随着科学技术的飞速发展,电力设备的快速普及,接入电网的敏感元器件以及精密仪器逐步增多,生产生活对用电质量的要求达到了前所未有的高度。同时大型整流设备的运用以及电网覆盖面积的增加使得各类电能质量问题日益加剧,这些电网中的干扰不仅会影响电力系统的正常工作,甚至会造成设备损坏带来巨大的经济损失,因此构建高速精准的分析方法成为当下研究的热点。压缩感知作为新兴的信号分析方法,有着速度快、精度高等特点,尤其是它可以打破奈奎斯特抽样定理的约束,以极小的采样点数来压缩存储信号,减小了算法运行的负担。基于压缩感知理论,本文首先介绍了四种常用的测量矩阵,并通过简单的重构成功率测试分析了它们的性能。接着介绍了三种经典的重构算法:匹配追踪算法、正交匹配追踪算法、广义正交匹配追踪算法,详细分析了他们的优劣,并针对它们因缺少二次选择而导致容易重构失败的共同缺陷提出了一种广义正则化正交匹配追踪算法。新算法由于增加了正则化的选择过程,既保证了重构精度,提高了收敛速度,又增加了算法的稳定性。之后使用正交匹配追踪算法、广义正交匹配追踪算法与新算法针对各种电能质量信号进行了重构分析,比对了他们在均方误差、信噪比、能量恢复系数、运行时间、重构成功率以及抗噪能力这六个方面的优劣。仿真结果表明,综合上述的六个指标GROMP算法性能优于其余三种算法,更适合电能质量信号分析。最后针对前文算法抗噪能力不足的共同问题,采用门限选择与匹配度选择相结合的两步式筛选方法,提出了分段压缩采样匹配追踪算法,并用新算法与OMP算法、GOMP算法、GROMP算法进行了抗噪能力的仿真比对。仿真结果表明,St-CoSaMP算法抗噪能力远优于其余三者,更适合复杂环境下的电能质量分析。