一种信道感知方法、装置、设备、介质及产品

    公开(公告)号:CN118400233A

    公开(公告)日:2024-07-26

    申请号:CN202410648810.1

    申请日:2024-05-23

    Abstract: 本发明公开了一种信道感知方法、装置、设备、介质及产品。该方法包括:接收调制信号,调制信号由至少一个传输序列组成,每个传输序列包括:原始导频信息和虚拟导频信息;根据原始导频信息估计当前时刻的信道信息并预测当前时刻对应的后续时刻的信道信息;根据当前时刻对应的后续时刻的信道信息和调制信号确定虚拟导频信息对应的数据符号;根据虚拟导频信息对应的数据符号重新估计虚拟导频信息对应的发送时刻的信道信息并预测发送时刻对应的后续时刻的信道信息。通过本发明的技术方案,能够通过特殊的数据传输结构,在接收端基于原始导频信息和虚拟导频信息交替进行信道估计及预测和数据监测,能够有效提高在非平稳快变信道环境下的信道感知精度。

    一种智能分布式馈线自动化终端间的网络通信方法

    公开(公告)号:CN113194432A

    公开(公告)日:2021-07-30

    申请号:CN202110475513.8

    申请日:2021-04-29

    Abstract: 一种智能分布式馈线自动化终端间的网络通信方法,通过5G切片网络设计界面进行网络功能和参数的编排,设计满足智能分布式馈线自动化终端的电力业务需求的uRLLC切片;利用5G切片网络作为通信信道,通过5G切片网络优化数据链路,以最小化链路传输跳数,通过电力终端设备组与分布式馈线自动化终端的IGMP协议消息完成动态组模型的加入和离开;利用5G切片网络作为通信信道,当电力终端设备组的静态组模型发生变化时,核心网控制面基于组成员信息生成组成员转发策略,下发到用户面功能UPF,用户面功能UPF基于组内成员转发策略将组播报文在组内转发。本发明实现海量数据的实时传输、分析、就地处理和应用,能够实现配网故障快速处理。

    电力物联网边缘数据模型校验方法、装置及存储介质

    公开(公告)号:CN112232031A

    公开(公告)日:2021-01-15

    申请号:CN202011118301.6

    申请日:2020-10-19

    Abstract: 本发明公开了一种电力物联网边缘数据模型校验方法,该方法包括基于边缘数据模型中的逻辑模型获取第一公共数据;基于边缘数据模型中的物理模型获取第二公共数据;根据所述第一公共数据和所述第二公共数据分别生成XML格式的对应数据;基于XML验证规则对XML格式的第一公共数据和XML格式的第二公共数据分别进行校验,得到第一校验结果;基于数据一致性验证规则对所述物理模型进行校验,得到第二校验结果;基于模型规则对所述物理模型进行校验,得到第三校验结果;基于所述第一校验结果、所述第二校验结果和所述第三校验结果获取边缘数据模型的最终校验结果。本发明实施例提供的技术方案可以实现评估边缘数据模型处理边缘侧数据的效果。

    一种故障诊断方法、装置、设备及存储介质

    公开(公告)号:CN112613584A

    公开(公告)日:2021-04-06

    申请号:CN202110018249.5

    申请日:2021-01-07

    Abstract: 本发明公开了一种故障诊断方法、装置、设备及存储介质。该方法包括:获取边缘侧设备的故障数据;对缺失的故障数据进行补全得到待诊断故障数据;通过故障诊断模型对所述待诊断故障数据进行处理得到故障类别,所述故障诊断模型通过训练样本集迭代训练待训练故障诊断模型得到,所述训练样本集包括:故障数据样本和所述故障数据样本对应的故障类别。通过本发明的技术方案,能够解决采集到的数据缺失问题,并通过调整故障诊断模型中的各决策树的权重,有效地解决设备故障诊断准确率低和效率低的问题,实现高效、准确地诊断电力物联网边缘侧设备的故障类别。

    一种基于BiGRU和注意力机制的多标签文本分类方法

    公开(公告)号:CN111522908A

    公开(公告)日:2020-08-11

    申请号:CN202010275820.7

    申请日:2020-04-09

    Abstract: 本发明提供了一种基于BiGRU和注意力机制的多标签文本分类方法,该方法包含以下步骤:S1、获取若干条网络文本;S2、对若干条网络文本进行预处理;S3、使用预训练词向量提取网络文本的深层次信息特征;S4、根据注意力机制将所述深层次信息特征加以相应的权重;S5、使用BiGRU对步骤S4所得的数据进行不同类别标签概率分类;S6、输出每条网络文本在不同类别标签上的概率。其优点是:该方法采用预训练词向量进一步缩短了训练时间,采用注意力机制让神经网络可以聚焦于对分类效果有提升的重要信息,相比于现有技术,BiGRU和注意力机制相融合使该方法可使用更少的训练时间取得同样高的准确率。

Patent Agency Ranking