电能质量信号的KSVD-NRAMP归一化自适应稀疏重构算法

针对稀疏重构算法在电能质量重构中存在实时性差、重构精度低的问题，提出一种基于特征向量归一化的K奇异值分解(KSVD-NRAMP)自适应稀疏重构算法。算法针对电能质量信号的非线性非稳态特征，采用迭代式匹配追踪得到信号稀疏特征矩阵，然后对矩阵进行归一化处理，量化特征向量，加快函数收敛速度。接着对得到的矩阵原子进行奇异值分解，改善迭代步长波动造成信号重构精度低的问题，最后构建信号的高斯随机矩阵并重构信号。当信号压缩率在50%~90%时，该算法重构信噪比其它重构算法的重构信噪比高出26dB~28dB。实验结果表明，该算法重构精度更高且计算时间短，为电能质量信号的研究提供了一种新思路。