基于壓縮感知理論的信號檢測方法研究.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，并廣泛應用于各大領(lǐng)域。一方面，在圖像重構(gòu)應用中，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)中的重要應用。另一方面，目前大部分Compressive Sensing研究都重點關(guān)注如何精確恢復待處理信號，然而壓縮測量結(jié)果中的關(guān)鍵信息同樣有研究的價值。針對該

2、問題，本論文對在Compressive Sensing框架下智能電網(wǎng)中動態(tài)測試信號準確檢測的應用展開研究。
　　本文首先分析論述了Compressive Sensing理論、壓縮檢測理論的國內(nèi)外現(xiàn)狀，以及動態(tài)測試信號模型的研究近況。簡要敘述了CompressiveSensing理論的基礎核心內(nèi)容:信號稀疏化表述、測量矩陣和壓縮重構(gòu)算法，概括歸納了典型的信號稀疏化方法、測量矩陣以及重構(gòu)算法的優(yōu)勢與缺陷。
　　其次，深入研究了圖

3、像信號的稀疏化表述方法—基于變換的圖像壓縮感知方法。重點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壓縮性能指標的優(yōu)越性。
　　最后，研究提出了具有電力特色的壓縮感知信號檢測（簡稱:壓縮檢測）理論:首先針對智能電網(wǎng)中動態(tài)負荷對電能計量的影響

4、問題，采用m序列調(diào)制穩(wěn)態(tài)信號的方法，構(gòu)建了m序列偽隨機動態(tài)測試電流、功率信號的參數(shù)模型，計算得出該測試信號的統(tǒng)計特性，能夠反映實際的動態(tài)負荷隨機特征，滿足動態(tài)測試信號模型的要求;然后，證明了該動態(tài)測試信號的頻域稀疏性，采用Compressive Sensing理論建立了偽隨機動態(tài)測試信號的壓縮感知測量系統(tǒng)模型，采用穩(wěn)態(tài)優(yōu)化的方法構(gòu)建了CS測量矩陣，在此基礎上，針對m序列偽隨機動態(tài)測試信號，提出了該信號電能量值的壓縮感知測量方法，實驗數(shù)據(jù)