KSVDSAMP自适应稀疏算法在电能质量信号重构中的应用

针对现有固定正交稀疏基不足以灵活表示未知的电能质量信号特征,以及稀疏系数非自适应导致信号重构效果不佳、应用性不强的问题,提出一种基于字典学习的自适应压缩感知信号重构算法（KSVDSAMP）,并将其应用于电能质量信号重构中。算法首先对大量电能质量信号的样本进行K均值分解得到信号特征,根据信号特征自适应的选取合适的稀疏函数表示未知信号,然后构建扰动信号的随机伯努利矩阵作为压缩感知框架下的测量矩阵,同时将回溯思想和逐步搜索原子字典更新相结合,通过设定固定的步长,在反复迭代的过程中,进行残差r的比较,最终重构出原始信号。实验结果表明,当信号压缩率在50%～90%时,提出的KSVDSAMP算法相较于现有的电能质量信号重构算法（FFTOMP、DCT）,算法的重构信噪比均高出10～20 dB,验证了KSVDSAMP算法的有效性和优越性,为电能质量信号重构提供了一种新的方法。