基于压缩感知的电能质量扰动数据压缩方法的研究

摘要

电能质量监测系统面临着庞大的监测数据的考验，这些监测数据占据大量的存储空间，对远程数据传输提出了更高的要求。为了减少数据占用的存储空间，降低数据远程传输的时间，本文深入研究了压缩感知理论，并在此基础上，提出一种基于压缩感知理论的数据压缩方法，将其应用到电能质量数据压缩中，取得了较好的压缩效果。
　　论文详细分析了国内外数据压缩方法，并对压缩感知理论进行了深入研究，包括信号的稀疏表示，测量矩阵与感知矩阵的确定，压缩感知重构算法；压缩感知重构采用正交匹配追踪方法，为了寻找最优的稀疏度，本文提出了一种稀疏度自适应的正交匹配追踪算法，本算法能够自动寻找最优稀疏度，最大限度的提高重构质量，同时也兼顾了重构时间。
　　提出了基于压缩感知理论的电能质量数据压缩方法。采用傅里叶变换基作为稀疏基，高斯随机矩阵作为测量矩阵，正交匹配追踪算法作为重构算法，来实现压缩感知理论对于电能质量扰动信号的数据压缩。该方法压缩与采样同时进行，避免了采样资源浪费，且在不满足奈奎斯特采样率的情况下，也能很好的重构信号。
　　将小波与压缩感知理论相结合，给出基于小波去噪的压缩感知数据压缩方法。在有噪声的情况下，对信号进行压缩之前，采用小波去噪预处理，然后在用压缩感知进行数据压缩。仿真结果表明，基于小波去噪的压缩感知数据压缩方法，提高了压缩率，增加了信号重构的信噪比和能量恢复系数，降低了均方误差百分值，重构效果更好。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题的研究背景及意义

1.2国内外研究现状

1.3本文的主要工作

第2章 电能质量概述

2.1电能质量的定义

2.2电能质量的标准

2.3电能质量扰动信号的数学模型

2.4数据压缩重构性能评价指标

2.5本章小结

第3章 压缩感知理论

3.1压缩感知理论概述

3.2信号的稀疏表示

3.3测量矩阵与感知矩阵

3.4压缩感知重构算法

3.5压缩感知在低于奈奎斯特采样频率下的仿真与验证

3.6本章小结

第4章 电能质量扰动数据压缩方法研究

4.1基于压缩感知的数据压缩方法

4.2基于小波去噪的压缩感知数据压缩方法

4.3本章小结

结论与展望

参考文献

攻读硕士学位期间发表的学术论文

致谢