买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司电力调度控制中心申请的专利考虑类型匹配偏差的电力线载波信道噪声预测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116418368B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310426814.0，技术领域涉及：H04B3/46；该发明授权考虑类型匹配偏差的电力线载波信道噪声预测方法和系统是由施展;李波;邓晓智;李星南;曾瑛;张健;梁宇图设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本考虑类型匹配偏差的电力线载波信道噪声预测方法和系统在说明书摘要公布了：本发明提供了一种考虑类型匹配偏差的电力线载波信道噪声预测方法和系统，方法包括：采集电力线载波信道噪声的原始噪声数据；分别计算原始噪声数据和各噪声类型之间的匹配相似度，确定噪声类型；计算对应噪声类型的匹配偏差；将原始噪声数据输入至预先训练好的噪声预测模型，基于模型的输出实现对电力线载波信道噪声的预测；其中，模型是基于对应噪声类型的小波神经网络预测误差以及匹配偏差，并通过预设的小波神经网络训练而成的。相比于现有技术，通过识别电力线载波信道噪声的类型，并基于匹配偏差对预设小波网络模型进行训练，实现对电力线载波信道噪声的预测，可以使噪声的类型和预测模型适配，有效提高了预测的精度和准确性。

本发明授权考虑类型匹配偏差的电力线载波信道噪声预测方法和系统在权利要求书中公布了：1.一种考虑类型匹配偏差的电力线载波信道噪声预测方法，其特征在于，包括： 采集电力线载波信道噪声的原始噪声数据； 分别计算所述原始噪声数据和各噪声类型历史数据之间的匹配相似度，并将匹配相似度最高对应的噪声类型作为所述电力线载波信道噪声的噪声类型；计算所述原始噪声数据和对应噪声类型历史数据之间的匹配偏差；其中，所述噪声类型包括有色背景噪声、窄带噪声、工频异步周期脉冲噪声、工频同步周期脉冲噪声和随机脉冲噪声； 将所述原始噪声数据输入至预先训练好的噪声预测模型，基于所述噪声预测模型的输出实现对所述电力线载波信道噪声的预测； 其中，所述噪声预测模型是基于对应噪声类型的小波神经网络预测误差，以及所述原始噪声数据和对应噪声类型历史数据之间的匹配偏差，并通过预设的小波神经网络训练而成的； 所述噪声预测模型的训练过程包括： 获取数据训练集；其中，所述数据训练集包括噪声样本和对应的期望输出； 将所述噪声样本输入至所述小波神经网络，获得网络实际输出； 根据所述网络实际输出和所述期望输出，计算得到小波神经网络预测误差； 基于所述小波神经网络预测误差和所述匹配偏差，迭代更新所述小波神经网络的网络权重和网络阈值，直到所述预测误差小于预设的误差精度时，获得训练好的所述噪声预测模型； 所述小波神经网络的网络权重和网络阈值具体为： ； ； 其中，为第个时隙适配第种噪声类型的小波神经网络的学习率参数，为第个时隙适配第种噪声类型的小波神经网络的权重更新量，为第个时隙适配第种噪声类型的小波神经网络的阈值更新量，为第个时隙第种噪声类型的匹配偏差，为第个时隙的小波神经网络阈值矩阵，为第个时隙小波神经网络权重矩阵，为第个时隙适配第种噪声类型的小波神经网络预测误差； 所述网络实际输出具体为： ； 其中，为第个时隙适配第种噪声类型的小波神经网络第个输出，为第个时隙适配第种噪声类型的小波神经网络输入层第个神经元输入，为第个时隙输入层神经元与隐藏层神经元之间的权重，为第个时隙隐藏层阈值，为第个时隙隐藏层神经元与输出层神经元之间的权重，为第个时隙输出层阈值，为第个时隙隐藏层的伸缩因子，为小波基函数； 所述小波神经网络预测误差为： ； 其中，为第个时隙适配第种噪声类型的小波神经网络预测误差，为第个时隙适配第种噪声类型的小波神经网络第个期望输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东电网有限责任公司;广东电网有限责任公司电力调度控制中心，其通讯地址为：510000 广东省广州市越秀区东风东路757号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。