[发明专利]基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法

权利要求书

1.基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于,包括以下步骤：

（1）、获取多种噪声干扰信号数据和多种故障类别的局部放电信号数据,并构造多个子字典，再以多个子字典构造成为复合字典；

（2）、获取待识别信号，作为待测样本；

（3）、用复合字典，通过最小化L1范数求解待测样本的稀疏表示系数；

（4）、计算待测样本为每一个类别的逼近残差，用此来衡量对待测样本的稀疏逼近程度的子字典重构误差；将最小子字典重构误差作为分类依据，确定待测样本的类别。

2.如权利要求1所述的基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于，所述步骤（1）具体为：所述复合字典直接由大量观测样本组成，表示为A=[ A₁,A₂,……,A_k,A_k+1]∈R^m×n；其中A₁,A₂,……,A_k表示K个不同故障类别的子字典，各子字典是由某一故障类别的所有观测样本直接构成，A_k+1表示一个含多种噪声类别的子字典。

3.如权利要求2所述的基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于，所述步骤（3）具体为：用稀疏表示分类，让某一待测样本y用复合字典线性表示，即y=Ax，其中x为表示系数，且，y为待测样本，A为复合字典，α_i,j∈R 是标量，且j=1,2,……,n_i；对复合字典A中的原始观测样本集中的数据做降维处理，使得复合字典A的维数mn，此时y=Ax有无穷多个解；为了解决这个问题，使x只有唯一解，需对x添加一个L1范数的约束条件，使得求解得到的x是稀疏的，故可将该求解问题表述为。

4.如权利要求3所述的基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法，其特征在于，所述步骤（4）具体为：基于步骤（3）所求解稀疏表示系数x，用其中与第i类别子字典对应的非零系数组成新向量δ_i（x），；故待测样本可只采用第i类子字典的表示系数来近似逼近，即y_i=Aδ_i（x）；据此，可计算得到将待测样本判断为第i类别时的逼近残差r_i（y）=||y-Aδ_i（x）||₂，并用此来衡量对待测样本的稀疏逼近程度的子字典重构误差；重构误差r_i（y）的值越小，则表示该类别与待测样本的类别越相似，因此可输出，以此确定待测样本所属类别，实现强背景噪声下的局部放电信号识别；若输出i=k+1，则认为待测样本为噪声信号。