[发明专利]一种用于局部放电信号压缩传输的自适应压缩感知方法

说明书

本发明公开了一种用于局部放电信号压缩传输的自适应压缩感知方法，包括以下步骤：A、数据预处理，将低信噪比信号通过小波滤波转化为高信噪比信号；B、对高信噪比重叠分块后训练过完备字典，字典中原子仅和局放脉冲高度相关；C、判定信号块是否包含局放脉冲，如果包含则将其标签置为1，否则置为0；D、对于不同标签的信号块进行压缩采样；E、对于压缩采样后的信号进行稀疏重构，得到原始信号。本发明能够解决现有技术的不足，提高了压缩率，在保证良好恢复效果的同时可以有效地滤除现场采集噪声，节省了信号传输和存储成本。

技术领域

本发明涉及电气设备异常检测技术领域，尤其是一种用于局部放电信号压缩传输的自适应压缩感知方法。

背景技术

局部放电信号可以指示电力设备中的异常情况，长时间的局部放电可能导致绝缘进一步退化。高压放电会使绝缘材料变质，使电气设备绝缘性能大幅下降。因此，对它们的监测至关重要。目前局部放电监测的应用已经应用于很多电气设备，如开关柜、GIS高压开关设备、变压器、发电机、埋地电缆、架空线等，主要的监测方法有特高频法、TEV法、超声波法、脉冲电流法等。其中TEV监测法因其不与放电体接触，灵敏度高等特点受到广泛关注。目前主要存在的问题为TEV局部放电信号频率较高，一般在几兆赫兹到几百兆赫兹之间，短时间内会产生海量的数据，当应用于工程领域的实时监测，会在短时间内产生大量的数据，对通信信道造成极大的压力，经济性极差。压缩感知技术是一种全新的信息采样理论，它基于信号的可压缩性,通过低维空间观测矩阵，对欠Nyquist采样数据的非相关观测来实现高维信号的感知。该技术的提出可以利用低于奈奎斯特采样率的数据量通过稀疏恢复算法恢复原始信号，极大的降低了信号存储及传输的成本。传统的压缩感知算法主要是状态滤波器算法，但是卡尔曼滤波器算法没有严密的数学验证，仅从经验角度判断支撑集中的哪些元素需要删除,使得估计结果具有一定随机性。该算法需要测量矩阵严格满足RIP才能精确重构稀疏信号,然而很多实际问题并不能满足上述条件,因此算法的性能会变得很差,导致较大判决误差。对于不采用滤波器的方法：最小l1范数法虽然是应用最为广泛的一种稀疏重构算法,但是除非满足一些严格的约束条件,其全局最小点并不是真正的最稀疏解.此外,当测量矩阵列向量间相关性增强,最小l1范数法的重构性能会严重下降。最后,最小l1范数法重建速度较慢。贝叶斯算法同样存在局限性,该算法要求时变稀疏信号的支撑集固定不变,仅支撑集对应的分量的幅值随时间发生变化,这种前提假设不符合实际情况。

发明内容

本发明要解决的技术问题是提供一种用于局部放电信号压缩传输的自适应压缩感知方法，能够解决现有技术的不足，提高了压缩率，在保证良好恢复效果的同时可以有效地滤除现场采集噪声，节省了信号传输和存储成本。

为解决上述技术问题，本发明所采取的技术方案如下。

一种用于局部放电信号压缩传输的自适应压缩感知方法，包括以下步骤：

A、数据预处理，将低信噪比信号通过小波滤波转化为高信噪比信号；

B、对高信噪比重叠分块后训练过完备字典，字典中原子仅和局放脉冲高度相关；

C、判定信号块是否包含局放脉冲，如果包含则将其标签置为1，否则置为0；

D、对于不同标签的信号块进行压缩采样；

E、对于压缩采样后的信号进行稀疏重构，得到原始信号。

作为优选，步骤A中，首先使用5阶高通巴特沃斯滤波器，滤波器截止频率为20kHz，滤除基波及部分低频噪声分量；然后通过小波滤波的方法滤除周期窄带噪声及白噪声，其中小波分解层数设为3层，小波函数为dB8小波，阈值采用硬阈值法；然后采用重叠分段的方法，对信号x重叠分块，各块长度为2L，第p块可表示为

且有，