目标台区识别方法、装置、计算机设备及存储介质

1.一种目标台区识别方法，其特征在于，所述目标台区包括当前节点和所述当前节点在所述目标台区中所对应的临近节点；所述目标台区对应有邻居台区，所述当前节点在所述邻居台区中对应有邻居节点；所述方法包括：获取所述临近节点的第一信噪比数据、所述临近节点的网络层级以及所述邻居节点的第二信噪比数据；基于所述临近节点的网络层级与所述当前节点的网络层级的比较结果，生成网络层级系数集合；其中，所述网络层级系数集合中的元素用于表示所述临近节点与所述当前节点之间的连接关系；利用所述网络层级系数集合对所述第一信噪比数据进行修正，得到所述临近节点的目标信噪比数据；根据所述第二信噪比数据、所述目标信噪比数据分别对应的Z分数计算结果，识别所述当前节点的第一台区归属关系。 2.根据权利要求1所述的方法，其特征在于，所述第一信噪比数据的生成方式，包括：基于所述临近节点的报文的初始信噪比幅值，构建信噪比特征矩阵，作为所述第一信噪比数据。 3.根据权利要求2所述的方法，其特征在于，所述基于所述临近节点的网络层级与所述当前节点的网络层级的比较结果，生成网络层级系数集合，包括：基于所述临近节点网络层级生成网络层级特征矩阵；将所述网络层级特征矩阵中的元素与所述当前节点的网络层级进行比较；若所述网络层级特征矩阵中任一元素对应的网络层级小于所述当前节点的网络层级，则设置所述任一元素的层级系数为第一预设值；若所述网络层级特征矩阵中的任一元素对应的网络层级不小于所述当前节点的网络层级，则设置所述任一元素的层级系数为第二预设值；利用所述第一预设值、所述第二预设值对所述网络层级特征矩阵中的对应元素进行更新，得到网络层级系数矩阵。 4.根据权利要求3所述的方法，其特征在于，所述利用所述网络层级系数集合对所述第一信噪比数据进行修正，得到所述临近节点的目标信噪比数据，包括：利用所述信噪比特征矩阵、所述网络层级系数矩阵进行哈达马乘积运算，得到目标信噪比特征矩阵，作为所述目标信噪比数据。 5.根据权利要求1所述的方法，其特征在于，所述第二信噪比数据的生成方式，包括：基于所述邻居节点的报文的初始信噪比幅值，构建邻居信噪比特征矩阵，作为所述第二信噪比数据。 6.根据权利要求1所述的方法，其特征在于，所述根据所述第二信噪比数据、所述目标信噪比数据分别对应的Z分数计算结果，识别所述当前节点的第一台区归属关系，包括：对所述第二信噪比数据进行Z分数标准化处理，得到第一判断矩阵；对所述目标信噪比数据进行Z分数标准化处理，得到第二判断矩阵；若所述第二判断矩阵中的最大值不小于所述第一判断矩阵的最大值，识别所述当前节点属于所述目标台区；若所述第二判断矩阵中的最大值小于所述第一判断矩阵的最大值，识别所述当前节点属于所述邻居台区。 7.根据权利要求6所述的方法，其特征在于，所述目标信噪比数据采用目标信噪比特征矩阵；所述对所述目标信噪比数据进行Z分数标准化处理，得到第二判断矩阵，包括：获取所述临近节点的信噪比幅值在台区识别周期内的幅值平均值、幅值标准差；基于所述目标信噪比数据、所述幅值平均值、所述幅值标准差进行标准化处理，得到Z分数矩阵；根据预设分数阈值对所述Z分数矩阵中的元素过滤处理以及均值计算，得到所述第二判断矩阵。 8.根据权利要求1至7任一项所述的方法，其特征在于，所述目标台区还包括第一中央协调器；所述邻居台区还包括第二中央协调器；所述方法还包括：确定所述第一中央协调器的过零点数据与所述当前节点的过零点数据之间的第一过零点标准差；确定所述第二中央协调器的过零点数据与所述当前节点的过零点数据之间的第二过零点标准差；基于所述第一过零点标准差与所述第二过零点标准差的比较结果，识别所述当前节点的第二台区归属关系。 9.根据权利要求8所述的方法，其特征在于，所述方法还包括：若所述第一台区归属关系与所述第二台区归属关系一致，则基于所述第一台区归属关系或者所述第二台区归属关系，确定所述当前节点的所属台区；若所述第一台区归属关系与所述第二台区归属关系不一致，则发出台区归属提醒消息；其中，所述台区归属提醒消息用于提醒用户核实所述当前节点的归属关系。 10.根据权利要求8所述的方法，其特征在于，所述基于所述第一过零点标准差与所述第二过零点标准差的比较结果，识别所述当前节点的第二台区归属关系，包括：若所述第一过零点标准差小于所述第二过零点标准差，则确定所述当前节点属于所述目标台区；若所述第一过零点标准差不小于所述第二过零点标准差，则确定所述当前节点属于所述邻居台区。 11.根据权利要求8所述的方法，其特征在于，所述第一中央协调器的过零点数据的采集时间与所述当前节点的过零点数据的采集时间相同；所述确定所述第一中央协调器的过零点数据与所述当前节点的过零点数据之间的第一过零点标准差，包括：获取所述第一中央协调器的过零点数据与所述当前节点的过零点数据之间的过零点差值；确定所述过零点差值对应的总体均值；基于所述过零点差值、所述过零点差值对应的总体均值确定所述第一过零点标准差。 12.一种目标台区识别装置，其特征在于，所述目标台区包括当前节点和所述当前节点在所述目标台区中所对应的临近节点；所述目标台区对应有邻居台区，所述当前节点在所述邻居台区中对应有邻居节点；所述装置包括：获取模块，用于获取所述临近节点的第一信噪比数据、所述临近节点的网络层级以及所述邻居节点的第二信噪比数据；比较模块，用于基于所述临近节点的网络层级与所述当前节点的网络层级的比较结果，生成网络层级系数集合；其中，所述网络层级系数集合中的元素用于表示所述临近节点与所述当前节点之间的连接关系；修正模块，用于利用所述网络层级系数集合对所述第一信噪比数据进行修正，得到所述临近节点的目标信噪比数据；识别模块，用于根据所述第二信噪比数据、所述目标信噪比数据分别对应的Z分数计算结果，识别所述当前节点的第一台区归属关系。 13.根据权利要求12所述的装置，其特征在于，所述装置还包括：信噪比特征矩阵模块，用于基于所述临近节点的报文的初始信噪比幅值，构建信噪比特征矩阵，作为所述第一信噪比数据。 14.根据权利要求13所述的装置，其特征在于，所述比较模块，还用于基于所述临近节点网络层级生成网络层级特征矩阵；将所述网络层级特征矩阵中的元素与所述当前节点的网络层级进行比较；若所述网络层级特征矩阵中任一元素对应的网络层级小于所述当前节点的网络层级，则设置所述任一元素的层级系数为第一预设值；若所述网络层级特征矩阵中的任一元素对应的网络层级不小于所述当前节点的网络层级，则设置所述任一元素的层级系数为第二预设值；利用所述第一预设值、所述第二预设值对所述网络层级特征矩阵中的对应元素进行更新，得到网络层级系数矩阵。 15.根据权利要求14所述的装置，其特征在于，所述修正模块，还用于利用所述信噪比特征矩阵、所述网络层级系数矩阵进行哈达马乘积运算，得到目标信噪比特征矩阵，作为所述目标信噪比数据。 16.根据权利要求12所述的装置，其特征在于，所述识别模块，还用于对所述第二信噪比数据进行Z分数标准化处理，得到第一判断矩阵；对所述目标信噪比数据进行Z分数标准化处理，得到第二判断矩阵；若所述第二判断矩阵中的最大值不小于所述第一判断矩阵的最大值，识别所述当前节点属于所述目标台区；若所述第二判断矩阵中的最大值小于所述第一判断矩阵的最大值，识别所述当前节点属于所述邻居台区。 17.根据权利要求16所述的装置，其特征在于，所述目标信噪比数据采用目标信噪比特征矩阵；所述识别模块，还用于获取所述临近节点的信噪比幅值在台区识别周期内的幅值平均值、幅值标准差；基于所述目标信噪比数据、所述幅值平均值、所述幅值标准差进行标准化处理，得到Z分数矩阵；根据预设分数阈值对所述Z分数矩阵中的元素过滤处理以及均值计算，得到所述第二判断矩阵。 18.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。 19.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。