[发明专利]一种残差选取电能质量扰动信号单比特采样的重构方法

说明书

本发明公开了一种残差选取电能质量扰动信号单比特采样的重构方法，包括：获取一段短时电能质量扰动信号；对短时电能质量扰动信号进行稀疏化，得到稀疏扰动信号；对稀疏扰动信号进行1‑Bit量化压缩，得到一段压缩信号；采用残差选取稀疏度自适应二进制迭代硬阈值算法，对压缩信号进行重构，得到原信号估计。本发明与传统的电能质量扰动信号单比特采样重构方法相比，在不增加存储成本的情况下，改善了重构信噪比；相对于穷尽搜索最小残差方法，本发明又可节省系统资源开销。

技术领域

本发明涉及扰动信号的压缩采样与重构技术领域，特别涉及一种残差选取电能质量扰动信号单比特采样的重构方法。

背景技术

随着电力系统规模不断扩大，大量非线性、冲击性负载不断接入电网，导致电能质量问题愈发严重。而高精度、复杂电力设备对电能质量的敏感程度却越来越高，任何电能质量问题都可能给电力用户带来不可估计的损失。为了改善电能质量问题，需对电能质量信号进行采集、压缩、存储、传输、检测及分析，因此电能质量信号的采集、压缩成为了治理电能质量的必要前提。

传统技术的电能质量采集建立在Nyquist定理上，要求采样速率必须大于信号的两倍才能不丢失信息。由于电能质量的扰动类型众多，变化迅速，对采样设备的速率以及处理速度提出更高要求，同时也增加了硬件实现成本。其次高采样速率会导致海量电能质量数据的产生，为数据的存储和传输带来巨大压力。压缩感知(Compressed Sensing，简称CS)是二十一世纪发展起来的一种稀疏信号处理技术，它针对信号的稀疏或可稀疏化特征，将采样过程与压缩过程合二为一，以远低于Nyquist速率对信号进行采样而不损失信息。CS理论一经提出就成为了信号领域研究的热点，并被广泛应用到各个领域，如，图像采集和处理，医学成像，人脸识别，雷达成像等，取得可观的学术成果。近年来，不少电力科研工作者开始将压缩感知应用到电能质量信号压缩采样中，一方面，缓解了海量数据的传输存储压力；另一方面，突破现有电能质量信号的采样方式，构建以压缩感知为支撑的电能质量信号采样和压缩的新方法，为电能质量信号的分析处理带来了突破性的发展，具有重大意义。然而，在实际应用中，要获取短时电能质量扰动信号的稀疏度较为困难，即使通过检测采样获取出了信号的稀疏度，也需要耗费较多的处理器资源和存储空间。基于CS的稀疏度自适应重构算法无需知道稀疏度先验信息，可以避免稀疏度未知的难题，继而颇受青睐，是研究的热点与难点之一。遗憾的是，在传统的基于稀疏度自适应的电能质量扰动信号单比特采样重构方法中，没有考虑到最小残差可能出现在迭代过程中的某一次迭代，而不是最后一次迭代的问题；同时，寻找最小残差或寻求残差为零的方法通常需要很大数量的迭代次数进行穷尽搜索，耗费巨大系统资源；加之残差为零在通常情况下难以得以满足，系列因素给重构过程带来诸多不利影响。为便于实现，工程上常考虑满足一定的残差需求即可，并不一味追求最小残差或残差为零的重构方法。为此，发明一种残差选取电能质量扰动信号单比特采样的重构方法，解决上述问题。

发明内容

本发明的目的在于克服现有技术的不足，考虑到最小残差可能出现在迭代过程中的某一次迭代，而不是最后一次迭代；同时考虑到工程上常仅需满足一定的残差需求，提供一种残差选取电能质量扰动信号单比特采样的重构方法，利用残差选取进行重构，与传统的电能质量扰动信号单比特采样重构方法相比，在不增加存储成本的情况下，改善了重构信噪比。相对于寻找最小残差的穷尽搜索方法，本发明又可节省系统资源开销。

本发明的目的是通过以下技术方案来实现的：一种残差选取电能质量扰动信号单比特采样的重构方法，包括以下步骤：

S1.获取一段长度为N的短时电能质量扰动信号α∈R^N；

S2.对短时电能质量扰动信号α进行稀疏化，得到长度为N稀疏扰动信号x∈R^N；

S3.对稀疏信号x进行1-Bit量化压缩，得到长度为M的压缩信号y；

S4.采用残差选取的稀疏度自适应二进制迭代硬阈值改进算法，对压缩信号y进行重构，得到原信号估计