CN102035200B - 一种信号处理的方法和装置 - Google Patents

Abstract

本发明公开了一种信号处理的方法和装置，该装置包括原始信号采集判断模块，第一处理模块，第二处理模块和保存模块。本发明提供的信号处理的方法和装置，能够首先判断原始信号的波形是否稳定，并在原始信号稳定时采取相应的压缩算法对原始信号进行压缩处理；而在原始信号波形不稳定时，进一步使用非稳态压缩算法对原始信号进行压缩处理或先对原始信号进行稳态和非稳态信号的分离后，再分别使用对应的压缩算法相应进行压缩处理，从而对于各种类型的原始信号，都能够实现较高的压缩率和较低的压缩误差。

Description

一种信号处理的方法和装置

技术领域

本发明涉及信号处理技术，具体涉及一种对电能质量数据进行实时压缩处理的方法和装置。

背景技术

在当前的能量管理系统(Energy Management System，EMS)架构下，如图1所示，电力监视设备(Power Monitoring Devices，PMD)作为测量各种电力信号如电压、电流、能量消耗等的基本设备，出现在EMS的每一个能量分支(Power branch)当中。PMD以较低的更新速率(例如每秒1次)实时对各种电力信号进行测量并将测量结果提供给远程数据服务器(Remote Data Server)或中央数据服务器(Central Data Server)，其中远程数据服务器为可选设备。从而，各客户端(Client)能够通过访问远程数据服务器或中央数据服务器来实时获知整个电力网络中当前的功率和能量消耗状态。

PMD除了能测量所在支路的电压，电流，功率，电能和频率等基本电力参数信息外，还能监测所在支路的电能质量(Power Quality，PQ)事件。PQ事件一般分为稳态PQ事件、暂态PQ事件和瞬态PQ事件，稳态PQ事件中最常见的包括谐波，电压波动，三相不平衡和闪变等，持续时间一般都在几分钟以上。常见暂态PQ事件包括骤降(sag)、骤升(swell)和中断(interruption)，其持续时间通常大于半个信号周期。瞬态PQ事件通常包括瞬时扰动(transient)，其持续时间通常小于半个信号周期。

电能质量监测的一个重要应用是分析配电系统的故障或者扰动的类型和产生的原因。当配电系统中某处发生故障或者扰动时，通过比较故障或扰动发生时刻不同支路和相位之间的波形，可以判断故障或扰动的类型或原因(例如，单相接地故障等)。如果进一步结合网络拓扑结构，甚至还可以判断出现故障或扰动的分支。这就要求安装在配电系统各支路中的电力监测设备，例如PMD，具有连续不间断地(例如几周、几个月、半年甚至一年)记录电压、电流等电力信号波形的能力，而不论是否发生稳态或暂态PQ事件。然而，传统的数字故障记录仪(Digital Fault Recorder，DFR)由于受到存储能力，计算速度等各方面的限制，只能检测并记录电力信号发生暂态PQ事件时的波形，而无法长时间不间断的记录电力信号的稳态事件波形。

此外，在图1所示的EMS架构中，由于受到网络传输速度的限制，PMD记录的电力信号的波形数据不可能不经压缩就直接传送给远程数据服务器或中央数据服务器。而且，即使不考虑网络传输速度的限制，在目前的技术条件下，如果不进行数据压缩处理，同样也不可能持续对电力信号的波形进行如此长时间的记录。比如：PMD通常需要记录的电力信号至少包括3相电压和电流共6个信号，设每个信号的采样频率为每信号周期256个采样点，从而所有6个信号每分钟产生4608K个采样点，设每个采样点的采样数据长度为2字节，所述4608K个采样点就需要占用9.2兆字节(MB)的存储空间。如果连续保持连续记录一天，则全部采样数据需要占用高达13.27千兆字节(GB)的存储空间。显然，现有存储设备的容量远远无法支持对所述信号的长时间连续采样并存储记录的需要，因此，必须采用能够对采样数据进行高效压缩的压缩算法来减小采样数据占用的存储空间。

本领域技术人员都应熟知，稳态PQ事件对电力信号波形的影响时间一般会持续较长时间，如几分钟，因此可以利用傅立叶变换(FFT)将电力信号分解成多次谐波，而每次谐波可以通过几个预先定义的量化参数进行描述——例如频率、振幅、相位等，从而电力信号就可以利用分解得到的各谐波对应的量化参数进行完整描述，因此，对电力信号的记录就可以简化为对该信号分解得到的各谐波对应的量化参数值的记录，从而实现对电力信号波形的压缩记录，然后再对记录的量化参数值采用各种现有的编码技术进行进一步压缩，从而实现对电力信号的波形记录和压缩保存。

而对于暂态和瞬态PQ事件，由于其持续时间较短(通常几个信号周期左右)，而FFT只能够处理在一定时间段内不断复现的周期信号，因此无法应用于对暂态和瞬态PQ事件的处理，如果使用FFT对暂态和瞬态信号进行分解重建，重建信号相比于原始信号常常会出现较严重的波形丢失等错误。因此，现有技术中，暂态和瞬态信号的分解处理一般使用离散小波变换(Discrete Wavelet Transform，DWT)、提升小波变换(Lift Wavelet Transform，LWT)、或Slantlet transform、小波包(Wavelet Packet Enhancement)等方法进行处理。

可见，DWT在对暂态和瞬态PQ事件进行压缩处理时具有较低的错误率和较快的处理速度，而FFT对于稳态PQ事件则具备良好的重建能力和高压缩率，因此在理论上，对于稳态PQ事件，采用FFT方法进行压缩处理，而对于暂态和瞬态PQ事件，则可以使用DWT方法进行压缩处理，并都能够获得较高的压缩率和较低的错误率。

然而，目前对电力信号进行压缩记录的解决方案中，尚不存在将对各种PQ事件的压缩算法进行有机结合的方案，大都只能针对包含一种PQ事件的电力信号波形进行压缩处理。

由于PQ事件出现时，其信号波形是包含在原始的电力信号当中的，而且PQ事件的出现带有随机性、无法事先预测其是稳态、暂态还是瞬态PQ事件。因此，如果使用FFT方法进行压缩处理而实际的电力信号中却包含有暂态和/或瞬态PQ事件时，使用FFT直接进行信号重建时就会出现较大的重建错误且该错误会在整个信号处理的时域范围内扩散，如图2所示，图2(a)中的波形为原始信号(Raw Signal)，用X(n)表示，其中包含sag事件，其总持续时间约为5.5个信号周期；图2(b)所示为直接使用FFT进行信号重建所得到的重建信号(Reconstructed Signal)，用Xc(n)表示，容易发现，该重建信号将暂态PQ事件平均化到整个横轴当中，从而与Xc(n)相比于X(n)存在较大的误差，如图2(c)所示，图2(c)为图2(a)中的原始信号与图2(b)中的重建信号之间的残差信号R(n)＝X(n)-Xc(n)。如果采用DWT等方法进行压缩处理，尽管无论对于稳态暂态还是瞬态PQ事件这些方法都具有良好的适应性，但是，这些算法产生的计算量却会远远超过FFT方法，压缩效率也比FFT方法方法低。因此如果原始电力信号中只是包含稳态PQ事件，这时利用DWT等方法进行压缩处理不仅处理速度非常慢，而且一般也无法获得优于FFT方法的压缩效果，这在实际应用中无疑是非常不经济和不可取的方式。

可见，现有的信号压缩处理方案在对实际情况下的电力信号波形进行压缩处理时适应性较差——即，无法保证对各种可能情况下的实际电力信号(即电力信号中可能只包含稳态PQ事件，或只包含暂态PQ事件，或同时包含各种PQ事件)，都能够实现较高的压缩率和较低的错误率。

发明内容

本发明的目的在于提出一种信号处理的方法和装置，能够在对各种实际情况下的电力信号进行压缩处理时具有良好的适应性。

为了实现上述目的，本发明提出一种信号处理的方法，该方法包括：

采集本次压缩处理周期内的原始信号，判断原始信号的波形是否稳定；

如果波形稳定，利用第一种方法将原始信号分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；所述第一种方法包括：FFT或基于各种加窗技术的FFT/DFT/DCT方法；

如果波形不稳定，进一步判断原始信号中的稳定波形所占比重是否高于预设比例，如果是，则将原始信号分解成稳定波形和不稳定波形后，对于分解得到的稳定波形，按照所述第一种方法将其分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；对于分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；如果否，则利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；所述第二种方法包括：离散小波变换、提升小波变换、小波包变换或滤波器组变换方法；

保存经过压缩处理的特征参数和/或各次系数，结束本次压缩处理周期流程，继续进行下一个压缩处理周期的数据处理。

一种信号处理的装置，该装置包括：

原始信号采集判断模块，用于采集本次压缩处理周期内的原始信号，判断原始信号的波形是否稳定，如果稳定通知第一处理模块，如果不稳定则通知第二处理模块；

第一处理模块，用于接收原始信号采集判断模块的通知，利用第一种方法将原始信号分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；所述第一种方法包括：FFT或基于各种加窗技术的FFT/DFT/DCT方法；

第二处理模块，用于接收原始信号采集判断模块的通知，进一步判断原始信号中的稳定波形所占比重是否高于预设比例，如果是，则将原始信号分解成稳定波形和不稳定波形后，对于分解得到的稳定波形，按照所述第一种方法将其分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；对于分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；如果否，则利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；所述第二种方法包括：离散小波变换、提升小波变换、小波包或滤波器组变换方法；

保存模块，用于保存经过压缩处理的特征参数和/或各次系数，结束本次压缩处理周期流程。

由上述技术方案可以看出，本发明提供的信号处理的方法和装置，能够首先判断原始信号的波形是否稳定，并在原始信号稳定时采取相应的压缩算法对原始信号进行压缩处理；而在原始信号波形不稳定时，进一步使用非稳态压缩算法对原始信号进行压缩处理或先对原始信号进行稳态和非稳态信号的分离后，再分别使用对应的压缩算法相应进行压缩处理，从而对于各种类型的原始信号，都能够实现较高的压缩率和较低的压缩误差。

附图说明

下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，相同的标号表示相同的部件，附图中：

图1是现有技术中EMS系统的组成结构示意图；

图2是现有技术中一种包含sag的原始信号、利用FFT对其进行重建得到的重建信号以及原始信号与其重建信号间的残差信号的示意图；

图3是本发明实施例中信号处理的方法的流程示意图；

图4(a)是本发明实施例中步骤306的一种实施方式的流程示意图；

图4(b)是本发明实施例中步骤306的另一种实施方式的流程示意图；

图5(a)是本发明实施例中多个压缩处理周期的原始信号分解得到的基波的振幅分布曲线；

图5(b)是利用第一门限值对图4(a)所示的振幅分布曲线进行处理后得到的振幅分布曲线；

图6是本发明实施例中步骤307的一种实施方式的流程示意图；

图7(a)是本发明实施例中步骤603的一种实施方式的流程示意图；

图7(b)是本发明实施例中步骤603的另一种实施方式的流程示意图；

图8是本发明实施例中信号处理的装置的组成结构示意图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

首先，本发明提供的信号处理的方法和装置可以应用在不同的硬件平台当中，例如数字信号处理芯片(DSP)、PowerPC或可编程逻辑阵列(FPGA)等。具体硬件结构视乎不同硬件处理单元略有不同，本发明限于篇幅不做一一列举说明。

本发明实施例中定义和使用的几个性能指示参数包括压缩率(Compression Rate，CR)、均方误差(Mean Square Error，MSE)和最大误差(MaxError)，以下分别说明：

1、CR，用于度量压缩性能，其量化公式如公式(1)所示：

CR＝S_raw signal/S_{compressed data}     (1)

其中，S_raw signal表示原始信号数据的大小，S_{compressed data}表示压缩后数据的大小，CR的大小主要受到信号状态(稳态信号还是暂态信号)、采样率和压缩误差等的影响。

2、MSE，用于度量原始信号和其重建信号在各压缩处理周期内的平均误差，压缩处理周期随着原始信号的周期长度的不同而不同，例如对于50赫兹(Hz)的原始信号，每次压缩处理周期可以为10个原始信号周期，而对于60Hz的原始信号，每次压缩处理的周期则可以为12个原始信号周期。MSE的量化公式如公式(2)所示：

$\mathrm{MSE}=\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(X\left(i\right)-X_c\left(i\right))}^2}{N}}---\left(2\right)$

其中，X(i)表示第i个采样点处的原始信号，Xc(i)表示第i个采样点处原始信号的重建信号，N表示采样点的数目，i∈[1，N]且i为整数。

3、Max Error，用于度量原始信号和其重建信号之差的绝对值，当该绝对值最大时，其取值即称为Max Error，其量化公式如公式(3)所示：

Max Error＝max{|X(i)-Xc(i)|}      (3)

其中，X(i)和Xc(i)表示的含义与公式(2)中相同，i∈[1，N]且i为整数。

在定义的3个性能指示参数的基础上，本发明实施例提供一种数据处理的方法，为避免混淆，下面首先介绍文中将会使用的相关名称和/或符号：

·采样数据缓存区

用于缓存实时采样得到的采样点的取值，以备后续进行信号处理。

·原始信号(Raw Signal)

每个新的压缩处理周期开始时，从采样数据缓存区取回的采样数据就是本压缩处理周期中使用的原始信号，用X(n)表示。

取回的原始信号包含的采样点数目可以是1/8/10/12个原始信号周期内的所有采样点，当然也可以取其他值，具体取值取决于编译标准和硬件平台的处理能力。根据信号处理领域中IEC的相关标准，对于50/60Hz的电力信号，原始信号包含的采样点数目分别应当为10/12个原始信号周期内的所有采样点，以满足谐波分解的计算要求。需要指出的是，当采样率足够高时，比如每原始信号周期内获取1024个采样点或更多时，视具体硬件平台的计算处理能力，原始信号中包含的采样点数目少于10/12个原始信号周期内的所有采样点的总数目也是允许的，且并不影响本发明实施例的实现。

·参考信号，用Xref(n)表示；

参考信号通常用作与原始信号进行比较的基准信号，后文中将会做进一步详细介绍。

·原始信号的重建信号，用Xc(n)或Xcc(n)表示：

重建信号是根据预先设定用于表征原始信号波形的各量化参数的取值，对原始信号进行复现所得到的波形信号。

本发明实施例提供的信号处理方法，其数据流向的总体流程包括：

步骤a：将采样得到的数据保存到采样数据缓存区当中；

步骤b：从采样数据缓存区中取出待处理的采样数据，并根据待处理的采样数据得到原始信号；

步骤c：利用所述待处理的采样数据得到参考信号和原始信号的重建信号并保存，实现对采样数据的有损压缩。

需要说明的是，步骤a～c只是对本发明提供的信号处理方法的数据流向的总体说明，在实际应用中，所述信号处理方法的流程如图3所示，其中包括：

步骤301：PMD启动后，初始化设备中的各相关缓存，继续执行步骤302；其中，各相关缓存主要包括第一门限值Δ、第三门限值T1、第四门限值T2、小波系数门限比率λ和最大允许次数Max Times；

T1和T2的取值预先根据对PMD的要求设定，T2通常大于T1。T1的典型值可以为标幺值0.005pu、0.01pu或0.02pu，T2的典型值可以为0.01pu、0.02pu或0.05pu，且T1、T2越小，最终的压缩率就越低。

而第一门限值Δ、小波系数门限比率λ和最大允许次数Max Times，下文中将有详细介绍。

步骤302：PMD中的模数转换电路按照预设的采样频率对电力信号进行采样，继续执行步骤303；

模数转换电路对电力信号进行采样，比如对三相电中的某相电压或者某相电流进行采样；同时，预设的采样频率要能够满足PQ分析的要求，例如对于50Hz的电力信号，其采样频率可以为12.8KHz(即每个信号周期256个采样点)，25.6KHz(每个信号周期512个采样点)或51.2KHz(每个信号周期1024个采样点)等。

步骤303：计算原始信号X(n)与参考信号Xref(n)之间的MSE，继续执行步骤304；

步骤304：计算原始信号的基波频率，继续执行步骤305；

步骤305：判断原始信号的波形是否稳定，如果波形稳定，则执行步骤306，否则执行步骤307。

判断波形是否稳定的方法有很多，在本步骤中可以通过检测原始信号中是否存在暂态和/或瞬态PQ事件的方法来判断波形中是否稳定。如果波形中存在着暂态和/或瞬态PQ事件，则认为原始信号的波形是不稳定的，否则认为是稳定的。sag、swell或interruption是真实应用中最常见的暂态PQ事件，尤其是sag，因此本步骤中PQ事件的检测至少包括对sag、swell或interruption等事件的检测。由于检测方法为现有成熟技术，具体可以参考IEC61000-4-30及IEEE1159等相关技术文档，限于篇幅本文不再详细说明。本步骤通过计算RMS可以大致确定PQ事件的特征信息——例如暂态PQ事件的起始时间、结束时间、持续时间以及暂态PQ事件具体种类。

可选地，也可以通过与参考波形进行比较的方法判断波形是否稳定。例如，将原始信号与参考波形相减，如果误差绝对值小于预先设定的门限值，如0.02pu，则认为原始信号与参考波形相似。以此类推，如果原始信号在整个压缩周期内的所有波形都与参考波形相似，则认为原始信号是稳定的，否则认为原始信号不稳定。参考波形可以从当前压缩周期或上次压缩周期内的原始信号中提取，也可以预先设定。参考波形的长度可以不受限制，但通常情况下可以取一个或多个整周期。

可选地，还可以通过计算原始信号波形与参考波形相关性的方法判断波形是否稳定。例如，如果原始信号波形与参考波形的相关性大于预先设定的门限值，例如99％，那么可以认为原始信号与参考波形相关。如果原始信号在整个压缩周期内的所有波形都与参考波形相关，则认为原始信号是稳定的，否则认为原始信号不稳定。参考波形可以从当前压缩周期或上次压缩周期内的原始信号中提取，也可以预先设定。参考波形的长度可以不受限制，但通常情况下可以取一个或多个整周期。相关性的计算可以有不同方法，其中一种计算方法可以是

其中Re表示相关性，x(i)表示原始信号，x_c(i)表示参考信号，N为参考信号和原始信号的采样长度。

可选地，在本步骤中除了判断当前压缩周期内的原始信号是否稳定外，还能通过上述几种方法计算出不稳定波形在当前压缩周期内所占的比重。例如，如果10个周期中有2个周期是不稳定的，则不稳定波形比重为20％。不稳定波形的比重为步骤307中判断是否将不稳定波形进一步分解成稳定波形和不稳定波形提供依据。

步骤306：如果原始信号的波形是稳定的，则可以将原始信号分解成不同的成分，并得到各种成分的特征参数。然后根据设定的第一门限值对各种成分的特征参数进行有损和/或无损压缩处理。完成压缩处理后，继续执行步骤308。

其中，图4(a)为步骤306的一种实施例。

步骤401：可以用第一种方法将原始信号分解成各次成分，并计算出各次成分的特征参数。信号分解的方法可以采用现有的各种成熟的方法。对于所述第一种方法，最常用的就是使用FFT将原始信号从时域转换到频域并进行分解，分别得到各次谐波以及各次谐波对应的特征参数，例如频率、振幅和相位角。

可选地，基于各种加窗技术(例如Hanning，Hamming，Blackman-harries窗等)的FFT/DFT/DCT(余弦变换)等方法也可以用于原始信号的分解，并可以提高原始信号各次谐波特征参数的计算精度，减少因非同步采样造成的频谱泄漏。

可选地，各种基于时域和频率插值方法也可以用于提高各次谐波特征参数的精度。

可选地，为了减少后续的运算量和占用的存储空间，可以预先设定一个振幅门限值T_amplitude，将分解得到的各次谐波中振幅小于该振幅门限值的谐波忽略不计。通过设定该振幅门限值，可以挑选出那些对原始信号影响较大的谐波，而对那些较为次要或在原始信号中所占比例很小的谐波则忽略不计。这样，原始信号就可以通过少量的谐波参数就可以重构出来，从而实现数据压缩的目的。

应当指出的是，本步骤中所提到的几种分解原始信号的方法只是其中的部分较佳实施例，而并不局限于上述提到的几种方法，而且各次成分也不局限于谐波成分。采用不同的分解方法进行替换和改进，并不改变凡在本发明的精神和原则。

步骤402：根据设定的第一门限值压缩各成分对应的特征参数。

当步骤401将原始信号分解为各次成分后，如果步骤401中还设定了振幅门限值T_amplitude时，本步骤中则只需获取振幅大于等于该振幅门限值的各次成分对应的量化特征参数的取值，并根据设定的第一门限值压缩各次成分对应的特征参数。

在大多数情况下，并不需要保存当前压缩处理周期中所有特征参数的取值，因为当前压缩处理周期的许多特征参数的取值与前一压缩处理周期中特征参数的取值相比基本未发生变化，相应地就不必保存这些未发生变化的特征参数在当前压缩处理周期中的取值，从而可以减少波形数据占用的存储空间，实现更高的压缩效果。

本发明实施例使用第一门限值Δ来判断当前压缩处理周期内各次谐波对应的特征参数的值与前一压缩处理周期各次谐波对应的特征参数值相比是否发生变化，进而对那些发生了变化的特征参数的取值进行保存，而对于那些未发生变化的则仍可以使用前一个压缩处理周期内的取值。需要说明的是，第一门限值可以是一个值，也可以是一组值——即对于不同的特征参数，既可以统一使用同一个Δ，也可以为每个特征参数设置相应的Δ。不过，由于各特征参数本身的属性不同，比如频率对于压缩率的影响较大，而相位角对于压缩率的影响相对较小，因此一般采用的方法是对各特征参数分别设置相应的Δ。比如对于特征参数中的频率，可以设定Δ_frequency＝±0.003Hz，而对于特征参数中的相位角，可以设定Δ_phase angle＝±2°等。

为详细展示步骤402的执行过程，下面具体举例说明：

设原始信号分解得到的基波的振幅曲线如图5(a)所示，在图5(a)横轴所表示的时间范围内包括8个压缩处理周期，每个压缩处理周期内的基波振幅对应一个值，P1点的纵坐标表示第一个压缩处理周期的原始信号分解得到的基波的振幅值，P1的振幅值为1pu；后续各压缩处理周期内的基波振幅如图中P2～P8点所示；设第一门限值取为Δ_amplitude＝±0.01pu，则在计算得到P1点的振幅值并保存后：

不保存P2点处的振幅值，因为计算得到的P2点出的振幅值为1.005pu，其与P1在振幅值上的差异未超过设定的第一门限值Δ_amplitude，因此不需要保存；以此类推，可以得知：P3点处的振幅值需要保存，P4、P5和P6点处的振幅值不必保存，P7点处的振幅值需要保存而P8点处的振幅值不必保存。

采用这种方法处理后的P1～P8时段内的波形数据如图5(b)所示，可见，其中只包括P1、P3和P7点处的振幅值。应当理解，第一门限值的取值越小，采用这种方式处理后得到的波形与原始信号的波形差异就越小，但相应地其波形数据占用的存储空间就越大，在具体实施过程中可以根据实际情况进行合理的调整。

比如，在实际应用中，可以将单位时间内的多个压缩处理周期内的原始信号分别分解得到对应的各次谐波的组合，使用第一门限值Δ进行判断并选出需要进行保存的特征参数值后，按照下述格式进行保存：

F_[k][2]；H0M_[i0][2]；H1M_[i1][2]，H1A_[j1][2]；H2M_[i2][2]，H2A_[j2][2]......

其中，F表示基波频率，H0M为第0次谐波的振幅(即直流偏置量)，H1M为基波振幅，H1A为基波相位角，H2M为二次谐波振幅，H2A为二次谐波相位角，以此类推。

F_[k][2]为二维数组，其中，k表示设定单位时间内的多个压缩处理周期中，需要保存的基波频率的个数：每个压缩处理周期的原始信号分解后得到一个基波频率，相邻的前后两基波频率之间的频率差如果超过设定的第一门限值Δ_frequency，则后一个基波频率需要进行保存，如此即可得到设定单位时间内需要保存的基波频率的个数k。

例如，F[1][1]表示第一个被保存的基波所处的位置，该位置使用预先设定的该基波所属压缩处理周期中的固定位置处的采样点(比如所属压缩处理周期中的第一个采样点、中间位置处的采样点或最后一个采样点等)序号表示，而F[1][2]则表示第一个被保存的基波的频率值。

相应地，i0、i1、j1、i2和j2分别表示设定单位时间内的多个压缩处理周期中，需要保存的直流偏置量、基波振幅、基波相位角、二次谐波振幅、二次谐波相位角的个数，以此类推，直到将各压缩处理周期中所有需要保存的各次谐波的所有特征参数对应的取值(本例中即为各次谐波的振幅和相位角)保存完毕。

可选地，如果各次成分的特征参数显现规律性变化时，可以采用更为有效的曲线拟合(例如线性、二次曲线、多项式、正弦曲线等)等方法来拟合各次成分的特征参数在不同压缩周期上的变化趋势。

可选地，上述两种方法(即，使用第一门限值Δ进行判断并选出需要进行保存的特征参数值和通过曲线拟合保存多个压缩周期上的特征参数值)还可以结合使用，以达到最佳的压缩效果。

需要指出的是，上述的数据保存格式仅为举例说明，并不表示限定，本领域技术人员可以根据具体的硬件环境和需要进行灵活自主设定。

图4(b)为步骤306的另一种实施例。其中步骤401、步骤402的含义和执行过程与上述第一种实施例相同，在此不再累述。可选地，如果硬件平台由于性能限制无法实现在压缩时间周期内完成进行信号重建时，可以省略步骤402的后续步骤，此时该方法即为图4(a)所示的第一种实施例。

步骤403：利用保存压缩后的各次成分对应的特征参数值对原始信号进行重建，得到原始信号的重建信号，重建信号的方法可以是信号分解的逆过程。

步骤404：将原始信号减去重建信号，得到原始信号与重建信号之间的残差信号。

步骤405：计算残差信号的MSE值，并判断其值是否小于预设的第三门限值。如果残差信号的MSE值小于预设的第三门限值，则认为重建信号与原始信号的平均误差已经很小，满足第三门限值的要求，则执行后续步骤406。否则执行步骤407。

步骤406：计算残差信号的绝对值，将绝对值大于设定的第四门限值的采样点处的误差值进行保存，结束步骤306中对稳定波形的压缩(即所述步骤306)，继续执行步骤308。

由于步骤405中计算得到的MSE是个平均值，因此尽管其值小于预设的第三门限值，并不必然表示每个采样点处的原始信号和其重建信号的误差值较小——这就意味着，在其中的某些采样点处，仍然有可能出现原始信号和其重建信号的误差值的绝对值会超过第四门限值，因而必须对这些采样点处的误差值进行保存。

步骤407：如果残差信号的MSE值不小于预设的第三门限值，则认为重建信号与原始信号的误差较大，则对残差信号采用第二种方法进行压缩。第二种压缩方法在后文中将进一步详细描述。

至此，步骤306对稳定波形的压缩处理完成。

步骤307：如果原始信号的波形是不稳定的，则可以将原始信号进一步拆分成稳定的波形信号和不稳定的波形信号。其中不稳定的波形信号为原始信号与稳定的波形信号的残差信号。对于稳定的波形信号可以采用步骤306中所描述的第一种方法进行压缩，而对不稳定的波形信号可以通过第二种压缩方法进行压缩。可选地，也可以不将原始信号拆分成稳定的波形信号和不稳定的波形信号，而直接用第二种方法压缩原始信号。可选地，判断是否将原始信号拆分成稳定的波形信号和不稳定的波形信号的依据可以根据当前压缩周期中稳定波形和不稳定波形所占的比重。如果稳定波形占的比重远远大于不稳定波形，则将原始信号分解成稳定波形和不稳定波形并分别用不同的方法进行压缩。考虑到对稳定波形的压缩比通常会大大高于对不稳定波形的压缩比，因此有助于提高整体压缩比。例如，原始信号当前压缩周期中含有10个周期的波形，其中只有1个周期的波形是不稳定波形，而其他9个周期的波形都是稳定波形。那么，将原始信号分解成稳定波形和不稳定波形可以显著地提高对原始信号的压缩比。

其中，计算当前压缩周期中不稳定波形所占的比重的方法包括：

采用步骤305中提供的方法得到所述当前压缩周期中不稳定波形所占的比重。

或者，提取原始信号中一个周期的稳定波形作为参考波形，并将参考波形向前和/或向后进行周期延拓构造出稳定的波形信号；

计算每两个相邻原始信号周期内，原始信号与构造出的稳定波形信号的误差信号的绝对值之和RTi，i为大于等于1的自然数，RTi的计算公式为

其中，Ni表示第i个原始信号周期内的采样点数目，Ni+1表示第i+1个原始信号周期内的采样点数目，RTi(k)表示第i个原始信号周期中第k个采样点处的误差信号RT(n)的值，Ni为第i个原始信号周期中采样点数目，而Ni+1则为第i+1个原始信号周期中采样点数目；

计算每个原始信号周期内误差信号的绝对值之和，进而将所有原始信号周期内的误差信号的绝对值之和再求和得到RTS；

需要说明的是，RTi表示将第i个原始信号周期内的误差信号绝对值之和与第i+1个原始信号周期内的误差信号绝对值之和再求和，而

RT(k)∈RT(n)；其中，N为当前压缩周期中原始信号采样点数目。RTS为当前压缩周期中误差信号的绝对值之和，代表着误差的总能量。

计算RTS的平均值AvagRTS＝RTS/M，其中M为当前压缩周期中原始信号的周期个数。

计算RTi中大于平均值AvagRTS的周期个数与当前压缩周期中周期个数的比值，则该比值即为所述当前压缩周期中不稳定波形所占的比重。例如，当前压缩周期中周期个数为10个周期，其中有2个周期的RTi值超过误差平均值AvagRTS，则表示误差主要集中在2个周期上，因此不稳定波形所占比重为20％。一般而言，对于振荡或浪涌等瞬态事件持续时间比较短，不稳定波形通常所占比重比较小，故将原始信号波形进一步分解成稳定波形和不稳定波形有利于提高压缩比。

可选地，对于步骤407中提到的残差信号的压缩，也可以直接采用第二种压缩方法，而不需要将残差信号进一步拆分成稳定波信号和不稳定的波形信号。

其中，图6为步骤307的一种实施例，包含步骤601-603。

步骤601：如果原始信号中稳定波形占的比重(例如80％以上)远远大于不稳定波形，则可以将原始信号分解成稳定波形和不稳定波形。对于稳定波形采用步骤306中所描述的第一种方法压缩，而对于不稳定波形采用第二种方法压缩。

不稳定波形通常包含着各种暂态和瞬态PQ事件，从原始信号中分离这些PQ事件在现有技术中已有成熟方法，但这些方法均需要进行大量计算，而对于步骤601，事实上并不一定需要准确分离出不稳定波形。只需根据从原始波形中大致判断出不稳定波形的起始时间，持续时间和结束时间，其时间误差控制在1个周期之内即可。

据此，本发明实施例提出的方法包括如下步骤：

步骤601a(图6中未示出)：提取原始信号中一个周期的稳定波形作为参考波形，并将参考波形向前和/或向后进行周期延拓(即复制)，从而构造出稳定的波形信号(以下简称构造信号)。

为了使构造信号与原始信号误差尽可能地小，两者具有相同的初始相位非常重要。设原始信号波形的起始点为A，结束点为B，而参考波形在原始信号波形中的位置为起始点A1，结束点B1。在延拓参考波形时，保证参考波形向前延拓的采样点个数和位置A与位置A1之间间隔的采样点数相同，以及参考波形向后延拓的采样点个数和位置B1与位置B之间间隔的采样点数相同。当然，也可以采取其它近似处理的方法，这都属于本领域技术人员容易想到的替代实施方式，此处不再一一说明。

步骤601b(图6中未示出)：计算原始信号与步骤601a中构造出的稳定波形信号之间的残差信号，并将该残差信号作为不稳定信号。

可选地，如果在步骤305中在判断原始信号波形是否稳定时，已经同时判断出不稳定波形的PQ事件类型，例如骤升，骤降，中断，振荡或浪涌等，则进一步提取PQ事件的特征，例如振幅、频率、起始时刻和持续时间等。尽管利用现有的技术精确地获得这些特征值还比较困难，但是如果能通过特征值就能重建出PQ事件波形，则能进一步提高对非稳定波形的压缩比。

步骤602：利用步骤306中提到的第一种压缩方法对步骤601中分解出来的稳定波形信号进行压缩处理。此处不再累述。

步骤603：对步骤601中分解出来的不稳定波形信号采用第二种压缩方法进行处理。其中，图7(a)为步骤603的第一种可选实施例，包含步骤701-703。

步骤701：利用第二种方法将不稳定的波形信号分解到不同频段/空间上。此处提到的第二种方法可以是一些公知的方法，例如离散小波变换、提升小波变换、小波包、滤波器组或者是其他空间变换，应用于不稳定波形的压缩。第二种方法将不稳定的波形信号分解到不同的频段或空间中。虽然不稳定的波形信号不像稳定波形那样在某些频率或者其他空间中具有稳定的特征，但是不稳定的波形信号经过分解变化后有可能在某些频段(例如高频)或者空间上的系数非常小，因此信号这些频段或者空间上表达的信息即使被忽略的话，也不会对信号整体造成大的信息丢失。换句话说，以较少的系数保留大部分有用的信息，从而达到了压缩的目的。

为方便叙述起见，以下将以小波变换为例说明如何采用第二种方法压缩不稳定波形。利用小波变换对不稳定信号进行小波分解，可以得到小波系数，包括细节系数和概要系数，其中，本发明实施例采用的母小波为Biorthogonal小波序列中的Bior4.4，而小波分解层次可以为3层～5层，不同的层次代表了不同的频段。应当指出的是，第二种方法中的小波变换包括离散小波变换、提升小波变换、小波包变换，对于滤波器组变换也同样适用。

步骤702：利用设定的第二门限值对第二种方法变换后某些频段或空间的系数进行量化处理，将小于第二门限值的细节系数设置为零，只保留大于或等于第二门限值的系数。第二门限值可以是一个值也可以是多个值，也可以为所有频段或者空间设置相同的门限值，也可以为不同的频段或者空间设定不同的门限值。在本实施例中，将为不同的频段或者空间设定不同的门限值。

第二门限值可以有不同的确定方法。可选地，第二门限值计算公式可以定义为η_s＝λ×max{d_s2(k)}，其中，η_s表示第s层的能量门限值(因此，第二门限值也被称为能量门限值)，λ表示预先设定的门限比率且0≤λ≤1；d_s(k)为第s层中第k个细节系数。

利用第二门限值对小波系数的值进行判断，第s层中细节系数平方(细节系数的平方代表能量)小于该层第二门限值的细节系数将被设置成零，而只保留那些细节系数平方大于或等于该层第二门限值的细节系数。

经过实验验证和分析，对于不同PQ事件，选择门限比率λ的典型值和分解层次时相应地存在差异，如下表1所示：

检测场景	λ	分解层次M
			暂态PQ事件检测	0.9	3
瞬态PQ事件检测	0.3	5
			其它	0.5	3

表1

需要说明的是，表1中的λ和M的取值仅为举例，在实际应用中可以参照应用，但并不表示限定。

步骤703：由于在步骤702中对不同频段/空间上的系数进行了量化处理，大部分系数因为小于设定的第二门限值而被设置成零。这些零系数的大量重复，造成了信息的冗余，因此可以通过各种无损编码方法，例如Run-length、Huffman、LZW等，对系数进一步压缩。

可选地，还可以对系数保留下来的作进一步处理，以减小数据存储空间，提高压缩比。例如将浮点数据类型转换成整形或者其他类型存储。

图7(b)为步骤603的另一种实施例。其中步骤701、702和703的含义和执行过程与上述第一种实施例相同，在此不再赘述。可选地，如果硬件平台由于性能限制无法实现在压缩时间周期内完成进行信号重建时，可以省略步骤704-707的后续步骤，即第一种实施例。

步骤704：利用经过步骤702量化处理后的系数重建信号，并计算原始信号与重建信号之间的残差信号，继续执行步骤705。

重建信号的过程为用第二种方法分解信号的逆过程。本实施例中将根据小波变换的可逆性，利用第二门限值对小波系数进行处理后，利用离散小波逆变换则可以得到重建信号。

步骤705：判断残差信号R(n)的MSE是否小于预设的第三门限值，如果是，执行步骤703；否则，继续执行步骤706；

如果残差信号的MSE小于预设的第三门限值，表示重建信号与原始信号之间的误差已经足够小，满足第三门限值的要求，因此不需要改变门限比率λ，继续执行步骤703，否则，则表示预设的门限比率值偏大，需要对其进行调整，因而继续执行步骤706。

步骤706：进一步判断进行重建的次数是否超过预设的最大允许次数，如果是，则终止重建信号，继续执行步骤703；否则，继续执行步骤707。

需要指出的是，为了保证整个压缩处理流程的可持续性，必须要保证在下一个压缩处理周期到来前，本次压缩处理周期内的全部计算过程已经结束，因此，为了避免运算量过大而造成的运算时间过长，需要对重建的次数进行限制。根据不同硬件平台的计算能力的差异，所述最大允许次数也可以取不同的值，此处不再赘述。

步骤707：当残差信号的MSE大于等于预设的第三门限值时，表示预设的门限比率λ偏大，因此此时进行更新的方法为减小门限比率λ，减小的具体幅度可以根据具体应用灵活设定，比如设定每次更新后的λ值为原始值的一半，门限比率λ更新完毕后，则进一步返回步骤702重新顺序执行。

步骤703的含义和执行过程与上述第一种实施例相同，在此不再赘述。

至此，对不稳定波形的采用第二种压缩方法处理完成。

步骤308：保存经过步骤306和307压缩处理后的参数，结束本次压缩处理周期流程，继续进行下一个压缩处理周期的数据处理。

容易理解，还可以将多个压缩处理周期内得到的数据按照设定的数据结构进行封装，并利用现有技术中的各种无损压缩编码算法进行进一步压缩处理，从而进一步减小其占用的存储空间，由于相关内容并非本发明关注的重点，故此处不再详细说明。

在上文中信号处理方法的基础上，本发明实施例还提供一种信号处理的装置，组成结构如图8所示，其中包括：原始信号采集判断模块810、第一处理模块820、第二处理模块830和保存模块840；

原始信号采集判断模块810，用于采集本次压缩处理周期内的原始信号，判断原始信号的波形是否稳定，如果稳定通知第一处理模块820，如果不稳定则通知第二处理模块830；

第一处理模块820，用于接收原始信号采集判断模块810的通知，利用第一种方法将原始信号分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；所述第一种方法包括：FFT或基于各种加窗技术的FFT/DFT/DCT方法；

第二处理模块830，用于接收原始信号采集判断模块810的通知，进一步判断原始信号中的稳定波形所占比重是否高于预设比例，如果是，则将原始信号分解成稳定波形和不稳定波形后，对于分解得到的稳定波形，按照所述第一种方法将其分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；对于分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；如果否，则利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；所述第二种方法包括：离散小波变换、提升小波变换、小波包或滤波器组变换方法；

保存模块840，用于保存经过压缩处理的特征参数和/或各次系数，结束本次压缩处理周期流程。

其中，所述原始信号采集判断模块810包括采集单元811和判断单元812；

采集单元811，用于采集本次压缩处理周期内的原始信号；

判断单元812，用于判断判断原始信号的波形是否稳定，如果稳定通知第一处理模块820，如果不稳定则通知第二处理模块830；

较佳地，所述原始信号采集判断模块810还进一步包括：

基波计算单元813，用于根据采集单元811采集到的本次压缩处理周期内的原始信号，计算该原始信号的基波频率，并通知判断单元812。

所述判断单元812包括第一判断子单元812a，和/或第二判断子单元812b，和/或第三判断子单元812c；

所述第一判断子单元812a，用于检测原始信号中是否存在暂态和/或瞬态PQ事件，如果暂态和瞬态PQ时间均不存在，则判断波形稳定，否则判断波形不稳定；如果稳定通知第一处理模块820，如果不稳定则通知第二处理模块830；

所述第二判断子单元812b，用于将原始信号与参考波形相减得到误差信号，如果误差信号的绝对值小于预先设定的第三门限值，则判断原始信号的波形稳定，否则判断原始信号的波形不稳定；如果稳定通知第一处理模块820，如果不稳定则通知第二处理模块830；

所述第三判断子单元812c，用于计算原始信号波形与参考波形的相关性，如果原始信号波形与参考波形的相关性大于预先设定的门限值，判断原始信号的波形稳定，否则判断原始信号的波形不稳定；如果稳定通知第一处理模块820，如果不稳定则通知第二处理模块830；

其中，所述参考波形从当前压缩周期或前一个压缩处理周期内的原始信号中提取或预先设定。

所述第一处理模块820包括分解单元821和压缩处理单元822；

分解单元821，用于使用FFT将原始信号从时域转换到频域并进行分解，分别得到各次谐波以及各次谐波对应的特征参数，所述特征参数包括频率、振幅和相位角；

压缩处理单元822，用于判断当前压缩处理周期内各次谐波对应的特征参数的值与前一压缩处理周期各次谐波对应的特征参数值之差的绝对值是否超过预设的第一门限值，选出特征参数值之差超过预设的第一门限值的特征参数，采用无损或有损算法进行压缩保存。

较佳地，所述第一处理模块820中还进一步包括重建单元823；

所述重建单元823，用于利用保存压缩后的各次成分谐波对应的量化特征参数值对重建原始信号进行重建，得到原始信号的重建信号；将原始信号减去重建信号，得到原始信号与重建信号之间的残差信号；计算残差信号的MSE值，如果残差信号的MSE值小于预设的第三门限值，则计算残差信号的绝对值，将绝对值大于设定的第四门限值的采样点处的误差值进行保存；如果残差信号的MSE值不小于预设的第三门限值，则利用第二种方法将所述残差信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理。

第二处理模块830包括比重计算单元831、比重判断单元832、稳定波形处理单元833和不稳定波形处理单元834；

比重计算单元831，用于提取原始信号中一个周期的稳定波形作为参考波形，并将参考波形向前和/或向后进行周期延拓构造出稳定的波形信号；计算每两个相邻原始信号周期内，原始信号与构造出的稳定波形信号的误差信号的绝对值之和RTi，i为大于等于1的自然数，RTi的计算公式为

其中，Ni表示第i个原始信号周期内的采样点数目，Ni+1表示第i+1个原始信号周期内的采样点数目，RTi(k)表示第i个原始信号周期中第k个采样点处的误差信号RT(n)的值，Ni为第i个原始信号周期中采样点数目，而Ni+1则为第i+1个原始信号周期中采样点数目；计算每个原始信号周期内误差信号的绝对值之和，进而将所有原始信号周期内的误差信号的绝对值之和再求和得到RTS，其中

RT(k)∈RT(n)，N为当前压缩周期中原始信号采样点数目；计算RTS的平均值Avag(RTS)＝RTS/M，其中M为当前压缩周期中原始信号的周期个数；计算RTi中大于平均值AvagRTS的周期个数与当前压缩周期中周期个数的比值，将该比值作为所述当前压缩周期中不稳定波形所占的比重；

比重判断单元832，用于判断比重计算单元831得到的比值是否高于预设比例，如果是，则计算原始信号与构造出的稳定波形信号之间的残差信号，并将该残差信号作为不稳定波形，分别通知稳定波形处理单元833和不稳定波形处理单元834；如果否，则仅通知不稳定波形处理单元834；

稳定波形处理单元833，用于对分解得到的稳定波形，按照所述第一种方法将其分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；

不稳定波形处理单元834，用于对分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；还用于在比重计算单元831得到的比值不高于预设比例时，利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；所述第二种方法包括：离散小波变换、提升小波变换、小波包或滤波器组变换方法。

其中，所述不稳定波形处理单元834包括小波变换子单元834a、小波系数筛选子单元834b和保存子单元834c；

小波变换子单元834a，用于利用离散小波变换、提升小波变换、小波包对不稳定波形进行小波分解得到小波系数，所述小波系数包括细节系数和概要系数，母小波为Biorthogonal小波序列中的Bior4.4；

小波系数筛选子单元834b，用于利用第二门限值对小波系数的值进行判断，将第s层中细节系数平方小于该层第二门限值的细节系数设置成零，只保留那些细节系数平方大于或等于该层第二门限值的细节系数；所述第二门限值计算公式为η_s＝λ×max{d_s ²(k)}，其中，ηs表示第s层的能量门限值，λ表示预先设定的门限比率且0≤λ≤1；ds(k)为第s层中第k个细节系数；

保存子单元834c，用于采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存。

较佳地，所述不稳定波形处理单元834中还进一步包括重建子单元834d：

所述重建子单元834d，用于利用压缩保存的小波系数重建所述不稳定波形，计算所述不稳定波形与其重建信号之间的残差信号；判断残差信号的MSE是否小于预设的第三门限值，如果是，通知保存子单元834c保存此时的概要系数和保留下来的细节系数；否则，进一步判断进行重建的次数是否超过预设的最大允许次数，如果超过，则终止重建信号，通知保存子单元834c保存此时的概要系数和保留下来的细节系数；如果未超过，则减小门限比率λ并通知小波系数筛选子单元834b；

所述保存子单元834c，进一步用于在接收到重建子单元834d的通知时，保存此时的概要系数和保留下来的细节系数。

由上述可见，本发明实施例提供的信号处理的方法和装置，能够首先判断原始信号的波形是否稳定，并在原始信号稳定时采取相应的压缩算法对原始信号进行压缩处理；而在原始信号波形不稳定时，进一步使用非稳态压缩算法对原始信号进行压缩处理或先对原始信号进行稳态和非稳态信号的分离后，再分别使用对应的压缩算法相应进行压缩处理，从而对于各种类型的原始信号，都能够实现较高的压缩率和较低的压缩误差。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种信号处理的方法，其特征在于，该方法包括：

采集本次压缩处理周期内的原始信号，判断原始信号的波形是否稳定；

如果波形稳定，利用第一种方法将原始信号分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；所述第一种方法包括：FFT或基于各种加窗技术的FFT/DFT/DCT方法；

如果波形不稳定，进一步判断原始信号中的稳定波形所占比重是否高于预设比例，如果是，则将原始信号分解成稳定波形和不稳定波形后，对于分解得到的稳定波形，按照所述第一种方法将其分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；对于分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；如果否，则利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；所述第二种方法包括：离散小波变换、提升小波变换、小波包变换或滤波器组变换方法；

保存经过压缩处理的特征参数和/或各次系数，结束本次压缩处理周期流程，继续进行下一个压缩处理周期的数据处理。

2.根据权利要求1所述的方法，其特征在于，所述采集本次压缩处理周期内的原始信号之后，判断原始信号的波形是否稳定的步骤之前，该方法进一步包括：计算原始信号的基波频率。

3.根据权利要求2所述的方法，其特征在于，所述判断原始信号的波形是否稳定的方法包括：

检测原始信号中是否存在暂态和/或瞬态PQ事件，如果暂态和瞬态PQ事件均不存在，则判断波形稳定，否则判断波形不稳定；

或，将原始信号与参考波形相减得到误差信号，如果误差信号的绝对值小于预先设定的第三门限值，则判断原始信号的波形稳定，否则判断原始信号的波形不稳定；

或，计算原始信号波形与参考波形的相关性，如果原始信号波形与参考波形的相关性大于预先设定的门限值，判断原始信号的波形稳定，否则判断原始信号的波形不稳定；

所述参考波形从当前压缩周期或前一个压缩处理周期内的原始信号中提取或预先设定。

4.根据权利要求3所述的方法，其特征在于，所述利用第一种方法将原始信号分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理的方法包括：

使用FFT将原始信号从时域转换到频域并进行分解，分别得到各次谐波以及各次谐波对应的特征参数，所述特征参数包括频率、振幅和相位角；

判断当前压缩处理周期内各次谐波对应的特征参数的值与前一压缩处理周期各次谐波对应的特征参数值之差的绝对值是否超过预设的第一门限值，选出特征参数值之差超过预设的第一门限值的特征参数，采用无损或有损算法进行压缩保存。

5.根据权利要求4所述的方法，其特征在于，所述选出特征参数值之差超过预设的第一门限值的特征参数，采用无损或有损算法进行压缩保存的步骤之后，该方法进一步包括：

利用保存压缩后的各次成分谐波对应的量化特征参数值对原始信号进行重建，得到原始信号的重建信号；

将原始信号减去重建信号，得到原始信号与重建信号之间的残差信号；

计算残差信号的MSE值，如果残差信号的MSE值小于预设的第三门限值，则计算残差信号的绝对值，将绝对值大于设定的第四门限值的采样点处的误差值进行保存；如果残差信号的MSE值不小于预设的第三门限值，则利用第二种方法将所述残差信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理。

6.根据权利要求5所述的方法，其特征在于，所述判断原始信号中的稳定波形所占比重是否高于预设比例的方法包括：

提取原始信号中一个周期的稳定波形作为参考波形，并将参考波形向前和/或向后进行周期延拓构造出稳定的波形信号；

计算每两个相邻原始信号周期内，原始信号与构造出的稳定波形信号的误差信号的绝对值之和RTi，i为大于等于1的自然数，RTi的计算公式为

其中，Ni表示第i个原始信号周期内的采样点数目，Ni+1表示第i+1个原始信号周期内的采样点数目，RTi(k)表示第i个原始信号周期中第k个采样点处的误差信号RT(n)的值；

计算每个原始信号周期内误差信号的绝对值之和，进而将所有原始信号周期内的误差信号的绝对值之和再求和得到RTS，其中

N为当前压缩周期中原始信号采样点数目；

计算RTS的平均值Avag(RTS)＝RTS/M，其中M为当前压缩周期中原始信号的周期个数；计算RTi中大于平均值AvagRTS的周期个数与当前压缩周期中周期个数的比值，则该比值即为所述当前压缩周期中不稳定波形所占的比重。

7.根据权利要求6所述的方法，其特征在于，所述对于分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理的方法包括：

利用小波变换对不稳定波形进行小波分解得到小波系数，所述小波系数包括细节系数和概要系数，母小波为Biorthogonal小波序列中的Bior4.4；

利用第二门限值对小波系数的值进行判断，将第s层中细节系数平方小于该层第二门限值的细节系数设置成零，只保留那些细节系数平方大于或等于该层第二门限值的细节系数，并采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存；所述第二门限值计算公式为η_s＝λ×max{d_s ²(k)}，其中，η_s表示第s层的能量门限值，λ表示预先设定的门限比率且0≤λ≤1；d_s(k)为第s层中第k个细节系数。

8.根据权利要求7所述的方法，其特征在于，所述保留那些细节系数平方大于或等于该层第二门限值的细节系数，并采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存的步骤之后，该方法进一步包括：

利用压缩保存的小波系数重建所述不稳定波形，计算所述不稳定波形与其重建信号之间的残差信号；

判断残差信号的MSE是否小于预设的第三门限值，如果是，则返回执行所述采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存的步骤；否则，进一步判断进行重建的次数是否超过预设的最大允许次数，如果超过，则终止重建信号，返回执行所述采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存的步骤；如果未超过，则减小门限比率λ并继续执行利用第二门限值对小波系数的值进行判断的步骤。

9.根据权利要求1至8中任一项所述的方法，其特征在于，所述判断原始信号中的稳定波形所占比重是否高于预设比例，如果否，则利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理的方法包括：

利用小波变换对原始信号进行小波分解得到小波系数，所述小波系数包括细节系数和概要系数，母小波为Biorthogonal小波序列中的Bior4.4；

利用第二门限值对小波系数的值进行判断，将第s层中细节系数平方小于该层第二门限值的细节系数设置成零，只保留那些细节系数平方大于或等于该层第二门限值的细节系数，并采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存；所述第二门限值计算公式为η_s＝λ×max{d_s ²(k)}，其中，η_s表示第s层的能量门限值，λ表示预先设定的门限比率且0≤λ≤1；d_s(k)为第s层中第k个细节系数。

10.根据权利要求9所述的方法，其特征在于，所述保留那些细节系数平方大于或等于该层第二门限值的细节系数，并采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存的步骤之后，该方法进一步包括：

利用压缩保存的小波系数重建所述原始信号，计算原始信号与其重建信号之间的残差信号；

判断残差信号的MSE是否小于预设的第三门限值，如果是，则返回执行所述采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存的步骤；否则，进一步判断进行重建的次数是否超过预设的最大允许次数，如果超过，则终止重建信号，返回执行所述采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存的步骤；如果未超过，则减小门限比率λ并继续执行利用第二门限值对小波系数的值进行判断的步骤。

11.一种信号处理的装置，其特征在于，该装置包括：

原始信号采集判断模块，用于采集本次压缩处理周期内的原始信号，判断原始信号的波形是否稳定，如果稳定通知第一处理模块，如果不稳定则通知第二处理模块；

第一处理模块，用于接收原始信号采集判断模块的通知，利用第一种方法将原始信号分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；所述第一种方法包括：FFT或基于各种加窗技术的FFT/DFT/DCT方法；

第二处理模块，用于接收原始信号采集判断模块的通知，进一步判断原始信号中的稳定波形所占比重是否高于预设比例，如果是，则将原始信号分解成稳定波形和不稳定波形后，对于分解得到的稳定波形，按照所述第一种方法将其分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；对于分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；如果否，则利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；所述第二种方法包括：离散小波变换、提升小波变换、小波包或滤波器组变换方法；

保存模块，用于保存经过压缩处理的特征参数和/或各次系数，结束本次压缩处理周期流程。

12.根据权利要求11所述的装置，其特征在于，所述原始信号采集判断模块包括：

采集单元，用于采集本次压缩处理周期内的原始信号；

判断单元，用于判断判断原始信号的波形是否稳定，如果稳定通知第一处理模块，如果不稳定则通知第二处理模块；

所述原始信号采集判断模块进一步包括：

基波计算单元，用于根据采集单元采集到的本次压缩处理周期内的原始信号，计算该原始信号的基波频率，并通知判断单元。

13.根据权利要求12所述的装置，其特征在于，所述判断单元包括：

第一判断子单元，用于检测原始信号中是否存在暂态和/或瞬态PQ事件，如果暂态和瞬态PQ事件均不存在，则判断波形稳定，否则判断波形不稳定；如果稳定通知第一处理模块，如果不稳定则通知第二处理模块；

和/或，第二判断子单元，用于将原始信号与参考波形相减得到误差信号，如果误差信号的绝对值小于预先设定的第三门限值，则判断原始信号的波形稳定，否则判断原始信号的波形不稳定；如果稳定通知第一处理模块，如果不稳定则通知第二处理模块；

和/或，第三判断子单元，用于计算原始信号波形与参考波形的相关性，如果原始信号波形与参考波形的相关性大于预先设定的门限值，判断原始信号的波形稳定，否则判断原始信号的波形不稳定；如果稳定通知第一处理模块，如果不稳定则通知第二处理模块；

所述参考波形从当前压缩周期或前一个压缩处理周期内的原始信号中提取或预先设定。

14.根据权利要求11所述的装置，其特征在于，所述第一处理模块包括：

分解单元，用于使用FFT将原始信号从时域转换到频域并进行分解，分别得到各次谐波以及各次谐波对应的特征参数，所述特征参数包括频率、振幅和相位角；

压缩处理单元，用于判断当前压缩处理周期内各次谐波对应的特征参数的值与前一压缩处理周期各次谐波对应的特征参数值之差的绝对值是否超过预设的第一门限值，选出特征参数值之差超过预设的第一门限值的特征参数，采用无损或有损算法进行压缩保存。

15.根据权利要求14所述的装置，其特征在于，所述第一处理模块进一步包括重建单元；

所述重建单元，用于利用保存压缩后的各次成分谐波对应的量化特征参数值对原始信号进行重建，得到原始信号的重建信号；将原始信号减去重建信号，得到原始信号与重建信号之间的残差信号；计算残差信号的MSE值，如果残差信号的MSE值小于预设的第三门限值，则计算残差信号的绝对值，将绝对值大于设定的第四门限值的采样点处的误差值进行保存；如果残差信号的MSE值不小于预设的第三门限值，则利用第二种方法将所述残差信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理。

16.根据权利要求11至15中任一项所述的装置，其特征在于，所述第二处理模块包括：

比重计算单元，用于提取原始信号中一个周期的稳定波形作为参考波形，并将参考波形向前和/或向后进行周期延拓构造出稳定的波形信号；计算每两个相邻原始信号周期内，原始信号与构造出的稳定波形信号的误差信号的绝对值之和RTi，i为大于等于1的自然数，RTi的计算公式为

其中，Ni表示第i个原始信号周期内的采样点数目，Ni+1表示第i+1个原始信号周期内的采样点数目，RTi(k)表示第i个原始信号周期中第k个采样点处的误差信号RT(n)的值；计算每个原始信号周期内误差信号的绝对值之和，进而将所有原始信号周期内的误差信号的绝对值之和再求和得到RTS，其中N为当前压缩周期中原始信号采样点数目；计算RTS的平均值Avag(RTS)＝RTS/M，其中M为当前压缩周期中原始信号的周期个数；计算RTi中大于平均值AvagRTS的周期个数与当前压缩周期中周期个数的比值，将该比值作为所述当前压缩周期中不稳定波形所占的比重；

比重判断单元，用于判断比重计算单元得到的比值是否高于预设比例，如果是，则计算原始信号与构造出的稳定波形信号之间的残差信号，并将该残差信号作为不稳定波形，分别通知稳定波形处理单元和不稳定波形处理单元；如果否，则通知不稳定波形处理单元；

稳定波形处理单元，用于对分解得到的稳定波形，按照所述第一种方法将其分解成各次成分并得到各次成分的特征参数，根据设定的第一门限值对各次成分的特征参数进行压缩处理；

不稳定波形处理单元，用于对分解得到的不稳定波形，利用第二种方法将其分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；还用于在比重计算单元得到的比值不高于预设比例时，利用第二种方法将原始信号分解成不同频段或空间上的各次系数，根据设定的第二门限值对各次系数进行压缩处理；所述第二种方法包括：离散小波变换、提升小波变换、小波包或滤波器组变换方法。

17.根据权利要求16所述的装置，其特征在于，所述不稳定波形处理单元包括：

小波变换子单元，用于利用小波变换对不稳定波形进行小波分解得到小波系数，所述小波系数包括细节系数和概要系数，母小波为Biorthogonal小波序列中的Bior4.4；

小波系数筛选子单元，用于利用第二门限值对小波系数的值进行判断，将第s层中细节系数平方小于该层第二门限值的细节系数设置成零，只保留那些细节系数平方大于或等于该层第二门限值的细节系数；所述第二门限值计算公式为η_s＝λ×max{d_s ²(k)}，其中，η_s表示第s层的能量门限值，λ表示预先设定的门限比率且0≤λ≤1；d_s(k)为第s层中第k个细节系数；

保存子单元，用于采用无损或有损算法对概要系数和保留下来的细节系数进行压缩保存。

18.根据权利要求17所述的装置，其特征在于，所述不稳定波形处理单元中进一步包括重建子单元：

所述重建子单元，用于利用压缩保存的小波系数重建所述不稳定波形，计算所述不稳定波形与其重建信号之间的残差信号；判断残差信号的MSE是否小于预设的第三门限值，如果是，通知保存子单元保存此时的概要系数和保留下来的细节系数；否则，进一步判断进行重建的次数是否超过预设的最大允许次数，如果超过，则终止重建信号，通知保存子单元保存此时的概要系数和保留下来的细节系数；如果未超过，则减小门限比率λ并通知小波系数筛选子单元；

所述保存子单元，进一步用于在接收到重建子单元的通知时，保存此时的概要系数和保留下来的细节系数。

Images