数为底数的指数函数。
步骤123、根据获取的每个数据点的用于拟合的窗口范围大小以及每个数据点的拟合权重值进行预测压缩。
根据上述步骤得到每个数据点的用于拟合的窗口范围大小以及对应的范围内每个数据点的拟合权重值（在窗口范围内进行softmax函数归一化），进行加权偏最小二乘方法进行拟合。根据拟合的结果进行基于预测的压缩处理，将压缩后的数据进行多载波通信。
实施例二
如图2所示，本发明实施例二提供一种提高多载波通信系统传输效率的系统，包括采集器31和处理器32，所述采集器31用于采集电力数据，可以是在电力系统中的各种电路对应的电力设备安装的传感器，用来采集电力数据，包括有关于电力计量的传感器数据，例如采集电网的电压数据、电流数据、能耗数据、功率数据等。传感器的型号参数不予设定，可根据实施者具体实施情况而定。
所述处理器32根据所述采集器31采集的电力数据执行如实施例一所述的一种提高多载波通信系统传输效率的方法。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种提高多载波通信系统传输效率的方法，其特征在于，包括：
采集电力数据；
进行电力数据自适应预测压缩处理：
根据不同分段周期分布特征对电力数据进行分段处理，各分段数据表征每个数据点用于拟合的窗口范围大小；
在每个分段数据中，根据数据分布特征，获取分段中每个数据点的拟合权重值；
根据获取的每个数据点的用于拟合的窗口范围大小以及每个数据点的拟合权重值进行预测压缩。
2.如权利要求1所述的一种提高多载波通信系统传输效率的方法，其特征在于，通过在电力系统中的各种电路对应的电力设备安装传感器来采集电力数据，电力数据包括用于电力计量的传感器数据。
3.如权利要求1所述的一种提高多载波通信系统传输效率的方法，其特征在于，基于滑动窗口的预测采用数据分段的方法，对每个窗口内的数据进行拟合，得到拟合的数据模型，根据拟合的数据模型进行预测和压缩。
4.如权利要求3所述的一种提高多载波通信系统传输效率的方法，其特征在于，根据不同分段周期分布特征对电力数据进行分段处理，具体包括：
依据当前维度的电力数据和该维度的历史数据的每天电力数据的趋势，确定趋势项数据，根据该趋势数据进行分段范围的初确定；
量化当前维度的数据的周期分布特征，进行分段范围的最终确定。
5.如权利要求4所述的一种提高多载波通信系统传输效率的方法，其特征在于，设置合并概率阈值，若初始分段范围的合并概率大于设置的合并概率阈值，则表明该初始分段范围需要与后相邻的初始分段范围进行合并处理得到最终的分段范围，则该分段即为对应的数据点的用于拟合的窗口范围大小。
6.如权利要求3所述的一种提高多载波通信系统传输效率的方法，其特征在于，对采集的数据采用分解算法，分为不同分量，每个分量表示为同一个频率的数据信息，对每个分量进行处理，通过比较不同分量之间的分布特征来获取每个数据点的拟合权重值。
7.如权利要求6所述的一种提高多载波通信系统传输效率的方法，其特征在于，对每个数据点进行拟合权重分析，具体包括：
根据分解算法得到目标段的多个分量就是原始信号被分解之后得到的各层信号分量，每个分量表征不同频率下的数据分布；
根据每个分量中每个数据的变化前后对周围趋势的贴合程度来表征每个数据点在当前分量的贡献度值；
对当前分段的所有数据点的趋势贴合程度进行softmax线性函数归一化处理，得到当前分段的各数据点的拟合权重值。
8.如权利要求7所述的一种提高多载波通信系统传输效率的方法，其特征在于，计算每个分量中每个数据的变化前后对周围趋势的贴合程度，具体为：
获取当前分段数据的在历史数据中对应的数据序列，分析这些历史分段数据的均值趋势项数据；
根据当前分段对应的趋势项数据，计算当前分段的原始数据的每个数据点的局部范围内的数据点的趋势贴合程度。
9.如权利要求7所述的一种提高多载波通信系统传输效率的方法，其特征在于，根据拟合的结果进行基于预测的压缩处理，将压缩后的数据进行多载波通信。
10.一种提高多载波通信系统传输效率的系统，其特征在于，包括采集器和处理器，所述采集器用于采集电力数据，所述处理器根据所述采集器采集的电力数据执行如权利要求1-9任一项所述的一种提高多载波通信系统传输效率的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310587987.0A CN116320043B (zh) | 2023-05-24 | 2023-05-24 | 一种提高多载波通信系统传输效率的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310587987.0A CN116320043B (zh) | 2023-05-24 | 2023-05-24 | 一种提高多载波通信系统传输效率的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116320043A true CN116320043A (zh) | 2023-06-23 |
| CN116320043B CN116320043B (zh) | 2023-08-01 |
Family
ID=86785428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310587987.0A Active CN116320043B (zh) | 2023-05-24 | 2023-05-24 | 一种提高多载波通信系统传输效率的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116320043B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116828070A (zh) * | 2023-08-28 | 2023-09-29 | 无锡市锡容电力电器有限公司 | 一种智慧电网数据优化传输方法 |
| CN116881677A (zh) * | 2023-09-08 | 2023-10-13 | 苏州科尔珀恩机械科技有限公司 | 一种窑炉运行能耗数据优化采集分析方法 |
| CN117292530A (zh) * | 2023-11-27 | 2023-12-26 | 深圳龙电华鑫控股集团股份有限公司 | 一种载波通信数据采集效率优化方法 |
| CN117330816A (zh) * | 2023-12-01 | 2024-01-02 | 南京中旭电子科技有限公司 | 一种用于霍尔电流传感器的监测数据优化方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140025818A1 (en) * | 2011-10-12 | 2014-01-23 | President And Fellows Of Harvard College | Systems and methods for medium access control |
| US20140093881A1 (en) * | 2012-01-31 | 2014-04-03 | Life Technologies Corporation | Methods and Computer Program Products for Compression of Sequencing Data |
| US20140214729A1 (en) * | 2013-01-29 | 2014-07-31 | Industrial Technology Research Institute | Management system, smart meter, server, operation method and management method |
| US20190378288A1 (en) * | 2018-06-08 | 2019-12-12 | Canon Kabushiki Kaisha | Imaging apparatus, imaging system, moving body, and semiconductor substrate for lamination |
| CN110955648A (zh) * | 2019-12-18 | 2020-04-03 | 重庆大学 | 一种非等距时间序列监测数据的归一化映射处理方法 |
| CN113239030A (zh) * | 2021-05-20 | 2021-08-10 | 国网山东省电力公司潍坊供电公司 | 基于离散数据曲线拟合的智慧电网监控数据存储方法 |
| CN114039362A (zh) * | 2021-08-31 | 2022-02-11 | 中国电力科学研究院有限公司 | 一种电力系统联合稳定控制方法及装置 |
| CN114330583A (zh) * | 2021-12-31 | 2022-04-12 | 四川大学 | 一种异常用电识别方法和异常用电识别系统 |
| US20230028574A1 (en) * | 2019-12-25 | 2023-01-26 | Zte Corporation | Traffic prediction method, device, and storage medium |
| CN115987295A (zh) * | 2023-03-20 | 2023-04-18 | 河北省农林科学院 | 基于物联网的农作物监控数据高效处理方法 |
| WO2023061342A1 (zh) * | 2021-10-13 | 2023-04-20 | 中兴通讯股份有限公司 | 数据趋势检测方法、电子设备和存储介质 |
-
2023
- 2023-05-24 CN CN202310587987.0A patent/CN116320043B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140025818A1 (en) * | 2011-10-12 | 2014-01-23 | President And Fellows Of Harvard College | Systems and methods for medium access control |
| US20140093881A1 (en) * | 2012-01-31 | 2014-04-03 | Life Technologies Corporation | Methods and Computer Program Products for Compression of Sequencing Data |
| US20140214729A1 (en) * | 2013-01-29 | 2014-07-31 | Industrial Technology Research Institute | Management system, smart meter, server, operation method and management method |
| US20190378288A1 (en) * | 2018-06-08 | 2019-12-12 | Canon Kabushiki Kaisha | Imaging apparatus, imaging system, moving body, and semiconductor substrate for lamination |
| CN110955648A (zh) * | 2019-12-18 | 2020-04-03 | 重庆大学 | 一种非等距时间序列监测数据的归一化映射处理方法 |
| US20230028574A1 (en) * | 2019-12-25 | 2023-01-26 | Zte Corporation | Traffic prediction method, device, and storage medium |
| CN113239030A (zh) * | 2021-05-20 | 2021-08-10 | 国网山东省电力公司潍坊供电公司 | 基于离散数据曲线拟合的智慧电网监控数据存储方法 |
| CN114039362A (zh) * | 2021-08-31 | 2022-02-11 | 中国电力科学研究院有限公司 | 一种电力系统联合稳定控制方法及装置 |
| WO2023061342A1 (zh) * | 2021-10-13 | 2023-04-20 | 中兴通讯股份有限公司 | 数据趋势检测方法、电子设备和存储介质 |
| CN114330583A (zh) * | 2021-12-31 | 2022-04-12 | 四川大学 | 一种异常用电识别方法和异常用电识别系统 |
| CN115987295A (zh) * | 2023-03-20 | 2023-04-18 | 河北省农林科学院 | 基于物联网的农作物监控数据高效处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘吉臻;高萌;吕游;杨婷婷;: "过程运行数据的稳态检测方法综述", 仪器仪表学报, no. 08 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116828070A (zh) * | 2023-08-28 | 2023-09-29 | 无锡市锡容电力电器有限公司 | 一种智慧电网数据优化传输方法 |
| CN116828070B (zh) * | 2023-08-28 | 2023-11-07 | 无锡市锡容电力电器有限公司 | 一种智慧电网数据优化传输方法 |
| CN116881677A (zh) * | 2023-09-08 | 2023-10-13 | 苏州科尔珀恩机械科技有限公司 | 一种窑炉运行能耗数据优化采集分析方法 |
| CN116881677B (zh) * | 2023-09-08 | 2023-11-17 | 苏州科尔珀恩机械科技有限公司 | 一种窑炉运行能耗数据优化采集分析方法 |
| CN117292530A (zh) * | 2023-11-27 | 2023-12-26 | 深圳龙电华鑫控股集团股份有限公司 | 一种载波通信数据采集效率优化方法 |
| CN117292530B (zh) * | 2023-11-27 | 2024-02-13 | 深圳龙电华鑫控股集团股份有限公司 | 一种载波通信数据采集效率优化方法 |
| CN117330816A (zh) * | 2023-12-01 | 2024-01-02 | 南京中旭电子科技有限公司 | 一种用于霍尔电流传感器的监测数据优化方法 |
| CN117330816B (zh) * | 2023-12-01 | 2024-01-26 | 南京中旭电子科技有限公司 | 一种用于霍尔电流传感器的监测数据优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116320043B (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116320043B (zh) | 一种提高多载波通信系统传输效率的方法及系统 | |
| Deng et al. | A novel fault diagnosis method based on integrating empirical wavelet transform and fuzzy entropy for motor bearing | |
| CN116828070B (zh) | 一种智慧电网数据优化传输方法 | |
| CN108845250B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
| CN117034043B (zh) | 基于多能源物联网的智慧建筑综合能耗监测方法及系统 | |
| CN113325277A (zh) | 一种局部放电处理方法 | |
| CN116865269B (zh) | 一种风电机组高谐波补偿方法及系统 | |
| CN117559448B (zh) | 一种用于专变采集终端的用电负荷预测分析方法及系统 | |
| CN112134635B (zh) | 一种基于宽带频谱的快速信号侦测方法 | |
| CN116226484A (zh) | 一种超滤水处理装置监测数据管理系统 | |
| CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
| CN117235652B (zh) | 一种基于大数据的钢丝加工环境监管方法及系统 | |
| CN116418882A (zh) | 基于hplc双模载波通信的存储器数据压缩方法 | |
| CN114038470A (zh) | 一种变压器信号声纹特征提取方法、装置、设备及介质 | |
| CN116935880B (zh) | 基于人工智能的一体机人机交互系统和方法 | |
| CN115099291B (zh) | 一种建筑节能监测方法 | |
| CN115310478A (zh) | 基于小波最佳分解层数提取天然气有效拉曼光谱的方法 | |
| CN114462452A (zh) | 用逐次变模态分解算法的异步电机转子断条故障诊断方法 | |
| CN115859042A (zh) | 一种电力电缆局部放电模式识别方法及装置 | |
| CN113177514A (zh) | 无人机信号检测方法、装置及计算机可读存储介质 | |
| CN118069998B (zh) | 一种基于物联网的食用菌生产环境智能调控方法 | |
| CN116595338B (zh) | 基于物联网工程信息采集处理系统 | |
| CN117459187B (zh) | 基于光纤网络的高速数据传输方法 | |
| CN118138651B (zh) | 基于5g技术的输电线路数据远程传输方法 | |
| CN112329667A (zh) | 基于经验小波变换和多尺度熵的水质数据清洗方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |