随机降维映射稀疏表示的电能质量扰动多分类研究 .pdfVIP

学兔兔 第32卷 第6期 仪 器 仪 表 学 报 V0l_32 No．6 2011年6月 Chinese Journal of Scientific Instrument Jun．2011 随机降维映射稀疏表示的电能质量扰动 多分类研究 术 沈 跃，刘国海，刘 慧 (江苏大学电气信息工程学院 镇江 212013) 摘 要：提出一种随机降维映射特征提取与稀疏表示分类相结合的电能质量扰动信号识别方法。首先将扰动信号测试样本表 示为训练样本集的过完备字典稀疏线性组合，然后使用随机测量矩阵获取测试样本降维特征量和稀疏表示感知矩阵，应用最小 u范数解决方案求取扰动信号测试样本的稀疏解，由冗余误差最小值确定目标归属类，实现对电能质量扰动的稀疏表示多分 类识别。研究表明随机矩阵降维映射特征提取不依赖于电能扰动样本特性，构造简单，运算快速，具有普适性；稀疏表示分类法 与支持向量机相比无需组合多个二分类器来实现多分类器。仿真和实验结果表明该方法能有效提取各种电能扰动特征，抗噪 声鲁棒性好，在信噪比20 dB以上的噪声环境中电能质量扰动分类准确率达95％以上。 关键词：电能质量；扰动分类；压缩感知；随机矩阵；降维映射；稀疏表示分类；最小L1范数 中图分类号：TM712 文献标识码：A 国家标准学科分类代码：470．40 Study on classification method ofpower qualitydisturbances based on random dimensionality reductionprojection andsparse representation Shen Yue，Liu Guohai，Liu Hui (School of Electrical and Information Engineering，Jiangsu University，Zhenjiang 212013，China) Abstract：A new approach combining random dimensionality reduction projection(RDRP)with sparse representation classification(SRC)is proposed to classify power quality disturbances(PQD)．At first，test sample is represented as a sparse linear combination of training samples in an over complete dictionary．Then．the dimensionality reduction feature vector of the test sample and sensing matrix of sparse representation are achieved using random matrix lower— dimensional projection．L1一minimization solution is applied to obtain the sparse representation of the test samples of PQD，the object class is determined through minimizing the residual error bet