[发明专利]基于压缩感知理论的电能质量数据自适应重构解压缩方法

摘要

本发明公开了一种基于压缩感知理论的电能质量数据自适应重构解压缩方法，采用随机测量矩阵实现采样与压缩并行的电能质量数据压缩过程，首先采用压缩感知思想对电能质量数据进行稀疏分解，然后对稀疏的信号进行高斯测量编码,最后应用自适应匹配追踪算法重构信号。随机测量矩阵构造简单、运算快速，无需中间变量存储空间，不依赖于电能扰动信号特征，具有普适性；相比于正交匹配追踪等贪婪算法，无需已知稀疏度，具备自适应和正则化过程，运行时间短，能够实现精确重建；突破传统数据压缩方法先采样后压缩的框架，少量采样即能很好地恢复原始电能质量信号，能降低对硬件的要求，提高压缩效率。

主权项

1.一种基于压缩感知理论的电能质量数据自适应重构解压缩方法，其特征是包括如下步骤：（1）采用高斯分布白噪声生成随机测量的电能质量信号压缩感知观测矩阵，选择测量维数M，采用傅里叶变换基对电能质量信号进行稀疏表示，确定维的稀疏变换基矩阵，重建原始稀疏信号，设初始余量，设定初始步长为step_size，阶段stage=1，迭代次数t=1，索引值集合为空集，;(2) 若当前余量r的能量小于控制迭代次数阈值，则停止迭代，利用得到的原子进行信号重构；否则进入步骤(3);(3) 计算当前余量r与维的压缩感知矩阵各个列向量的相关系数，并从中寻找step_size个最大值对应的索引值存入J中；(4) 对J中索引值对应原子的相关系数进行正则化，并将正则化结果保存在集合J₀中；(5) 更新支撑集，其中；(6) 应用得到的原子进行信号重构，得到稀疏信号的重构值，并进行冗余值更新；(7) 若，是控制阶段转换阈值，则令stage=stage+1，step_size=step_size+1，转到步骤(3);否则令，迭代次数t=t+1，转到步骤(2)。