基于改进多重测量向量模型的SAR成像算法

近年来,基于压缩感知(Compressed Sensing,CS)理论的稀疏场景SAR成像成为研究热点。在CS理论中,对于具有相同稀疏结构的联合稀疏目标信号源,多重测量向量(Multiple Measurement Vectors,MMV)模型可以获得优于单重测量矢量(Single Measurement Vector,SMV)模型的重构性能。然而,在距离徙动(Range Migration)不可忽略的应用场景,SAR各脉冲回波1维距离像具有不完全相同的稀疏结构,这使得无法在SAR应用中直接引入MMV模型。该文针对MMV模型与SAR距离徙动的矛盾,提出一种改进的MMV模型。在该模型下,各方位向位置对应的1维距离像的稀疏结构不要求完全相同,而是符合距离徙动特性。论文所提出的RM-OMP算法根据符合距离徙动特性的稀疏结构搜索稀疏信号支撑集,可以准确地重建稀疏信号源。论文采用仿真数据和实测数据实验验证了所提模型和算法的有效性。

基于MCS-SBL算法的配电网故障定位方法

配电网拓扑结构复杂,传统方法往往需要大量测点信息且难以实现快速有效的故障定位,本文提出基于少量测点信息的故障定位方法。首先,利用等效原理建立一个欠定的故障节点电压方程;其次,利用多重测量向量模型的贝叶斯压缩感知算法求解方程,根据重构稀疏电流矩阵的非零元素位置求解故障区域,实现故障定位;最后,在IEEE33节点配电系统上进行仿真实验,结果表明,所提方法仅需要少量测点的故障前后正序电压分量便可有效定位故障,计算速度较快,并且基本不受故障类型、过渡电阻的影响,同时适用于单故障和多重故障的场景,具有较强的抗噪能力。