基于压缩感知的电力信号压缩与重构研究*

针对电力信号的采集和压缩问题,提出采用压缩感知理论对电力信号进行压缩采样和重构的方法,避免了传统的冗余采样。首先对采用压缩感知理论进行电能信号压缩采样的可行性进行了分析,并讨论了几种典型的压缩感知重构算法的具体实现方法和特性;然后采用这些算法,对一维稀疏信号和傅里叶变换基下稀疏的含有谐波和间谐波的电力信号进行重构实验。仿真结果表明,贪婪类压缩感知重构算法计算复杂度低、速度快,更适合一维电力信号的重构,其中SAMP算法可以在稀疏度未知的情况下,使用更少的采样值精确重构原始信号。     

改进的压缩感知红外图像去噪算法

红外成像系统因其在信号的传输和信号转换环节中会受到外界环境中的各种干扰,使红外成像系统生成的红外图像中产生多种噪声,导致红外图像的信噪比降低.针对红外图像受到多类噪声影响的问题,基于压缩感知理论的迭代加权最小二乘算法设计了新的加权系数,并结合中值滤波算法设计了新的重构算法.首先利用中值滤波对信号进行红外图像的粗去噪,然...     

基于压缩感知的稀疏度自适应超高次谐波检测算法

近年来,越来越多运用电力电子器件的电气设备接人电力系统,配电网中超高次谐波发射水平的持续上升已经成为电网中亟需解决的电能质量问题之一.文中提出了一种基于压缩感知的稀疏度自适应超高次谐波检测算法,该方法基于快速傅里叶变换系数和狄利克雷核函数,结合插值因子,构建高精度的压缩感知模型;同时,文中引入了稀疏度自适应的概念,提出通过稀疏度自适应的匹配重构算法获得待检信号中超高次谐波的频率和幅值.改进算法提高了超高次谐波重构幅值的精度,减小了无法预估待检信号稀疏度而造成的误差.仿真结果证明了改进算法的准确性和有效性.     

基于压缩感知的光场获取与重建

光场图像经常被用于产生三维场景,尽可能多的光场图像能够更精确的还原出真实的三维场景,然而这样就会使数据量过大,图片获取成本更高.提出一种新的方法,通过特定的光场图像获取方式,结合贝叶斯重建算法,以及光场渲染技术,不仅可以还原出原始视点的光场图像,更可以渲染出新的视点.此外通过运用图像压缩感知算法,使得该方法能够减少实验数据量、提高运算速度.实验结果表明该方法能够还原出高信噪比的原始视点图像——误差小于0.3 dB,以及新视点图像.     

一种基于基追踪压缩感知信号重构的改进算法

压缩感知（CS）理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论。而含噪信号的重构是压缩感知理论研究的关键技术,基追踪算法（BP）是比较成熟的信号重构算法。对BP及BPDN算法（基追踪去噪算法）进行了MATLAB仿真分析,并通过对算法的改进,扩展了BP算法的应用范围,使其在脉冲噪声条件下重构信号。然后与经典BP算法进行了仿真对比,验证了在脉冲噪声干扰条件下,改进算法计算速度相对原算法复杂度降低,而且能够比较准确地重构信号。     

基于超完备字典的压缩感知电能质量数据重构

针对应用压缩感知原理进行电能质量数据重构时,采用普通函数形成的正交基进行稀疏表示不能自适应地获得最佳稀疏表示这一问题,首次将K-奇异值分解字典学习引用到电能质量数据重构中。首先,对电能质量信号进行一二维转换,利用K-奇异值分解字典学习算法,建立了适合电能质量数据的超完备字典;并选取高斯随机矩阵作为测量矩阵,对电能质量扰动信号进行压缩采样。同时,利用压缩感知匹配追踪算法进行信号二维重构,并将其转换成一维信号。最后,利用所提出的新算法对几类常见电能质量信号进行了仿真验证。结果表明:在压缩比为25%时,利用新算法能够完成重构信号,其信噪均大于44.2 dB,能够满足实际应用时的分析要求。     

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。     

准稀疏信号的压缩感知重构

压缩感知(CS)理论是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论.信号的稀疏性是使用压缩感知的前提,而处理的准稀疏信号在目前压缩感知框架下不满足稀疏性,但可通过预处理使其满足该特性.采用OMP重构算法,通过对信号直接进行压缩感知重构、经某个域上分解后的压缩感知重构和预处理的压缩感知重构3种...     

基于光场的分布式压缩感知

针对光场渲染提出了一种分布式压缩感知重建算法——同时正则化的正交匹配追踪算法(simultaneous regularized orthogonal matching pursuit algorithm,SROMP)。光场相机阵列属于分布式信源,其获取的光场图像序列不仅具有图像内部相关性,还具有极强的图像间的相关性。验证了光场相机阵列信源特征符合分布式压缩感知第二联合稀疏模型。提出的SROMP算法,能利用信号间和信号内的相关性,高概率的同时重建多幅图像。并通过实验验证了算法的准确性。     

基于压缩感知的冲击波超压场重建方法

在实际爆炸试验中,由于观测点数据稀疏,重建区域大等因素造成了数据量不足,利用传统迭代重建算法来重建冲击波超压场有其局限性。为提升单投影角度不完全投影数据条件下的成像效果,提出了一种基于TV最小化联合字典学习的冲击波超压场重建方法。结合压缩感知在稀疏约束方面的优势,利用TV正则化方法优化冲击波超压场的边缘信息,通过字典学习方法提高超压场内部细节信息的刻画程度,能够用较少的数据来重建冲击波超压场。经试验验证,与SART重建算法相比,TV-DL方法的重建精度有明显提升,其RMSE值降低了近40m/s,且在每个网格内的相对误差减少了2.5%左右,实现了一种更高效的重建方法,在武器弹药毁伤评估、工程防护等领域,具有一定的理论意义和工程应用价值。     

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。     

基于掩膜预处理的稀疏表示和压缩感知图像重建

近年来兴起的压缩感知（compressive sensing, or compressed sampling,CS）理论对信号稀疏性的要求,使信号的稀疏表示得到了前所未有的关注。考虑到现实信号往往是非稀疏性的,而压缩感知理论要求被测信号必须满足稀疏性或在某个规范正交基下满足稀疏性,因此信号的稀疏性表示变得十分重要。主要研究探索了二值掩膜预处理的稀疏表示方法。结合二值掩膜的算法去除人眼不敏感的DCT系数,在不影响图像主观质量的前提下提高测量系数的稀疏度。实验表明提出的预处理方法减少了CS的重建时间,并且提高了图像的重建质量。     

基于压缩感知的语音加密

语音通信是人们获取和交换信息的一种重要方式。随着社会信息化的发展,语音通信的机密性越来越受到重视。传统的语音加密方式都遵循经典的香农-奈奎斯特采样定理,在采样时会采集一些冗余语音数据,浪费了采样资源。为了节约采样资源并简化语音加密流程,采用压缩感知理论对语音进行加密。该方法不仅可以对语音进行加密而且也同时实现了语音的有效采样。仿真实验表明,利用压缩感知进行语音加密是切实有效的,其既可以节约采样资源又节省了存储空间。     

基于压缩感知的变电站工频电场逆问题建模与仿真

为得到变电站工频电场的详细分布,提出了一种将压缩感知理论应用于工频电场逆问题计算的方法,该方法只要求在监控区域内随机部署少量的电场场强监测点,经设计的压缩感知贪婪重构算法得出场源参数和场强分布云图。变电站设备和线路故障,或者作业人员接近高场强危险区域,往往引起场强云图的变化,将重构的场强云图与正常运行状态的场强云图进行比对,为无接触式的设备故障在线监测和作业人员近电告警安全保障提供了新的思路。介绍了仿真结果。     

传感器网络中基于压缩感知的压缩域目标跟踪算法研究与应用

复杂环境下传感器网络目标跟踪,存在跟踪准确性与算法复杂性这对矛盾,需要考虑准确性、通信和计算能耗之间的折中。针对此问题,研究传感器网络中基于压缩感知的压缩域目标跟踪和压缩域数据融合,并提出了用稀疏的测量矩阵对haarlike特征压缩,压缩域特征送入朴素贝叶斯分类器,在压缩域直接实现目标跟踪的算法。然后通过配置传感器网络以生成多个层次类型不同的簇结构,压缩后的数据在网络中传输,并在各层簇头实现压缩域下的数据融合。该算法通过稀疏测量矩阵压缩表征原始图像信息和分类器的自我学习更新,提高了对压缩域目标特征分类的准确性,在复杂环境下有更好的鲁棒性。而压缩域直接进行目标跟踪,不需要重构图像,也减少了网络运算量和数据传输量。通过仿真实验和标准数据库测试对比以及在机器人足球赛实验平台中的应用表明,该算法在跟踪准确性,数据传输量及传输能耗上均有优势。     

基于压缩感知的信号识别方法研究

针对水中目标探测的几种常用的信号分类问题,提出了一种基于压缩感知的信号识别方法,构造了信号的稀疏表示,即通过构造信号的过完备字典形成信号的稀疏基,详细阐述了压缩感知识别信号的过程。     

动态压缩感知理论研究综述

动态压缩感知是静态传统压缩感知向动态信号的拓展,广泛应用于医学上的磁感应成像和目标追踪等领域。 由于工程 中的动态信号在某一转换基下具有随时间缓慢变化的稀疏特性,因而可以运用欠定的测量矩阵对其进行压缩。 动态压缩感知 理论主要包括动态信号的稀疏表示、动态压缩测量过程和动态信号的重构 3 个方面的研究内容。 全面综述动态压缩感知的基 本概念,归纳总结现有动态压缩感知理论中对动态信号的建模方法;对已有的动态信号重构算法进行了归类,并详述了各类算 法的计算思路;最后介绍了动态压缩感知的典型应用,并对动态压缩感知信号重构算法的研究前景进行了探讨。     

基于压缩感知的智能电能表信号压缩

需求响应与功率分解等复杂任务对于高采样率功率信号的精确获取提出了更高的要求。针对这一问题,设计一种基于压缩感知(Compressed Sensing,CS)的智能电能表功率信号压缩方法,以支持智能电能表的窄带宽、低能耗条件下的信号传输。分析了各类负载的特性,提出了对于智能电能表功率信号的经验模型,作为信号压缩的基础。通过实验验证了经验模型的有效性,并得到了适用于压缩感知方法的最优表示矩阵与投影矩阵生成方案,说明了压缩感知方法相比基于小波变换的压缩方法在信号重建效果上的优势。     

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...