基于壓縮感知理論的信號(hào)檢測(cè)方法研究.pdf

1、壓縮感知(Compressive Sensing，CS)理論已發(fā)展至成熟階段，取得了大量成果，并廣泛應(yīng)用于各大領(lǐng)域。一方面，在圖像重構(gòu)應(yīng)用中，輪廓波(Contourlet)變換是一種各性能優(yōu)質(zhì)的新型圖像分析工具，本論文將研究Contourlet Transform在圖像壓縮重構(gòu)中的重要應(yīng)用。另一方面，目前大部分Compressive Sensing研究都重點(diǎn)關(guān)注如何精確恢復(fù)待處理信號(hào)，然而壓縮測(cè)量結(jié)果中的關(guān)鍵信息同樣有研究的價(jià)值。針對(duì)該

2、問題，本論文對(duì)在Compressive Sensing框架下智能電網(wǎng)中動(dòng)態(tài)測(cè)試信號(hào)準(zhǔn)確檢測(cè)的應(yīng)用展開研究。
　　本文首先分析論述了Compressive Sensing理論、壓縮檢測(cè)理論的國(guó)內(nèi)外現(xiàn)狀，以及動(dòng)態(tài)測(cè)試信號(hào)模型的研究近況。簡(jiǎn)要敘述了CompressiveSensing理論的基礎(chǔ)核心內(nèi)容:信號(hào)稀疏化表述、測(cè)量矩陣和壓縮重構(gòu)算法，概括歸納了典型的信號(hào)稀疏化方法、測(cè)量矩陣以及重構(gòu)算法的優(yōu)勢(shì)與缺陷。
　　其次，深入研究了圖

3、像信號(hào)的稀疏化表述方法—基于變換的圖像壓縮感知方法。重點(diǎn)研究了輪廓波變換的多分辨率性、方向性及各向異性等特性，通過分析Contourlet父-子系數(shù)的隱馬爾科夫相關(guān)性，建立其隱馬爾科夫四叉樹模型，提出基于輪廓波域隱馬爾科夫四叉樹模型(CT-HMQT)的圖像壓縮感知重構(gòu)方法。仿真分析該方法的三項(xiàng)壓縮性能指標(biāo)的優(yōu)越性。
　　最后，研究提出了具有電力特色的壓縮感知信號(hào)檢測(cè)（簡(jiǎn)稱:壓縮檢測(cè)）理論:首先針對(duì)智能電網(wǎng)中動(dòng)態(tài)負(fù)荷對(duì)電能計(jì)量的影響

4、問題，采用m序列調(diào)制穩(wěn)態(tài)信號(hào)的方法，構(gòu)建了m序列偽隨機(jī)動(dòng)態(tài)測(cè)試電流、功率信號(hào)的參數(shù)模型，計(jì)算得出該測(cè)試信號(hào)的統(tǒng)計(jì)特性，能夠反映實(shí)際的動(dòng)態(tài)負(fù)荷隨機(jī)特征，滿足動(dòng)態(tài)測(cè)試信號(hào)模型的要求;然后，證明了該動(dòng)態(tài)測(cè)試信號(hào)的頻域稀疏性，采用Compressive Sensing理論建立了偽隨機(jī)動(dòng)態(tài)測(cè)試信號(hào)的壓縮感知測(cè)量系統(tǒng)模型，采用穩(wěn)態(tài)優(yōu)化的方法構(gòu)建了CS測(cè)量矩陣，在此基礎(chǔ)上，針對(duì)m序列偽隨機(jī)動(dòng)態(tài)測(cè)試信號(hào)，提出了該信號(hào)電能量值的壓縮感知測(cè)量方法，實(shí)驗(yàn)數(shù)據(jù)