基于电能质量瞬变干扰信号的压缩感知改进算法

传统的电能质量信号采样基于奈奎斯特采样理论。 由于存在电源而存在干扰信号，因此它需要比原始信号的采样频率高两倍的信号，从而导致许多问题，例如硬件成本较高。 压缩感知算法摒弃了香农定理的特点，采用更低的采样频率和更少的信号重构信号，采用损耗压缩的方法，可以有效地解决这一问题。 北京化工大学的一个团队对此方向进行了深入研究，提出了总变化梯度减小算法，该算法对减小效果很好。 但是该算法运行速度较慢，并且需要较高的信号采样量。 因此，本文提出了一种基于Nesta算法的改进算法，以减少电能质量信号的采样数据量，提高算法的复杂度，提高算法的速度。 改进算法在实际应用中具有非常重要的价值。 本文在matlab上进行了仿真，仿真结果表明该方法是正确的并且可以应用。