基于压缩感知的电力设备状态感知技术

为解决电力设备状态参量数据采集过程中的数据冗余问题,准确获取电力设备的运行状态以及运行过程中的故障信息,将压缩感知技术引入电力设备状态感知中,提出了一种具有原子数自适应性的稀疏字典建立方法;改进了传统观测矩阵的建立方法,实现了最大稀疏化的等时间间隔采样;提出利用稀疏化采样数据,建立设备状态生理健康曲线的方法;探讨了通过对生理健康曲线的模式识别与状态时序分析,实现设备故障诊断的方法。最后,对某500 kV变电站电抗器油温的实测数据的应用结果表明,压缩感知技术可在完整保留设备状态参量变化特征的前提下,有效降低电力设备状态参量数据采集的"时间密集性",并利用"时间稀疏化"的采集数据,能够较好地识别设备潜在运行故障。该研究对电力设备状态数据采集的时间间隔给出了科学指导,避免了实际中盲目追求采集时间密集性所带来的系统资源及成本的浪费,同时也为如何在设备状态参量数据采集欠缺的情况下,获取设备状态的完整信息以及故障提供了新的技术思路。     

基于压缩感知理论的谐波畸变电压信号采集方法研究

针对电能质量信号参数变化快、数据采集量特别大的特点,论文对电能质量信号的压缩感知采集方法进行了研究,并根据电能质量信号检测的具体要求,改进了观测矩阵中轮换矩阵的构造方法,针对信号特征提高了低频段信号的权重,可以在较高压缩比条件下重构得到准确的信号。在不同压缩比条件下,对论文中提出的算法进行了仿真,并以谐波畸变电压信号为例,同采用高斯随机矩阵和传统轮换矩阵的算法进行了比较,仿真结果表明本方法压缩比高,信号重构效果好,性能稳定,优于传统轮换矩阵。     

压缩感知理论在MIMO雷达目标测量中的应用

目前,压缩感知理论和多输入多输出（MIMO）雷达系统得到了越来越多研究人员的关注。压缩感知理论已经成功应用在图像处理、无线通信等领域;MIMO雷达在目标检测中有着重要的应用。主要分析了压缩感知理论在MIMO雷达信号目标检测方面的应用。MIMO雷达系统通过多个发射天线发射一组正交探测信号（例如：频分窄带线性调频信号）,这些信号遇到空间中的运动目标后发生反射,回波被一组MIMO雷达接收天线接收。基于压缩感知理论,实现了从MIMO雷达接收的回波信号中提取匀速运动的目标、测量目标的速度和方位角,并在MATLAB仿真环境下取得了良好的效果。     

基于压缩感知的雷达目标辨识

针对弹道导弹中段飞行过程中产生的自旋和进动特征,首先建立了目标的微动和回波模型,分析了自旋和进动两种运动模式,详细推导了微动产生的微多普勒频率的数学公式,获得的二维时频图与理论上一致,验证了模型的正确性.然后针对低脉冲重复频率(LPRF)可能产生的微多普勒模糊,利用压缩感知,重构了信号微多普勒,解决了模糊问题,由此减小了雷达处理信号压力.并在此基础上求取了不同运动方式下,自旋和进动的运动周期.实验结果表明,本方法获得了较好效果以及在目标识别运用上的有效性.     

基于动态采样压缩感知的超谐波监测方法EI北大核心CSCD

随着电力电子器件向着智能高频化发展以及分布式新能源的大规模并网,超谐波引发的电能质量问题日益凸显,然而,由于超谐波信号非平稳、宽频域等特性导致其监测难度相对较大。因此,该文提出一种基于动态采样压缩感知的超谐波监测方法。在采样端,设计动态压缩采样法,对超谐波信号施加柔性时窗,通过引入尺度伸缩因子实现对窗口宽度的反馈型柔性调制。同时,理论证明时窗内超谐波信号的稀疏性,从而突破Nyquist高频采样局限,实现超谐波信号低速动态压缩采样。在重构端,设计变步长稀疏度自估计子空间追踪–动态基追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP-DBP)动态重构算法。以变步长稀疏度自估计子空间追踪(variable step sparsity estimation subspace pursuit-dynamic basis pursuit,VSSESP)算法求得初始解,在初始解的基础上,提出动态基追踪(dynamic basis pursuit,DBP)算法,利用信号支撑集的时间相关性,将上一时刻解作为先验信息提升重构信号求解速度,克服了传统算法连续重构时计算复杂度高、实时性差的弊端。最后,采用风电并网模型对超谐波信号实验,测试结果表明,所提方法可实现超谐波的动态监测和精确重构,并且具有信号低采样数据量,重构准确度高和快速性优势。     

基于多通道采样和注意力重构的图像压缩感知

近年来用于图像压缩感知的深度学习网络得到广泛关注,深度学习网络可以实现图像的压缩采样,并从采样数据重构出原始图像。但现有的压缩感知算法在信息分布不均匀的图像场景中,无法有效提取原始图像信息,导致重构精度较低。针对上述问题,本文提出了基于多通道采样和注意力重构的图像压缩感知算法。该算法包含了多个不同采样率的采样通道,能够根据视觉显著性对图像不同区域应用不同的采样率,使得采样数据中能够包含更多原始图像信息。重构采用了残差通道注意力结构,自适应调整通道特征来提高网络的表示能力。通过对比实验表明,本文提出的基于多通道采样和注意力重构的图像压缩感知算法能够取得更好的重构质量与视觉观感。     

基于压缩感知理论的小电流接地故障选线法

将一种全新的信号处理方法——压缩感知理论应用于小电流接地故障的选线中．采用压缩采样方法对故障前1／4周期到故障后1／4周期各线路零序电流进行低频压缩采样．然后通过恢复算法对所采信号进行精确重构。对承构信号采用小波去噪后进行经验模态分解（empirical mode decomposition．EMD）,选出各线路零序电流最高频IMF分量作差分运算．依据故障线路零序电流最高频IMF分量在故障发生时刻的一阶差分板性和健全线路相反的原则实现故障选线。Matlab仿真试验表明该方法不受采样频率限制．选线结果具有较高的准确度．     

基于压缩感知的空间场传感网络优化方法研究

为解决现有空间场传感网络中的传感节点密集、数据冗余和监测响应慢等问题,实现对空间场信息的实时监测,将压缩感知技术引入空间场传感网络优化中。本文提出了对历史数据进行学习的自适应稀疏正交字典的建立方法,通过对稀疏字典的分析改进了传统观测矩阵的建立方法,实现了空间场传感节点布局的最优化;通过聚类方法分析观测数据在字典上的投影系数,获得了空间场正常工作情况下的分布状态曲线,实现了对异常故障点的精准识别。最后,对二源温度场数据进行实验验证,结果表明本文所提出的压缩感知技术可以在完整保留温度场分布特征的前提下,有效降低感知数据的密集程度,并利用稀疏采样的数据,实现对温度场的实时监测和故障识别。该研究对温度场中传感节点高效布置给出了科学指导,避免了空间密集采样的资源浪费,同时也为如何在空间场采样数据欠缺的情况下,精确获取完整的温度场分布提供了新的技术思路。     

基于UCA压缩感知的声源定位算法

针对混合声源定位精度低的问题,提出了一种非迭代补全互谱矩阵的算法,利用互谱矩阵的埃尔米特特性,不经过迭代,在不牺牲定位精度的情况下提高计算效率.该方法首先建立一个稀疏模型,通过构造冗余脉冲响应(RIR)矩阵作为压缩感知测量矩阵,将源定位问题转化为压缩感知问题.然后根据多个源方向向量的空间稀疏相关性,引入投影算子,在压缩...     

一种基于LDPC矩阵的压缩感知测量矩阵的构造方法

在一些对采样数据速率有严格要求的实际应用中,对低采样率的压缩感知具有广泛需求。基于LDPC矩阵的特点,提出了一种类似托普利兹矩阵的压缩感知测量矩阵,所提出的测量矩阵构成方法易于实现。仿真结果表明,在低采样率的情况下,采用本文所提方法构造的测量矩阵不仅有着与常用稀疏测量矩阵相比更好的稀疏性,且将其用于图像压缩感知时可获得较好的图像重构质量。     

高斯随机观测矩阵的改进

在压缩感知理论中,要想精确地重构信号,观测矩阵必须满约束等距性条件,大部分随机矩阵都具备此条件,并可作为观测矩阵,如高斯随机矩阵、傅里叶矩阵和贝努利随机矩阵等。其中高斯随机矩阵是研究较多的观测矩阵。然而,该类矩阵重构信号时的效果并不十分理想,恢复后的信号相对误差较大。主要针对高斯随机矩阵的上述问题,对其进行改进。改进的观测矩阵保留了高斯随机矩阵的随机独立性,很好的满足约束等距性条件。先通过对时域稀疏信号的压缩感知重构,来验证改进后的观测矩阵的性能,然后将其扩展到变换域信号的压缩感知重构。实验结果表明,改进后的观测矩阵比原高斯随机矩阵具有更好的性能。     

一种用于谐波测量的全数字同步采样算法

提出了一种用于高精度谐波测量的全数字同步采样算法,其原理是根据电网的基波频率动态地调整过采样模数转换器（ADC）中抽取电路的抽取率,使得抽取后的系统采样频率可以跟随基波频率的变化而变化。与传统的模拟锁相环（PLL）和软件同步采样算法相比,该算法完全由数字电路实现,更加节省硬件面积,适合于数模混合系统的应用开发。文中给出了一个包含delta-sigma ADC、频率测量模块、抽取率控制单元和64点快速傅里叶变换（FFT）计算引擎的、用于实际混合系统芯片设计的Simulink仿真模型。对于采样频率是1.638 4 MHz、带宽是1.6 kHz（可计量31次谐波）的谐波测量系统,在电网频率波动±5%的条件下,同步采样后基波和谐波有效值误差分别小于0.001%和0.02%。     

一种软件同步采样DFT的谐波检测方法

目前基于DFT算法的谐波检测方法应用相当广泛,然而以往的DFT算法都没能有效地解决好实时性与精确度的问题,实时性好则精确度较低,反之精确度高而实时性略差.本文通过对现有方法的研究,提出了一种高精度的软件同步采样法.仿真结果表明,该方法在保证得到较高的测量精度的同时,还能每两个信号周期更新一次数据,提高了实时性.     

火控雷达测量误差自相关时间分析

舰炮火控雷达跟踪精度试验时需要确定跟踪数据的采样时间间隔,采样时间间隔主要取决于雷达跟踪误差特性的自相关时间。数据采样时间间隔直接影响试验航次数的确定和试验效率。从基础自相关估计理论出发,给出通过协方差函数直接计算和利用FFT变换计算雷达误差自相关时间方法,实测数据结果验证了火控雷达误差数据序列的平稳性;分析得到了火控雷达对典型目标的跟踪误差弱相关时间并给出雷达精度试验对空中目标数据采样时间间隔先按距离和方位角弱相关系数K值确定,即1～2 s,数据处理时再对高低角误差数据进行取2～3倍间隔的建议。通过自相关时间分析发现雷达伺服系统对消舰艇摇摆存在剩余的技术问题,有助于雷达技术改进和跟踪误差源分析。     

一种基于自适应陷波器的电网频率测量新方法

该文提出一种测量和跟踪电网频率变化的新方法：采用两级自适应陷波滤波器结构，第一级陷波器用来滤除谐波并得到加强的基波成分，再经过降采样处理把基波频谱拓宽后，由第二级陷波器来估计基波频率。陷波器的自适应算法是非梯度搜索的，使其运算量大大简化，适用于实时处理的场合。并通过仿真来说明该方法具有测量精度高和响应时间快的特点。     

m序列伪随机动态测试信号建模与压缩检测方法

针对智能电网中动态负荷对电能计量的影响问题,建立了m序列伪随机动态测试信号的参数模型,并分析了该测试信号的统计特性;证明了该动态测试信号的频域稀疏性,采用压缩感知理论建立了伪随机动态测试信号的压缩感知检测系统模型,采用稳态优化方法构建了压缩感知测量矩阵;在此基础上,针对m序列伪随机动态测试信号,提出了电能量值的压缩感知测量方法;仿真分析了长度为255位、511位、1023位单周期和多周期m序列动态测试信号的相对误差,误差均小于10~(-12),可忽略不计,表明所提压缩感知测量方法能够准确测量伪随机动态测试信号的电能量值。     

基于压缩感知的SAR宽带干扰抑制方法

压缩感知合成孔径雷达成像能够利用较少的观测数据清晰的恢复目标图像,但当回波中存在宽带压制干扰时,会严重破坏场景稀疏性,造成成像质量恶化。研究了一种基于选择性测量的自适应压缩感知宽带压制干扰抑制方法,通过构造一种压缩域投影滤波器并结合噪声联合检测算法,自适应感知干扰的位置信息,对合成孔径雷达（SAR）回波信号进行选择性测量,从“源头”上避免了干扰对SAR目标回波信号稀疏性的影响。仿真结果表明,该方法在减少SAR系统处理数据量的同时,使SAR成像质量明显提高,证明了该方法的有效性。     

工业测距雷达射频电路设计

本文根据工业测距雷达的使用要求,完成了射频系统的方案设计。采用Hittite公司MMIC元器件和微带电路,实现了测距雷达射频系统的功能。