崔 旭，尹為民

(海軍工程大學(xué) 電氣與信息工程學(xué)院，湖北 武漢 430033)

0 引 言

隨著電力系統(tǒng)的發(fā)展，由于自然災(zāi)害、設(shè)備老化及眾多人為因素，發(fā)生電力系統(tǒng)故障不可避免，電力系統(tǒng)故障對(duì)人類的生產(chǎn)、生活及國民經(jīng)濟(jì)等都會(huì)造成巨大的影響和損失，實(shí)現(xiàn)對(duì)電能質(zhì)量實(shí)時(shí)分析和監(jiān)控的要求也日益迫切。但隨著電能質(zhì)量監(jiān)測(cè)系統(tǒng)不斷提升導(dǎo)致其采樣數(shù)據(jù)量非常大，數(shù)據(jù)向控制中心上傳時(shí)，會(huì)增加傳輸時(shí)間，降低數(shù)據(jù)傳輸?shù)目煽啃?。這使電能質(zhì)量信號(hào)的存儲(chǔ)和傳輸面臨巨大的挑戰(zhàn)。數(shù)據(jù)壓縮作為解決海量信息存儲(chǔ)和傳輸?shù)闹渭夹g(shù)受到人們的極大關(guān)注。

實(shí)際電力采樣數(shù)據(jù)的壓縮方法可分為無損壓縮；有損壓縮以及無損有損相結(jié)合三大類。無損壓縮算法主要有Huffman 編碼、LZ77和LZSS壓縮算法、LZ78和LZW壓縮算法、算術(shù)編碼算法以及游程編碼等。有損壓縮主要有預(yù)測(cè)編碼、脈沖編碼以及變換域編碼算法，如傅立葉變換編碼算法、離散余弦編碼算法、小波和小波包編碼算法等。目前基于小波變換的數(shù)據(jù)壓縮方法有:多分辨率分析方法、小波(包)變換、最優(yōu)小波包基、提升小波變換、多小波、小波神經(jīng)網(wǎng)絡(luò)方法等[6]。

基于小波變換的圖像壓縮編碼模型一般包含3個(gè)部分。首先，利用二維Mallat分解算法對(duì)原始圖像進(jìn)行分解，假設(shè)分解成M層，則得到3M個(gè)高頻子圖與一個(gè)低頻子圖。其次，由于小波變換系數(shù)在幅度上還是連續(xù)的，需要對(duì)小波變換系數(shù)進(jìn)行量化，其被量化以后產(chǎn)生符號(hào)流的每一個(gè)符號(hào)是對(duì)應(yīng)特定量化階層的標(biāo)記，信息的損失一般發(fā)生在量化級(jí)；最后，由熵編碼把量化得到的符號(hào)流表示為比特流，以達(dá)到壓縮數(shù)據(jù)的目的。

1 小波的雙正交分解方法及EZW編碼

1.1 雙正交多分辨分析

(1)

上式也稱為雙正交條件。

在雙正交的多分辨分析下，雙尺度方程表示為

(2)

(5)

1.2 EZW算法

EZW[2]的全稱是“embedded coding using zerotrees of wavelet coefficients”(用小波系數(shù)的零樹進(jìn)行嵌入式編碼)。對(duì)圖像進(jìn)行二維小波變換之后，各子帶之間的數(shù)據(jù)可以看成是一個(gè)樹狀結(jié)構(gòu)。實(shí)驗(yàn)表明：如果在粗尺度下(即圖像分解的高層)小波系數(shù)相對(duì)于給定閾值T來說不顯著，則在較細(xì)尺度(即圖像分解的較低層)下的同一個(gè)空間位置上，相同方向的所有小波系數(shù)相對(duì)于T來說都很可能不顯著。EZW算法通過多遍掃描編碼圖像，其中每遍掃描都包含以下的處理步驟：1)選擇閾值；2)小波系數(shù)與閾值Ti-1進(jìn)行比較確定重要系數(shù)；3)對(duì)重要系數(shù)進(jìn)行量化；4)重新排序；5)輸出編碼信號(hào)。多次循環(huán)掃描后完成算法。

2 實(shí)驗(yàn)數(shù)據(jù)分析

電能質(zhì)量信號(hào)是一種周期信號(hào)，其波形呈現(xiàn)某種相似性，因而是一種冗余度較大、而信息熵較小的信號(hào)，從理論上來講，應(yīng)該具有較大的壓縮比。以往的一維數(shù)據(jù)壓縮方法大都沒有考慮到這種周期間冗余特性，因而壓縮比受到很大的限制，而使用二維壓縮方法可以消除周期之間的空間冗余[3]。本文算法的核心思想是將電能質(zhì)量信號(hào)按基頻周期分段組成二維矩陣，用電能質(zhì)量信號(hào)幅度值表示為圖像的灰度值，利用小波變換對(duì)信號(hào)進(jìn)行分解，再利用小波系數(shù)的零樹進(jìn)行嵌入式編碼，最終達(dá)到理想的壓縮比。

以電壓信號(hào)X(n)=Acos(100nTs)+0.03Acos(300nTs)+0.05Acos(500nTs)+0.03Acos(700nTs)為例，其中A=222,信號(hào)中含有3，5，7次諧波，每個(gè)周期采樣256個(gè)點(diǎn)，圖2為采樣8個(gè)周期的圖像。每組信號(hào)長度為256 個(gè)周期，以每個(gè)周期256 個(gè)采樣點(diǎn)作為二維矩陣的一行即可構(gòu)成一個(gè) 256×256的二維矩陣。通?？捎枚M(jìn)制數(shù)字有限的精度來代表實(shí)數(shù)，即所有的實(shí)數(shù)都可以用一串二進(jìn)制數(shù)字來表示，二進(jìn)制數(shù)字表達(dá)式的右端每添加一位長，都會(huì)取得更好的精度。這樣，在允許的精度誤差內(nèi)，可以取有限的位長來表示信號(hào)的幅值。由此為了驗(yàn)證方便，本文實(shí)驗(yàn)中將原始數(shù)據(jù)統(tǒng)一保存為無壓縮的16位灰度位圖格式，如圖2所示(16位/樣本)。

圖1 實(shí)驗(yàn)信號(hào)波形Fig.1 Experimental signal waveform

圖2 實(shí)驗(yàn)數(shù)據(jù)轉(zhuǎn)換為二維灰度圖Fig.2 The two-dimensional gray scaleconverted by power quality data

3 小波性質(zhì)對(duì)電能質(zhì)量數(shù)據(jù)壓縮的影響

S.Mallat曾指出，在數(shù)據(jù)壓縮、信號(hào)去噪及快速計(jì)算等大多數(shù)小波應(yīng)用中，主要利用小波基可以用較少非零小波系數(shù)去有效逼近實(shí)際函數(shù)的能力，選擇小波基應(yīng)該是以最大量的產(chǎn)生接近于0的小波系數(shù)為最優(yōu)[4]。小波基的這種能力主要依賴于其數(shù)學(xué)特性：消失距、正則性、緊支性、對(duì)稱性和正交性等。下面就這5個(gè)方面討論其對(duì)數(shù)據(jù)壓縮的影響。

1)正交性、緊支性、對(duì)稱性

這3個(gè)性能可以放在一起進(jìn)行討論。因?yàn)榇蟛糠终恍〔ɑ鶡o限支集,與此相聯(lián)系的濾波器也是無限沖擊相應(yīng)(非緊支)，但自從Daubechies構(gòu)造了緊支集的正交小波基,便可以用濾波器分解圖像。若用小波來表示圖像,除了正交性的要求之外,還希望小波光滑,因?yàn)閳D像大部分是光滑的(除少數(shù)邊緣外)。而且要求小波對(duì)應(yīng)的濾波器的長度應(yīng)盡可能短,以便加快運(yùn)算速度。但較短的濾波器對(duì)應(yīng)的光滑度就小,二者互相矛盾。同時(shí),希望濾波器是線性的,這樣它在形成錐形數(shù)據(jù)時(shí)不需要相位補(bǔ)償就能精確重建原圖。為了解決正交性和對(duì)稱性的矛盾,Cohenet等人把雙正交小波引進(jìn)了信號(hào)處理,即它有2個(gè)小波,Ψ和它的對(duì)偶小波Ψ。雙正交小波降低了正交性的要求,保留了正交小波的一部分正交性,使之可達(dá)到相位保持及較短濾波器的要求。

2)正則性

指時(shí)間連續(xù)的小波Ψ(x)至少是連續(xù)的,是一階或二階連續(xù)可微。如果一個(gè)濾波器組正交,且收斂于具有緊支集的連續(xù)函數(shù)Ψ(x),我們說這些濾波器正則(regular)。離散小波變換與一般的子帶分解的區(qū)別除外觀上和解釋說明不一樣外,重要區(qū)別就在于小波濾波器必須正則。對(duì)小波濾波器,極限函數(shù)Ψ(x)的正則性越好,收斂于該極限就越快。

3)消失矩

其大小決定了用小波逼近光滑函數(shù)時(shí)的收斂率。當(dāng)圖像光滑時(shí),越大的消失矩將導(dǎo)致越小的小波系數(shù),壓縮比就有可能提高;而對(duì)不光滑的圖像,將會(huì)有更多大的小波系數(shù)。因?yàn)橐痪S電能質(zhì)量信號(hào)變換出的二維矩陣，其圖像相當(dāng)光滑，所以消失距才是提高電能質(zhì)量數(shù)據(jù)的壓縮比的主要影響因素。

消失距、正則性、緊支性、對(duì)稱性和正交性對(duì)數(shù)據(jù)壓縮的具體影響如圖3所示。

圖3 消失距、正則性、緊支性、對(duì)稱性和正交性對(duì)數(shù)據(jù)壓縮的影響Fig.3 The impact of the vanishing moment,the regularity properties, the compact support,the symmetry and the orthogonally to the data compressed

4 實(shí)驗(yàn)小波的構(gòu)造

參照上面幾點(diǎn),現(xiàn)設(shè)計(jì)分解端消失矩為6, 而重構(gòu)端消失矩為4的小波[5], 在雙正交的多分辨分析下，雙尺度方程表示為

(6)

(8)

求得它們的解是:

(9)

根據(jù)雙正交情形的濾波器設(shè)計(jì)的算法，濾波器對(duì)構(gòu)成的極小矩陣(Minimal Matirx)的階數(shù)是18。于是構(gòu)造一個(gè)18階的2-循環(huán)矩陣，可以獲得一個(gè)方程組如下：

(10)

以上方程組是一個(gè)非線性方程組，可以使用Matlab得到如下2組解。

abtuvwx06360469-0337150810417948-04887598-00770234-001124030056126003826386-0242786318766971-06674903-051447120167490300761226

所以可以得到兩組9/11(這里指對(duì)應(yīng)的濾波器的長度)濾波器。

0±1±2±3±4±5hi1-1327025-047198703637860118434-0053827h i1054113303433520061156000028000218310009922hi207366600345605-005446400079480039687h i208995060476803-0093505-0136706-00026950013457

上面第2組9/11小波的圖像如圖4所示。通過圖形可以看出, 第2組的數(shù)學(xué)性質(zhì)更好, 其壓縮效果也更好。

5 仿真結(jié)果

5.1 評(píng)價(jià)的標(biāo)準(zhǔn)

開發(fā)和實(shí)現(xiàn)有損圖像壓縮要有一種標(biāo)準(zhǔn)度量，用來衡量與原始圖像相比較的重建圖像的質(zhì)量。采用均方誤差(MSE)、峰值信噪比(PSNR)、壓縮比(CR)、像素位數(shù)(BPP)作為壓縮性能的度量，其中像素位數(shù)指的是編碼一個(gè)像素點(diǎn)所需要的比特位(Bit-Per-Pixel)。設(shè)圖像和重建圖像的像素分別表示為f(j,k)和f^(j,k)(其中1≤i≤n)其他3個(gè)指標(biāo)定義如下：

均方誤差

峰值信噪比

壓縮比

CR=ScompressedSoriginal。

式中：Scompressed為壓縮后信號(hào)數(shù)據(jù)大?。籗original為原始數(shù)據(jù)大小。

5.2 不同小波壓縮性能的比較

利用9/11小波與EZW算法相結(jié)合，對(duì)前文所述的諧波信號(hào)進(jìn)行壓縮仿真，即先進(jìn)行小波分解，再將分解系數(shù)矩陣通過EZW進(jìn)行熵編碼。影響實(shí)驗(yàn)結(jié)果的有3個(gè)因素：1)小波的選擇，2)小波分解的層數(shù)，3)EZW算法的循環(huán)次數(shù)。而在實(shí)際應(yīng)用中，需要考慮在盡可能提高壓縮比率的情況下，盡量滿足實(shí)時(shí)性。在使用相同小波的情況下，小波分解層數(shù)的大小影響最終壓縮比，EZW算法的循環(huán)次數(shù)影響編碼重建圖像的質(zhì)量。目前，DSP 的運(yùn)算速度已達(dá)百兆以上，經(jīng)過測(cè)試對(duì)256×256的二維矩陣進(jìn)行5層小波分解計(jì)算，消耗時(shí)間在468～524 ms之間，因此從數(shù)量級(jí)的角度來看5層小波分解完全能夠滿足對(duì)電能質(zhì)量監(jiān)測(cè)網(wǎng)的實(shí)時(shí)性要求，同理分析將EZW算法的循環(huán)次數(shù)選為6次。表1列出了相應(yīng)的仿真結(jié)果。

表1采用不同小波基的數(shù)據(jù)壓縮結(jié)果

Tab.1 The data compression results using different wavelet

MSEMaxErrorPSNRBPPCR/%9/1121562447900252032Haar201634250900508063Db428114336400254032Sym3490914312200228029Bior33456512315400235029

由表1可以看出，雖然Sym3與Bior3.3小波可以達(dá)到最低的壓縮比，但是綜合考慮重建數(shù)據(jù)準(zhǔn)確率的情況下，其性能不夠優(yōu)秀?，F(xiàn)對(duì)MSE差距最大的2個(gè)小波9/11小波與Haar小波進(jìn)行簡(jiǎn)要分析。圖5為采用Haar小波進(jìn)行二維小波變換后的圖像，圖6為其對(duì)應(yīng)的直方圖。圖7為采用9/11小波進(jìn)行二維小波變換后的圖像，圖8為其對(duì)應(yīng)的直方圖。

圖5 二維電能質(zhì)量信號(hào)經(jīng)過haar小波分解后的圖像(5層)Fig.5 The haar wavelet decomposition of the image of the two-dimensional power quality signal(5layer)

圖6 二維電能質(zhì)量信號(hào)Haar小波分解后的圖像的直方圖(5層)Fig.6 The haar wavelet decomposition of the histogram of the two-dimensional power quality signal(5layer)

圖7 二維電能質(zhì)量信號(hào)經(jīng)過9/11小波分解后的圖像(5層)Fig.7 The 9/11 wavelet decomposition of the image of the two-dimensional power quality signal(5layer)

圖8 二維電能質(zhì)量信號(hào)9/11小波5層分解后的圖像的直方圖(5層)Fig.8 The 9/11 wavelet decomposition of the histogram of the two-dimensional power quality signal(5layer)

由圖5～圖8可以看出，2種小波對(duì)二維電能質(zhì)量信號(hào)進(jìn)行小波變換后圖像的直方圖有很大差異，采用9/11小波的直方圖更集中，而采用haar小波的直方圖存在相對(duì)比較的非零點(diǎn)。因?yàn)樾〔ㄗ儞Q后系數(shù)的零點(diǎn)越多，越能達(dá)到更高的壓縮比，這也是消失距這一屬性對(duì)壓縮性能影響的很好體現(xiàn)。圖9顯示了相應(yīng)小波還原后圖像與原圖像的對(duì)比。

圖9 重建圖像與原始圖像對(duì)比Fig.9 Reconstruction of the image with the original image contrast

5.3 實(shí)驗(yàn)結(jié)果誤差分析

經(jīng)過以上實(shí)驗(yàn)可知，二維電能質(zhì)量諧波信號(hào)采用9/11雙正交小波分解與EZW算法相結(jié)合的壓縮方法可以達(dá)到0.32%的壓縮率(小波分解層數(shù)為5，EZW算法循環(huán)層數(shù)為6)。圖10和圖11就解壓信號(hào)與原信號(hào)的相對(duì)誤差進(jìn)行了分析，因?yàn)樾盘?hào)是多周期的采樣數(shù)據(jù)，所以只需觀測(cè)第1周期的相對(duì)誤差。

圖10 二維相對(duì)誤差Fig.10 Two-dimensional relative error

圖11 壓縮信號(hào)與原信號(hào)的相對(duì)誤差(第1周期)Fig.11 Relative error of the compressed signal and the original signal(first cycle)

圖12 原始信號(hào)與解壓信號(hào)對(duì)比圖(第1周期)Fig.12 The original signal and the decompressed signal contrast(first cycle)

從圖中可以看到，經(jīng)過壓縮還原的信號(hào)的精度完全滿足要求。圖12為還原信號(hào)與原始信號(hào)的對(duì)比圖。

6 結(jié) 語

在分析現(xiàn)有電能質(zhì)量擾動(dòng)數(shù)據(jù)壓縮算法的基礎(chǔ)上，為了充分利用二維矩陣數(shù)據(jù)間的相關(guān)性，采用二維電能質(zhì)量數(shù)據(jù)與EZW編碼方法相結(jié)合的壓縮轉(zhuǎn)換方案。在分析了小波的數(shù)學(xué)特性(消失距、正則性、緊支性、對(duì)稱性和正交性)各方面對(duì)數(shù)據(jù)壓縮的影響后，將9/11小波用于電能質(zhì)量數(shù)據(jù)的壓縮試驗(yàn)，在對(duì)數(shù)據(jù)進(jìn)行5層二維小波分解并且EZW編碼算法循環(huán)次數(shù)為6的條件下，在滿足誤差精度的前提下，達(dá)到了0.32%的壓縮比。仿真證明此種方法可以有效壓縮電能質(zhì)量的諧波數(shù)據(jù)，并且滿足實(shí)時(shí)性要求。此外，因?yàn)槎S數(shù)據(jù)壓縮可以極大壓縮周期間數(shù)據(jù)的冗余度，所以如果加長采樣周期，如每個(gè)周期采樣256點(diǎn)，采樣512個(gè)周期組成256×512的矩陣，通過這種方式可以進(jìn)一步提高壓縮比。

[1] MALLAT S.A theory for multiresolution signal decomposition: the wavelet representation[J].IEEE Trans.on Pattern Anal.and Mach.Intell.,1989,11(7):674-693.

[2] TIAN J,WELLS R O,JR.Embedded image coding using wavelet difference reduction[J].In Wavelet Image and Video Compression.P NTopiwala,Ed.,Kluwer,Boston,MA,1998：289-301.

[3] ?mer Nezih Gerek,Dogan G?khan Ece.2-D Analysis and compression of power-quality event data[J].IEEE Transactions on Power Delivery,2004,19(2):791-798.

[4] MALLAT S,ZHONG S.Characterization of signal from multiscaleEdges[J].IEEE Trans.on Pattern Analysis and Machine Intelligence,1992,14(7):710-732.

[5] DAUBECHIESL I.Orithonormal basis of compression and compactly/supported wavelets.Pure Applied Math.,1988,41:909-996.

[6] ALI B,MICHAEL W.MARCELLIN,MARIA I.ALTBACH.Compression of electrocardiogram signals using JPEG2000[J].IEEE Trans.A.Bilgin et al.,2003,4:833-840.