基于压缩感知的智能配电网采集系统研究

发布时间：2024-04-13 05:02

　　近年来,对压缩感知理论(Compressed sensing,CS)的研究日益增多,其研究热点主要聚焦于图像重构、雷达成像、数据通讯、电力系统等方面。本文着眼于配电网中信号采集数据量冗余,且需要大量的数据存储空间等问题,在总结国内外对压缩感知理论研究的基础上,利用基于压缩感知的模拟信号处理模型(AIC),将其应用于含有谐波、间谐波、电压暂升以及电压暂降等几种电能质量信号的压缩采样中,并对该模型的仿真构架、重构精度、硬件设计与实现等几方面展开了研究工作,主要内容如下:本文首先对压缩感知理论与经典奈奎斯特采样理论进行了详细的对比与分析,得出CS理论在各方面的优势及该理论的应用前提,即信号本身是稀疏的,或在某种域上是稀疏或可压缩的;同时应用MATLAB对基于CS理论的几种重构算法进行仿真分析,分别在不同测量值M与不同稀疏度K时,对比重构成功概率,在每组仿真数据重复进行1000次的情况下,选取出其中重构性能优良的重构算法——正交匹配追踪法(OMP)作为本文研究中所使用的重构算法;而后由于电能质量信号经傅里叶基变换后是稀疏的,确定了 CS理论对于电能质量信号的可行性,并给出了相关电能质量信号的模...

【文章页数】：103 页

【学位级别】：硕士

【部分图文】：

图2l传统方法采样过程

感知基本原理??知（Ｃｏｍｐｒｅｓｓｅｄ?ｓｅｎｓｉｎｇ）同时被称为压缩米样（Ｃｏｍｐｒｅｓｓｅｄ?ｓａ简称ＣＳ理论，是在采集信号的时候（模拟到数字），同时完理论表明，假如数据是稀疏的或可压缩的，亦或在某种变换出稀疏性，那么可以采用测量矩阵来获得远小于信号维数但息的采样，同时通过....

图２－２压缩感知理论下采样与重构过程??Ｆｉｇ．２－２?Ｓａｍｐｌｉｎｇ?ａｎｄ?ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ?ｐｒｏｃｅｓｓ?ｕｎｄｅｒ?ｃｏｍｐｒｅｓｓｅｄ?ｓｅｎｓｉｎｇ?ｔｈｅｏｒｙ??

其过程主要包括信号的稀疏表示、测量矩阵的设计与选取（非线性编码测量）以??及重建算法３个部分［３７］。??在传统理论的指导下，信号Ｘ的采样过程如图２－１所示。采样端首先获得Ｘ??的Ｎ点采样值经变换后只保留其中Ｋ个最大的投影系数并对它们的幅度和位置编??码，最后将编得的码值进行存储....

图２－３压缩感知实现过程??Ｆｉｇ．２－３?Ｃｏｍｐｒｅｓｓｅｄ?ｓｅｎｓｉｎｇ?ｉｍｐｌｅｍｅｎｔａｔｉｏｎ??

其他的重构算法有迭代阈值法、子空间追踪算法贪婪算法（包括正交匹配追??踪（ＯＭＰ），匹配追踪（ＭＰ）以及树匹配追踪（ＴＭＰ）等以及一些综合的改进算??法［５１］）。综上所述压缩感知理论的的整体过程可由图２＿３清楚的表示。??图２－３压缩感知实现过程??Ｆｉｇ．２－３?Ｃｏｍｐｒｅ....

图２－４?ＭＰ算法流程图??Ｆｉｇ．２－４?ＭＰ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??ＭＰ算法存在两个缺点：一是ＭＰ算法重构误差较大，不能达到所期望的精度；??

之后进行正交化处理，使所有被选原子所构成的子空间与残差正交，被正交化处??理后的原子在以后的迭代中不会再被选中，因此对被选原子进行正交化处理减少??了迭代次数，保证算法的最优效果。其算法流程图如图２－５所示。??输入：测量矩阵稀疏度Ｋ，测量值ｙ，确定需要重建原始信号中非零元素??....

本文编号：3952519