基于压缩感知的电能质量信号重构算法研究

为解决传统电能质量信号在采样时面临的采样率高,采样资源浪费和硬件成本高的问题,压缩感知理论被引入到电能质量信号的采样与重构过程。信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。基于多重扰动的电能质量信号,本文提出了基于不同干扰的电能质量模型来选择不同的信号稀疏变换基的压缩感知重构算法。实验证明与整个信号采用单一DCT变换基或FFT变换基的压缩感知重构算法相比,本文提出的方法具有更好的信号重构性能。     

稀疏度自适应回溯追踪算法改进

针对压缩感知重构算法中信号稀疏度未知和步长大小固定的问题,提出一种新的压缩感知信号重构算法,即基于弱选择的稀疏度自适应回溯追踪（SPWAMP）算法。该算法将自适应思想、变步长迭代思想与回溯思想相结合,在未知信号稀疏度的情况下,利用阈值方法选取预选集,通过变步长更新支撑集原子个数并结合回溯思想剔除不可靠原子,最终实现信号精确重构。仿真结果表明,当信号稀疏度K达到65时,该算法重构精度相对稀疏度自适应匹配追踪（SAMP）算法提高了40%,而此时正交匹配追踪（OMP）算法、子空间追踪（SP）算法和分段弱选择正交匹配追踪（SWOMP）算法已无法实现重构。因此,该算法相对其它同类算法提高了信号重构精度。     

基于奇异值分解改进观测矩阵的FBG传感信号处理

针对地下管廊环境恶劣复杂、噪声干扰较大的问题,提出一种基于奇异值分解的改进观测矩阵方法,通过提高压缩感知处理光纤布拉格光栅传感信号精度,完成噪声预处理。对观测矩阵进行分解重构,提高信号重构保真度。首先对随机观测矩阵进行正交化处理,再对其进行奇异值分解,将特征矩阵特征值改为恒定值,带入新的特征值后将产生新的观测矩阵。对信号进行观测,并采用信噪比、重构误差等指标确定稀疏度 K。仿真结果表明,该方法重构精度提高约 72%。     

基于纹理信息的图像重构实验项目改进算法设计

图像重构是数字图像处理实践课程中比较重要的实验项目.针对正交匹配追踪算法在图像重构过程中出现的重构图像模糊、占用较大存储空间以及一定采样率下图像重构效果不理想等问题,该文对原算法进行了改进,提出一种基于纹理信息的变采样压缩感知重构算法.该算法首先对输入图片进行分块处理,再根据各图像块的纹理信息和稀疏性进行采样频率的自适...     

一种用于信号重构的带随机扰动的迭代算法的研究

介绍了一种利用幅度谱和部分采样值唯一重构信号的算法：带随机扰动的迭代算法。该算法具有计算量小，收敛快，对于有零点在单位圆上的信号重构效果好等优点。     

基于变换域的压缩感知快速重构算法

压缩感知是信号处理领域热门研究课题,其应用前提为原信号是稀疏或可压缩的。时域非稀疏信号可以变换为频域稀疏信号,但变换后的信号和传感矩阵表示形式为复数,增加了重构复杂度。为了降低复杂度,提高信号重构效率,提出一种基于实变换的重构算法,该算法将复数形式的稀疏信号和传感矩阵的实部和虚部分离后再参与重构。与传统重构算法相比,该算法改善了重构信号的均方误差,明显缩短了重构时间,极大提高了信号重构效率。     

多小波在分析电能质量的应用研究

多小波可以同时具有对称性、正交性、短支撑性、高阶消失矩等性质。利用GHM多小波对几种典型的电能质量信号进行检测分析,能够准确提取暂态信号的时间特征,并对电能质量问题进行诊断、定位和分类。     

基于位置信息的1-bit压缩感知重构算法

针对现行1-bit压缩感知硬判决算法在高误码环境下对弱信号重构性能较差的问题,提出一种基于位置信息的重构算法。首先将测量数据分成位置数据和数值数据,然后在重构端对位置信息进行重构,再根据重构结果对数值信息进行重构。该算法较之经典的1 bit压缩感知硬判决重构算法,在维持相同测量数目的前提下,大大提高了位置信息重构性能。由于在数值信息重构过程中应用了精确的位置信息,使数值重构性能优于同类算法约0-3dB。     

基于虚拟仪器技术的电能质量实验教学系统

研发了一种基于虚拟仪器技术的电能质量实验教学系统。系统包括稳态电能质量信号实时监测、暂态电能质量信号发生与监测、电能质量信号分析等模块,为实验教学提供了稳态电能质量信号在线监测和暂态电能质量信号模拟测试2种实验模式,具有波形显示、数据读取、信号分析、基于国标判断、数据管理等功能,实现了电能质量在线监测和实验教学的全要素集成。     

含噪电能质量信号小波降噪的方法与改进

在电力系统电能质量信号的检测中,不可避免会遇到因为测量设备故障以及环境因素的影响,使得信号夹杂噪声,使得采集到的信号受到一定程度的噪声污染,干扰了检测电力系统的电能质量准确性,而小波降噪在信号降噪中具有很大优势,所以利用小波降噪降低电力系统信号中的噪声具有重要的意义。在比较分析小波变换的优势,多次进行小波变换反馈信号特征,通过观察信号的时频特性,应用小波变换局部化特性可调整不同叠加信号的系数,可最大限度的得到电能质量的有用的分析信号,然后再分析和运用多种阈值处理方式改进小波降噪,并应用差值的方法分析哪种阈值处理方式更加有效。     

基于LMD_SVD的矿山微震与爆破信号特征提取分析

针对矿山微震与爆破信号难以识别的问题,提出一种基于局部均值分解（LMD）和奇异值分解（SVD）的微震信号特征提取方法。首先对矿山微震信号和爆破信号进行LMD分解,将多分量的调频信号分解成一系列频率由高到低的乘积函数（PF）分量;其次,借助相关系数和方差贡献率筛选出包含信号主要信息的PF分量;最后利用SVD计算所选的PF分量构成矩阵奇异值,以此作为区分矿山微震与爆破信号的特征向量。实验结果表明,LMD和SVD相结合的特征提取方法能准确、有效地提取矿山微震和爆破信号特征,为信号识别研究提供了一种新方法。     

声发射信号的压缩感知仿真与实现

声发射检测技术对大型构件进行在线监测、检测时会产生大量的数据,这对检测系统的数据传输和存储性能提出了更高的要求。为了解决这一问题,基于压缩感知理论原理,选取不同的压缩采样率对声发射仿真信号和断铅实验信号进行了压缩重构,并对重构的结果进行了对比分析。结果表明:压缩采样率是影响重构效率的重要因素,随着压缩采样率的增加,重构信号的精度也随之增加,但重构时间也会相应变长。综合考虑信号的时频特征、重构误差和重构时间等参数,当压缩采样率不小于25%时,即可满足声发射信号分析要求。     

电能质量的性能指标以及现代控制方法

介绍了电能质量的相关概念和术语,并对其指标进行了分类,指出不同的指标有不同的定义和应用领域;然后介绍了现代电能质量控制的主要方法.     

电能质量信号扰动检测与定位

在Piella G等人提出的自适应提升小波变换的基础上,提出了有效分析电能质量信号扰动检测与定位的改进的自适应提升小波预测算法;根据改进的自适应提升小波对信号的极强分类能力,将经过派克变换后的电能质量信号分为正常区与扰动区以及间断点区与非间断点区,再对各不同的区运用不同的更新算法与预测算法,能够快速准确地对电能质量信号作出扰动检测定位以及扰动程度的定量刻划;并且根据测出的扰动时间及扰动方向可以对扰动类型做出准确的分类;运用该算法对电压凸起、电压凹陷、电压暂态中断、电压瞬时脉冲、电压暂态振荡的检测与定位以及电压谐波的分析都证实了该算法的准确性和有效性。     

基于MATLAB的信号采样与重构的实现

该文基于MATLAB再现了连续信号的采样频谱和重构的时域信号,给出了信号重构的误差,并分析了采样周期对采样频谱叠加和信号重构精度的影响。     

浅谈提高电能质量的措施

随着科学技术的进步和社会的发展,电网电能质量已经成为能否满足经济技术发展的重要问题,本文主要从电压偏差的调整和谐波的抑制两方面分析如何来提高电能的质量.     

基于多种信号处理方法的电能质量虚拟仿真实训平台

针对电力系统中电能质量问题的分析,为强化理论结合实践,锻炼学生的仿真实验能力,构建了基于多信号处理方法的电能质量虚拟仿真实训平台。该平台采用以数字信号处理器DSP为核心构建的下位机的数据采集系统,上位机在Lab VIEW和Matlab开发环境下,针对不同的电能质量问题,选择小波变换、S变换、HHT变换等不同的信号处理方法,实现电能质量问题的特征提取和分析。通过合理利用和有效管理该实训平台,能够开发多种实验项目,优化配置实验室资源,改革人才培养模式和考核方式,全面提高学生对硬件设计和软件仿真的综合实践能力。     

基于小波变换的压缩感知算法在交通监控中的应用研究

针对交通监控各个节点数据采集压缩环节存在数据量大、采样压缩存储负荷大等问题,提出了基于小波变换的压缩感知算法在远低于奈奎斯特采样率的情况下能够大幅降低采样压缩图像数据量,并采用了多种其他小波变换改进算法进行对比实验,对比重构图像的PSNR值和各还原图像数据,验证了此改进型算法能够降低并缓解监控数据采集压缩等环节负荷大的问题。     

奇异值数字水印算法的数学基础

本文提出了一种利用奇异值分解的图像数字水印算法,针对的是在水印提取之前遭受了未知几何攻击的图像。实验结果表明,本文的算法对放大、旋转等几何攻击以及对剪切,噪声攻击是稳健的,而且此水印在受到了上述的几何攻击后仍能够被有效的提取。     

关于SVD水印算法的分析和探究

基于奇异值分解理论的数字水印技术是一种新的值得探讨和研究的变换域水印技术,它的提出为数字水印技术的发展开拓了新的思路和方法.本文对传统的基于奇异值分解理论的数字水印技术进行了深入分析和研究,并提出了改进方法,给出了一种新的基于奇异值分解的数字水印方案.仿真实验证明,新的方法比较好的满足了数字水印的透明性和鲁棒性,能经受住通常的图像处理操作且具有较大的应用潜力.