检索结果-内蒙古大学图书馆

电子与信息学报 2021年第8期43卷 2300-2307页

作者：肖易寒王亮郭玉霞哈尔滨工程大学信息与通信工程学院先进船舶通信与信息技术工业和信息化部重点实验室哈尔滨150000 中国空空导弹研究院洛阳471009 航空制导武器航空科技重点实验室洛阳471009

针对低截获概率雷达(LPI)信号处理复杂,低信噪比条件下识别率低的问题,该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统。首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换,得到2维时频图像,然后使用去噪... 详细信息

针对低截获概率雷达(LPI)信号处理复杂,低信噪比条件下识别率低的问题,该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统。首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换,得到2维时频图像,然后使用去噪卷积神经网络进行时频图像去噪处理,最后将图像发送到Inception-V4网络进行特征提取,并使用softmax分类器进行分类,实现LPI雷达信号的有效分类识别。仿真结果表明,该方法在–10 dB信噪比(SNR)下,识别率仍然可以达到90%以上。

关键词：低截获概率雷达信号 Choi-Williams分布时频变换去噪卷积神经网络 Inception-V4网络

来源：评论

学校读者我要写书评

暂无评论

基于去噪卷积神经网络的面波噪声压制方法

引用

石油物探 2022年第2期61卷 245-252页

作者：唐杰韩盛元刘英昌张文征孟涛中国石油大学(华东)地球科学与技术学院山东青岛266580

提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪。根据叠... 详细信息

提高地震资料的信噪比是地震数据处理的重要任务之一,与依赖信号模型及其相应先验假设的传统地震噪声衰减算法相比,基于大型训练集的深度神经网络的去噪方法通过对大型数据集进行学习,训练完成后可以对面波进行自适应智能降噪。根据叠前高密度地震数据的特点,建立面波去噪训练库,通过去噪卷积神经网络来衰减地震数据的面波噪声。为了准确高效地提取地震数据面波噪声的特征,采用残差学习和批量标准化相结合的方式来加快训练过程并提高算法的面波去噪效果,去噪卷积神经网络能够有效处理未知噪声水平的面波降噪。模型数据和单点高密度地震数据测试结果表明,常规带通滤波及变分模态分解方法对有效信号损伤较大,而去噪卷积神经网络在高效去除面波噪声的同时能够较好地保护有效信号。

关键词：面波压制去噪卷积神经网络残差学习批量标准化深度学习智能去噪人工智能

来源：评论

学校读者我要写书评

暂无评论

基于去噪卷积神经网络的异常地震道噪声压制方法研究

基于去噪卷积神经网络的异常地震道噪声压制方法研究

引用

作者：范承祥苑益军中国地质大学(北京)

异常地震道噪声压制是地震数据处理中的一个关键步骤。针对传统处理方法压制噪声不彻底、容易伤害有效信号等问题,本文提出了一种基于去噪卷积神经网络(DnCNN)的异常地震道噪声压制方法。该方法根据地震数据中的异常道噪声特点搭建神经... 详细信息

异常地震道噪声压制是地震数据处理中的一个关键步骤。针对传统处理方法压制噪声不彻底、容易伤害有效信号等问题,本文提出了一种基于去噪卷积神经网络(DnCNN)的异常地震道噪声压制方法。该方法根据地震数据中的异常道噪声特点搭建神经网络结构,通过采用人工合成和实际数据提取方法制作数据集,并进行网络训练。训练模型经模型数据和实际数据测试结果表明,去噪卷积神经网络算法能够很好地压制地震资料中的异常道噪声,较好地恢复有效反射信号,达到保真去噪的效果。

关键词：去噪卷积神经网络去噪异常道

来源：评论

学校读者我要写书评

暂无评论

基于光谱快速探测的光纤随机激光动态传感

引用

激光与光电子学进展 2023年第11期60卷 306-311页

作者：齐逸飞林圣淘包兴宇倪龙群王攀张娇娇王子南电子科技大学光纤传感与通信教育部重点实验室四川成都611731

拉曼光纤随机激光结合无源传感单元可以实现超长距离的准分布式传感。然而,受限于光谱探测速度,该传感方案通常只适用于静态传感领域。针对该问题,将拉曼光纤随机激光与拍频光谱探测技术相结合,提出了一种新型的拉曼光纤随机激光长距离... 详细信息

拉曼光纤随机激光结合无源传感单元可以实现超长距离的准分布式传感。然而,受限于光谱探测速度,该传感方案通常只适用于静态传感领域。针对该问题,将拉曼光纤随机激光与拍频光谱探测技术相结合,提出了一种新型的拉曼光纤随机激光长距离动态传感技术。首先,基于含时光谱稳态模型论证了光谱快速测量对长距离动态传感的适用性。随后,在原理性验证实验中通过处理本振光与光纤随机激光拍频后的时域信号,实现了对光纤随机激光光谱的快速测量,并突破了光波往返时间对传感带宽的限制。同时,利用去噪卷积神经网络对光谱的中心波长变化进行标定,大幅提高了扰动信号探测的信号质量,实现了对不同频率、不同波形的扰动信息的准确测量。该研究为进一步拓展光纤随机激光的应用领域提供了新的思路。

关键词：光纤传感光纤随机激光拉曼散射瑞利散射去噪卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于DnCNN的海面目标一维距离像识别方法

引用

信号处理 2021年第6期37卷 932-940页

作者：王哲昊简涛王海鹏张健海军航空大学信息融合研究所山东烟台264001 91206部队山东青岛266108

针对低信噪比条件下海面目标分类识别精度差的问题,该文提出了一种基于去噪卷积神经网络(Denoising convolutional neural network,DnCNN)的海面目标高分辨一维距离像(High Resolution Range Profile,HRRP)识别方法。所提方法设计了一... 详细信息

针对低信噪比条件下海面目标分类识别精度差的问题,该文提出了一种基于去噪卷积神经网络(Denoising convolutional neural network,DnCNN)的海面目标高分辨一维距离像(High Resolution Range Profile,HRRP)识别方法。所提方法设计了一个海面目标分类识别模型,该模型通过其中的降噪模块提高信噪比。首先,分析了HRRP和二维图像的相似特性,将HRRP降噪转变为二维图像降噪。其次,利用深层次卷积层与批归一化层相结合的结构,提取图像深层次的噪声特征,最后采用残差学习技术,减轻深层次网络的学习负担的同时重构图像进行分类识别。实验结果表明,该模型可以有效提升低信噪比条件下的海面目标分类识别正确率,在不同信噪比条件下其识别性能均优于对比模型,具有良好的识别性能和鲁棒性。

关键词：去噪卷积神经网络海面目标识别高分辨一维距离像残差学习

来源：评论

学校读者我要写书评

暂无评论

基于改进DnCNN的机车信号抗干扰算法

引用

北京交通大学学报 2022年第2期46卷 73-81页

作者：杨世武楚少童刘淑贤刘倡熊奇慧北京交通大学电子信息工程学院北京100044 中国银行股份有限公司软件中心(合肥) 合肥230061

在高速和重载铁路牵引电流干扰严重区段,机车信号对于谐波干扰难以采用传统的时域或频域滤波方法有效抑制,导致掉码、延迟上码、误码等现象出现,影响运营效率.为此,本文首先改进去噪卷积神经网络(Denoising Convolutional Neural Networ... 详细信息

在高速和重载铁路牵引电流干扰严重区段,机车信号对于谐波干扰难以采用传统的时域或频域滤波方法有效抑制,导致掉码、延迟上码、误码等现象出现,影响运营效率.为此,本文首先改进去噪卷积神经网络(Denoising Convolutional Neural Networks,DnCNN),将网络中堆叠的单一尺度的卷积核替换为多尺度卷积核,在保证网络性能的同时降低网络深度,并通过残差学习方式得到预估的噪声分布,进而通过对消的方式抑制落入有效频带中的骚扰,使FSK(Frequency-shift Keying)信号低频幅值在有用频带附近最大化,提高信噪比(Signal-to-Noise Ratio,SNR).通过将本方法与常见的信号去噪算法进行仿真对比分析,并利用现场实测信号解码验证,结果表明,该方法能提升信噪比约13 dB,可以更准确地提取FSK机车信号特征频率,为提高机车信号抗干扰性能提供了新的途径.

关键词：机车信号谐波骚扰抗干扰算法去噪卷积神经网络多尺度卷积

来源：评论

学校读者我要写书评

暂无评论

电力线载波通信中基于深度学习的信道估计

引用

光通信研究 2024年第2期2期(17)卷 49-56页

作者：敬天成段红光赵旭张佳鑫重庆邮电大学通信与信息工程学院重庆400065 北京智芯微电子科技有限公司北京102200

【目的】电力线载波(PLC)通信系统采用基于帧突发的传输模式,由于PLC系统的收发信机之间存在载波频偏、PLC信道存在各种噪声以及时变特性,加之PLC系统没有专用参考信号,传统信道估计对PLC信道没有跟踪预测能力,进而造成PLC系统性能恶化... 详细信息

【目的】电力线载波(PLC)通信系统采用基于帧突发的传输模式,由于PLC系统的收发信机之间存在载波频偏、PLC信道存在各种噪声以及时变特性,加之PLC系统没有专用参考信号,传统信道估计对PLC信道没有跟踪预测能力,进而造成PLC系统性能恶化。【方法】文章针对现有问题,提出了一种基于长短期记忆(LSTM)神经网络和去噪卷积神经网络(DnCNN)的去噪长短期记忆(DnLSTM)神经网络,并利用该DnLSTM神经网络进行了PLC信道估计。首先对DnLSTM神经网络进行离线训练再保存训练好的DnLSTM参数,之后将其部署到PLC系统中,加载训练完成的参数后再进行在线预测,得到PLC系统信道响应。在电力线系统仿真中,文章采用最小二乘法(LS)、最小均方误差(MMSE)算法以及DnLSTM神经网络进行信道估计,给出在高斯白噪声(AWGN)、组合噪声、色噪声和脉冲噪声条件下的仿真结果,同时调整了用于信道估计的前导符号数量并进行了对应的仿真。【结果】仿真结果表明,DnLSTM神经网络进行信道估计的精度与采用的前导符号数量有关,采用4个前导符号进行信道估计,其估计精度优于LS,接近MMSE算法,并且DnLSTM神经网络具有很好的抵抗载波频偏以及信道时变的能力。当用于信道估计的前导符号越多时,低信噪比(SNR)情况下的PLC系统性能越好,高SNR情况下的PLC系统性能相似。【结论】通过以上仿真可得出,基于LSTM和DnCNN的DnLSTM神经网络可以很好地估计存在频偏的PLC系统信道响应,可实时跟踪其变化。

关键词：电力线载波通信信道估计深度学习长短期记忆神经网络去噪卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于近似U型网络结构的图像去噪模型

引用

计算机应用 2022年第8期42卷 2571-2577页

作者：靳华中张修洋叶志伟张闻其夏小鱼湖北工业大学计算机学院武汉430068

针对图像去噪中的去噪效果差、训练周期长的问题,提出一种基于近似U型网络结构的图像去噪模型。首先,使用不同步长的卷积层将原有的线性网络结构修改为近似U型的网络结构;然后,将不同感受野的图像信息叠加以尽可能地保留图像的原有信息... 详细信息

针对图像去噪中的去噪效果差、训练周期长的问题,提出一种基于近似U型网络结构的图像去噪模型。首先,使用不同步长的卷积层将原有的线性网络结构修改为近似U型的网络结构;然后,将不同感受野的图像信息叠加以尽可能地保留图像的原有信息;最后,引入反卷积网络层进行图像恢复和噪声的进一步去除。在Set12与BSD68测试集上与去噪卷积神经网络(DnCNN)模型相比,所提模型的峰值信噪比(PSNR)平均提升了0.04~0.14dB,训练时长平均缩短了41%。实验结果表明,所提模型具有更好地去噪效果和更短的训练时长。

关键词：图像去噪去噪卷积神经网络反卷积 U-Net 残差学习

来源：评论

学校读者我要写书评

暂无评论

基于改进型DnCNN和VIT的广域电磁数据去噪方法研究

基于改进型DnCNN和VIT的广域电磁数据去噪方法研究

引用

作者：王昕东华理工大学

学位级别：硕士

可控源电磁法(CSEM)已在工程和环境勘察、资源和能源勘探以及地质灾害探测等多个领域被广泛应用。但由于人文干扰日益强烈,导致CSEM数据极易受到电磁噪声的干扰,严重影响探测效果。为此,本文提出了基于残差去噪卷积网络(ResDnCNN)-移不... 详细信息

可控源电磁法(CSEM)已在工程和环境勘察、资源和能源勘探以及地质灾害探测等多个领域被广泛应用。但由于人文干扰日益强烈,导致CSEM数据极易受到电磁噪声的干扰,严重影响探测效果。为此,本文提出了基于残差去噪卷积网络(ResDnCNN)-移不变稀疏编码(SISC)的CSEM数据去噪方法以及基于优化的视觉转换器(IVIT)的CSEM数据强噪声压制方法,并以广域电磁(WFEM,可控源电磁法的一种)数据为例,验证了方法的有效性与优越性。 ResDnCNN网络是本文在去噪卷积神经网络(DnCNN)的基础上引入残差模块改进而来。该方法首先在收集的高质量CSEM数据中加入仿真噪声制作成样本库;接着训练ResDnCNN网络并保存;然后调用保存的网络进行强噪声压制,得到初步降噪数据;最后通过SISC对初步降噪数据进行弱噪声处理,获得高质量数据。在与残差网络(ResNet)、DnCNN、U-Net和长短期记忆网络(LSTM)的对比实验中发现,该方法能把含有高强度噪声的仿真数据信噪比平均提升大约18 dB,所得的高质量数据曲线也比其他方法更光滑平缓,这说明该方法比其他对比方法去噪效果更优越。 IVIT网络是本文根据CSEM数据以及一维时间序列的特征对视觉转换器(VIT)改进而来。本文首先把制作好的CSEM数据样本对作为训练集进行模型学习;接着调用训练好的模型对CSEM数据进行一步到位的去噪处理,获取高质量数据。在与ResNet、DnCNN、U-Net、LSTM和ResDnCNN-SISC进行的对比实验中,该方法能有效去除高斯、脉冲和方波等强噪声,使数据信噪比平均提高20 dB以上,重构误差低至0.05%,这表明该方法在对比实验中效果突出,获得的高质量数据符合预期。通过对来自四川省的可控源数据进行测试,结果显示本文两种方法绘制的视电阻率曲线更加平滑,减少了CSEM数据在低频处产生跳变的情况,数据的相关度趋近于1,接近理想信号特征。综上所述,本文提出的两种去噪方法能够实现对CSEM数据的强噪声压制,改善强干扰环境下可控源电磁探测的效果。

关键词：可控源电磁法去噪卷积神经网络深度残差网络移不变稀疏编码视觉转换器深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的机车信号抗干扰解码方法研究

基于深度学习的机车信号抗干扰解码方法研究

引用

作者：刘淑贤北京交通大学

学位级别：硕士

机车信号设备作为列车运行控制系统的重要组成部分,在保障行车安全方面起着重要的作用。随着高速和重载铁路的发展,电磁干扰愈发严重,机车类型更加多样,在特定骚扰环境下,传统的滤波方式不能快速有效滤除有用信号频带内的噪声,现有的机... 详细信息

机车信号设备作为列车运行控制系统的重要组成部分,在保障行车安全方面起着重要的作用。随着高速和重载铁路的发展,电磁干扰愈发严重,机车类型更加多样,在特定骚扰环境下,传统的滤波方式不能快速有效滤除有用信号频带内的噪声,现有的机车信号解码方法已难以满足需求。在此背景下,本文基于机车信号的时域频域特点及干扰耦合方式,结合深度学习技术,提出了基于优化的去噪卷积神经网络(Denoising Convolutional Neural Network,Dn CNN)和深度置信网络(Deep Belief Network,DBN)的机车信号抗干扰解码方法。论文主要研究内容如下:(1)本文根据机车信号结构和工作原理,对机车信号传输机理及车地传输信息特征分析;考虑机车信号受扰因素和耦合机理,分析铁路现场中较为常见的不平衡牵引电流干扰和邻线干扰的耦合途径;通过对现场受扰信号分析,提出机车信号抗干扰解码方法。(2)本文根据特定骚扰和FSK(Frequency Shift Keying)信号时域与频域的特点,重点研究抑制干扰的适当方法,并针对干扰的特点构建三类含噪信号数据集。由于机车信号作为时序信息,具有内在关联性,采用卷积神经网络对时域信号进行端到端去噪,降低骚扰的幅度,提高信号的信噪比(Signal to Noise Ratio,SNR),针对Dn CNN进行改进,应用于机车信号带内降噪,并采用多尺度并行可分离卷积代替标准卷积,在保证神经网络的降噪性能基础上减少神经网络运行时间,仿真结果和实测数据验证表明,提升信噪比最高能达到15d B。(3)本文中对于经过降噪处理后的信号,基于其信号频谱的高对称性,提取频谱特征向量,将低频解码问题转化为分类问题,利用深度置信网络提取FSK信号低频特征,设计并实现了深度置信网络FSK信号解码框架,利用粒子群算法(Particle Swarm Optimization,PSO)对DBN中的隐藏层层数和节点数寻优,与原始DBN相比,提高了FSK信号的抗干扰解码精度。仿真及实测数据验证表明,论文提出的方法具有较强的普适性,能更清晰准确地提取频移键控机车信号的特征频率,有效提高机车信号解码精度,为在高速和重载条件下提高机车信号抗电磁干扰能力提供了参考,具有一定工程应用价值。

关键词：机车信号频移键控深度置信网络去噪卷积神经网络粒子群算法多尺度卷积

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：