基于云计算的电源线传导信息泄漏信号识别方法

李慧芹

（国家电网有限公司客户服务中心 信息运维中心，江苏 南京 211161）

0 引 言

当前，电子设备的电源线在传导信息时可能会出现信息泄漏情况，造成泄漏信号的产生[1]。由于设备中的泄漏信号主要由多条并行线路同时进行传输，并且线路之间的距离相对较小，使用时分法或频分法很难完成对信号的接收，因此创新信号泄漏问题的接收方法是当前该领域研究人员的重点研究内容[2]。云计算是一种常见的分布式计算方法，其可以计算处理海量数据并将相关的程序分解成为多个小程序，然后通过不同服务器的部署处理和分析数据，最终将各个小程序中的结果整合反馈到用户端，以在更短的时间内完成对数以万计数据的处理。因此，本文将结合云计算技术以增加电源线传导信息泄露信号识别的准确个数。

1 电源线传导信息泄漏产生原因分析

电子设备与电源线连接后，在其运行过程中发生的泄漏问题主要来源于信号电流的时变现象[3]。连接后含有传导信息的信号会随着电磁波的发射逐渐耦合到线缆中，任何电子设备与电源线连接后，在电流发生改变时都会产生相应的电磁波，而电磁波的强度与电流的变化率始终呈现出正比例关系变化。在电源线传导信息泄漏信号中包含了大量敏感信息，这一部分信息的信号又被称为红信号，而不包含敏感信息的泄漏信号也被称为黑信号。通过截取电源线传导信息发出的泄漏信号，提取并分析其中的红信号，可以为设备的稳定运行提供保障。

2 基于云计算的电源线传导信息泄漏信号识别方法设计

2.1 电源线传导信息泄漏信号分析

本文采用梯形脉冲信号分析方法分析泄漏信号，基于电磁场原理，提取泄漏信号中的电源线传导边沿脉冲，进而获取泄漏信号中存在的具体微分关系[4]。设目标函数为v，可得：

式中，v为传导信息泄漏信号；K为常量；x为目标电源线中的信号。在此基础上，准备电流钳、分配器以及示波器各一台，通过视频线连接目标计算机，显示泄漏信号微分关系的具体变化情况，得出泄漏信号波形。若出现泄漏信号波形变化幅度过大的现象，证明接收通道噪声系数过大，或者接收通道特性不理想，需要通过空间电磁波感应信号，提取边沿脉冲，导入数据处理计算机，还原处理泄漏信号，剔除泄漏信号中存在的干扰脉冲，从而为后续泄漏信号准确识别提供保障[5]。

2.2 泄漏信号及泄漏特征识别参数提取

电源线传导信息通常会受到外界噪声的污染影响，因此需要对泄漏信号进行相应的调制处理，然后提取泄漏信号及泄漏特征识别参数[6]。泄漏信号的特征参数提取树形流程如图1所示。

图1 调制信号特征参数提取树形流程图

由图1所示，先判断在对泄漏信号提取的瞬间，其零中心归一化瞬时值σmax是否小于泄露信号幅度质谱的密度最大值tmax。对泄漏信号进行归一化的目的是去除泄漏信号中由于电源线传导信道传输造成的增益影响，利用零中心归一化瞬时值进行判断主要是用于区分泄漏信号调制的调制方式，使用多进制数字频率调制[7]。若上述判断成立，则再次判断零中心非弱信号段内瞬间相位非线性分量的标准差γap是否小于零中心非弱信号段内瞬间相位非线性分量绝对值的标准差tap，以此判断泄漏信号是利用正交相移键控方式还是利用多进制数字频率调制或多进制数字相位调制。最后根据上述判断结果，将特征结果按照不同泄漏信号的特征进行划分，从而完成对泄漏信号及泄漏特征识别参数提取。

2.3 基于云计算的泄漏信号识别临界点确定

本文引入云计算技术，确定电源线传导信息泄漏信号识别临界点[8]。首先利用云计算确定泄漏信号提取的合适范围，利用该算法规定收敛时间达到规定范围。其次在识别过程中统计不同动态融合策略，区分识别每一个泄漏信号的具体特征参数，并根据上文对应的调制方法统计分布情况设置具体泄漏特征参数[9]。最后若发现连续的进化率均小于规定的最小值，则将其转入迭代运行中，完成对最优解的求解，同时该结果即为泄漏信号识别临界点[10]。假设临界点为χ，若利用式（1）求解出的结果为v＜χ或v=χ，则表示该信号为正常传导信号，若v＞χ，则表示该信号为泄漏信号。

通过云计算提取到的泄漏信号特征参数，还可根据输出不同特征的信号阈值对其进行识别目标映射。首先采用隐含特征χ1阈值判断多进制电源线传导信息泄漏信号，其次采用隐含特征χ2阈值判断二进制电源线传导信息泄漏信号，以此类推完成χ3、χ4、χ5…χn等多个隐含泄漏信号特征阈值在不同泄漏信号调制识别目标中的映射，最后通过决策树结构不断调整隐含泄漏信号特征阈值，以完成对电源线传导信息泄漏信号的识别。

3 对比实验

3.1 实验准备

为验证本文设计方法的效果，将其与传统泄漏信号识别方法即文献[3]方法进行对比实验。本文确定电源线传导技术参数及对应数值和规格后，设置信号的传输速率为2 400 b/s，采样频率为50 kHz，载波为40 kHz，利用软件随机产生150个信号，其中可以正常传导信息的信号为30个，泄漏信号120个，泄漏信号中包括60个边沿脉冲的泄漏信号及60个非边沿脉冲的泄漏信号。

3.2 实验结果与分析

结合上述实验准备完成对比实验后，在两种方法的识别结果中随机截取5段识别到的电源线传导信息泄漏信号。对比两种方法识别准确识别泄漏信号的个数，并将结果记录如表1所示。

表1 两种识别方法准确识别个数对比

由表1中的数据可以看出，在针对电源线传导信息泄漏信号进行识别时，本文方法无论是对边沿脉冲泄漏信号识别还是对非边沿脉冲泄漏信号识别的正确识别个数均明显多于传统识别方法，最高可完全识别，因此可见本文方法的优越性。

4 结 论

本文结合云计算技术研究了当前电源线传导信息泄漏信号识别问题，通过实验证明，本文方法能够有效增加泄漏信号的精准识别个数。在后续的研究中，还将针对泄漏信号的不同类型给出相应的处理对策，以此在发现泄漏信号的第一时间降低或避免信息的缺失，进一步提高电源线传导的稳定性。