1.一種工頻通信信道狀態(tài)評(píng)估方法，其特征在于，包括如下步驟：
S1，采集影響工頻通信信道狀態(tài)的參數(shù)，建立所述工頻通信信道狀態(tài)的參數(shù)數(shù)據(jù)存儲(chǔ)和共享平臺(tái)；
S2，利用粗糙集理論劃分所述工頻通信信道狀態(tài)的參數(shù)的數(shù)據(jù)集，構(gòu)造多變量決策樹(shù)，得到專(zhuān)家分析評(píng)估結(jié)果；
S3，提取電力線特征參數(shù)和所述信道狀態(tài)的參數(shù)，建立所述信道狀態(tài)的參數(shù)與所述信道狀態(tài)之間的映射關(guān)系，并根據(jù)所述映射關(guān)系得到工頻通信信道狀態(tài)的遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果；
S4，利用AdaBoost集成學(xué)習(xí)方法對(duì)所述專(zhuān)家分析評(píng)估結(jié)果和所述遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果訓(xùn)練進(jìn)行評(píng)價(jià)，構(gòu)建最終決策模型，得到所述工頻通信信道狀態(tài)的評(píng)估最終結(jié)果。
2.根據(jù)權(quán)利要求1所述方法，其特征在于，所述影響工頻通信信道狀態(tài)的參數(shù)具體包括：電力線長(zhǎng)度、電力線分支數(shù)、分支長(zhǎng)度、負(fù)載阻抗特性、電力線類(lèi)型和電力線噪聲強(qiáng)度。
3.根據(jù)權(quán)利要求1所述方法，其特征在于，所述工頻通信信道狀態(tài)的評(píng)估最終結(jié)果具體包括：優(yōu)、良、差。
4.根據(jù)權(quán)利要求1所述方法，其特征在于，所述步驟S4還包括：利用AdaBoost集成學(xué)習(xí)方法，以檢出率和誤判率為限定條件，利用加權(quán)投票機(jī)制構(gòu)建最終的決策模型，得到所述工頻通信信道狀態(tài)的評(píng)估最終結(jié)果。
5.一種工頻通信信道狀態(tài)評(píng)估系統(tǒng)，其特征在于，包括如下模塊：
數(shù)據(jù)采集與存儲(chǔ)模塊，用于采集影響工頻通信信道狀態(tài)的參數(shù)，建立所述工頻通信信道狀態(tài)的參數(shù)數(shù)據(jù)存儲(chǔ)和共享平臺(tái)；
多變量決策樹(shù)專(zhuān)家評(píng)估模塊，用于利用粗糙集理論劃分所述工頻通信信道狀態(tài)的參數(shù)的數(shù)據(jù)集，構(gòu)造多變量決策樹(shù)，得到專(zhuān)家分析評(píng)估結(jié)果；
遞歸神經(jīng)網(wǎng)絡(luò)誤差預(yù)測(cè)模塊，提取電力線特征和所述信道狀態(tài)的參數(shù)，建立所述信道狀態(tài)的參數(shù)與所述信道狀態(tài)之間的映射關(guān)系，并根據(jù)所述映射關(guān)系得到工頻通信信道狀態(tài)的遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果；
綜合評(píng)估模塊，用于利用AdaBoost集成學(xué)習(xí)方法對(duì)所述專(zhuān)家分析評(píng)估結(jié)果和所述遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果訓(xùn)練進(jìn)行評(píng)價(jià)，構(gòu)建最終決策模型，得到所述工頻通信信道狀態(tài)的評(píng)估最終結(jié)果。
6.根據(jù)權(quán)利要求5所述系統(tǒng)，其特征在于，其特征在于，所述影響工頻通信信道狀態(tài)的參數(shù)具體包括：電力線長(zhǎng)度、電力線分支數(shù)、分支長(zhǎng)度、負(fù)載阻抗特性、電力線類(lèi)型和電力線噪聲強(qiáng)度。
7.根據(jù)權(quán)利要求5所述系統(tǒng)，其特征在于，所述工頻通信信道狀態(tài)的評(píng)估最終結(jié)果具體包括：優(yōu)、良、差。
8.根據(jù)權(quán)利要求5所述系統(tǒng)，其特征在于，所述綜合評(píng)估模塊還包括：判定模塊，用于利用AdaBoost集成學(xué)習(xí)方法，以檢出率和誤判率為限定條件，利用加權(quán)投票機(jī)制構(gòu)建最終的決策模型，得到所述工頻通信信道狀態(tài)的評(píng)估最終結(jié)果。