期刊文献+
共找到22篇文章
< 1 2 >
每页显示 20 50 100
基于卷积神经网络和稀疏滤波的调制识别方法 被引量:12
1
作者 吴灏 周亮 +2 位作者 李亚星 郭宇 孟进 《系统工程与电子技术》 EI CSCD 北大核心 2019年第9期2114-2121,共8页
针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神... 针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。 展开更多
关键词 调制识别 循环谱 卷积神经网络 稀疏滤波
下载PDF
卡尔曼滤波器与神经网络串行的轮胎载荷识别模型 被引量:5
2
作者 曾俊玮 季元进 +3 位作者 任利惠 周荣笙 李超 杨兴荣 《振动与冲击》 EI CSCD 北大核心 2023年第11期262-270,294,共10页
轮胎载荷是车辆设计和安全性评估的基础数据,对轮胎进行高精度的载荷识别具有重要意义。针对轮胎载荷直接测量昂贵、复杂的现状以及基于纯物理驱动与纯数据驱动的载荷识别方法的局限性,提出一种物理-数据联合驱动的载荷识别模型。该模... 轮胎载荷是车辆设计和安全性评估的基础数据,对轮胎进行高精度的载荷识别具有重要意义。针对轮胎载荷直接测量昂贵、复杂的现状以及基于纯物理驱动与纯数据驱动的载荷识别方法的局限性,提出一种物理-数据联合驱动的载荷识别模型。该模型由卡尔曼滤波器与神经网络修正模型串行组成,卡尔曼滤波器对载荷进行初步识别,修正模型通过卷积神经网络和长短期记忆网络提取信号的空间和时间特征,预测卡尔曼滤波器的偏差并对识别结果予以修正。以APM300胶轮车辆为例进行载荷识别,结果表明,该串行模式载荷识别模型通过将物理驱动与数据驱动方法有机结合,综合整个系统的规则与经验,有效地克制了参数扰动的影响,提升了载荷识别精度,具有较强的泛化性能,具备一定的工程应用价值。 展开更多
关键词 卡尔曼滤波 卷积神经网络 长短期记忆网络 物理-数据联合驱动 轮胎载荷识别
下载PDF
基于稀疏滤波神经网络的智能调制识别 被引量:8
3
作者 李润东 李立忠 +2 位作者 李少谦 宋熙煜 何鹏 《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第2期161-167,共7页
针对传统调制识别中特征提取依赖人工经验的问题,该文提出了一种基于抗噪预处理及稀疏滤波卷积神经网络的智能通信调制识别算法。该算法将调制信号的循环谱作为卷积神经网络的输入图像,并引入低秩表示算法去除循环谱图中的噪声及干扰。... 针对传统调制识别中特征提取依赖人工经验的问题,该文提出了一种基于抗噪预处理及稀疏滤波卷积神经网络的智能通信调制识别算法。该算法将调制信号的循环谱作为卷积神经网络的输入图像,并引入低秩表示算法去除循环谱图中的噪声及干扰。在有监督训练卷积神经网络之前,该文设计了一种新型的稀疏滤波准则对网络进行无监督的逐层预训练,从而提升了泛化性能。仿真表明算法在信噪比为0 dB时仍可达94.2%的识别准确率,优于传统方法及相关深度学习方法。 展开更多
关键词 卷积神经网络 深度学习 低秩表示 调制识别 稀疏滤波
下载PDF
基于稀疏子空间的卷积神经网络目标跟踪
4
作者 李福进 李军 宫海洋 《中国测试》 CAS 北大核心 2019年第7期122-127,共6页
针对粒子滤波目标跟踪过程中初始化和权值退化的数据处理情况,在粒子滤波框架下提出一种基于稀疏子空间的卷积神经网络目标跟踪算法.以仿生学为基础,在目标跟踪过程中引入稀疏子空间和卷积神经网络.首先,利用稀疏子空间模型筛选出与目... 针对粒子滤波目标跟踪过程中初始化和权值退化的数据处理情况,在粒子滤波框架下提出一种基于稀疏子空间的卷积神经网络目标跟踪算法.以仿生学为基础,在目标跟踪过程中引入稀疏子空间和卷积神经网络.首先,利用稀疏子空间模型筛选出与目标状态相似度较高的候选区域进行后续跟踪处理,减少冗余计算并降低跟踪的复杂性;然后,将稀疏子空间输出用作卷积神经网络的输入,并利用卷积神经网络模型对图像数据处理的优点进行目标跟踪的数据处理;最后,通过对目标数据的不断更新来减少目标表观变化的影响.实验表明,该算法能够更好地处理目标跟踪中的目标遮挡、运动模糊、光流与尺度变化,提高算法的准确性和数据处理能力. 展开更多
关键词 稀疏子空间 卷积神经网络 粒子滤波 目标跟踪 相异系数矩阵
下载PDF
面向高光谱图像分类的局部Gabor卷积神经网络
5
作者 王燕 王丽 《计算机科学》 CSCD 北大核心 2020年第6期151-156,共6页
针对高光谱图像特征利用不足的问题,提出了一种新的基于空谱联合特征的高光谱图像分类方法。该方法首先利用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)对高光谱图像进行组合降维;... 针对高光谱图像特征利用不足的问题,提出了一种新的基于空谱联合特征的高光谱图像分类方法。该方法首先利用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)对高光谱图像进行组合降维;其次引入Gabor核,设计了一种基于Gabor核的卷积(Local Gabor Convolutional,LGC)层;最后基于LGC层设计了一个新的卷积神经网络(Local Gabor Convolutional Neural Network,LGCNN)进行分类。在Indian Pines和Salinas Scene数据集上对所提方法进行验证,并将其与其他经典分类方法进行比较。实验结果表明,该方法不仅能大幅度减少可学习的参数,降低模型复杂度,而且具备较好的分类性能,其总体精度达到99%,平均分类精度达到98%以上,Kappa系数达到98%以上。 展开更多
关键词 高光谱图像分类 GABOR滤波 空间-光谱信息 卷积神经网络 深度学习
下载PDF
基于卷积神经网络快速区域标定的表面缺陷检测 被引量:23
6
作者 李宜汀 谢庆生 +2 位作者 黄海松 姚立国 魏琴 《计算机集成制造系统》 EI CSCD 北大核心 2019年第8期1897-1907,共11页
为检测生产线中产品的表面缺陷,提出一种基于卷积神经网络快速区域标定(FasterR-CNN)的缺陷检测方法,用于识别缺陷类型并标记出缺陷位置。预处理阶段提出区域规划方法粗略裁剪出缺陷主体,以避免产生大量冗余窗口,从而提升检测速度和精... 为检测生产线中产品的表面缺陷,提出一种基于卷积神经网络快速区域标定(FasterR-CNN)的缺陷检测方法,用于识别缺陷类型并标记出缺陷位置。预处理阶段提出区域规划方法粗略裁剪出缺陷主体,以避免产生大量冗余窗口,从而提升检测速度和精度。所提算法结合数据扩充方法增加了图像数量,通过划分K折交叉验证数据集改善了算法的鲁棒性;同时,将稀疏滤波思想融入卷积神经网络,提取双重深度特征作为FasterR-CNN的输入,提升了FasterR-CNN位置检测和识别的精度。通过油辣椒灌装生产线的封盖面典型缺陷检测验证了所提方法的可行性。 展开更多
关键词 表面缺陷检测 卷积神经网络快速区域标定 位置检测 稀疏滤波 生产过程监控
下载PDF
利用自适应假近邻方法优化卷积神经网络的图像目标分类算法 被引量:2
7
作者 黄珍 李志浩 +1 位作者 苑毅 阮文惠 《计算机应用研究》 CSCD 北大核心 2019年第10期3137-3141,共5页
为了能够在处理不同的数据类型或任务时得到良好的结果,设计了基于自适应假近邻方法的卷积神经网络(CNN)架构。将中心矩的思想应用在CNN的池化操作中,利用稀疏滤波算法实现训练过程的无监督化,并设置CNN算法的卷积掩模(卷积核)的大小和... 为了能够在处理不同的数据类型或任务时得到良好的结果,设计了基于自适应假近邻方法的卷积神经网络(CNN)架构。将中心矩的思想应用在CNN的池化操作中,利用稀疏滤波算法实现训练过程的无监督化,并设置CNN算法的卷积掩模(卷积核)的大小和每层卷积单位(CNN神经元)的数量;此外,该架构还利用自适应假近邻方法实现了简化建模和预测等任务。实验结果证实,提出的改进CNN架构的复杂度较低,它可以更快地接受训练并且不易产生过度拟合。 展开更多
关键词 卷积神经网络 假近邻 目标分类 矩池化 稀疏滤波
下载PDF
基于稀疏卷积特征和相关滤波的实时视觉跟踪算法 被引量:9
8
作者 熊昌镇 车满强 王润玲 《计算机应用》 CSCD 北大核心 2018年第8期2175-2179,2223,共6页
为提高分层卷积相关滤波视觉跟踪算法的实时性能,提出一种稀疏卷积特征的实时目标跟踪算法。首先,在分析不同层卷积特征的基础上,采用等间隔采样的方式提取每个卷积层的稀疏卷积特征;然后,对每个卷积层特征的相关滤波响应值进行加权组合... 为提高分层卷积相关滤波视觉跟踪算法的实时性能,提出一种稀疏卷积特征的实时目标跟踪算法。首先,在分析不同层卷积特征的基础上,采用等间隔采样的方式提取每个卷积层的稀疏卷积特征;然后,对每个卷积层特征的相关滤波响应值进行加权组合,得到目标预测的位置;最后,采用稀疏的模型更新策略进一步提高算法的运行速度。在OTB-2015新增的50组数据上对所提算法进行测试,实验结果表明,该算法的平均距离精度为82.2%,比原分层卷积特征跟踪算法提高了5.25个百分点,对目标姿态以及遮挡等变化具有较好的鲁棒性。该算法的平均跟踪速度为32.6帧/s,是原分层卷积特征跟踪算法的近3倍,能达到实时跟踪的效果。 展开更多
关键词 目标跟踪 卷积神经网络 相关滤波 模型更新 稀疏特征
下载PDF
基于模型-数据联合的光伏-光热系统储能量预测
9
作者 田亮 王冠杰 《动力工程学报》 CAS CSCD 北大核心 2024年第6期911-918,共8页
提出一种模型-数据联合预测方法,通过机理分析建立对象动态模型,并引入未来太阳辐射强度、用户负荷预测数据进行即时模型预测,通过注意力机制改进的卷积-长短时记忆混合神经网络建立数据预测模型,并引入历史数据进行滚动数据预测,然后... 提出一种模型-数据联合预测方法,通过机理分析建立对象动态模型,并引入未来太阳辐射强度、用户负荷预测数据进行即时模型预测,通过注意力机制改进的卷积-长短时记忆混合神经网络建立数据预测模型,并引入历史数据进行滚动数据预测,然后利用卡尔曼滤波器对2种预测模型的输出结果进行融合,实现储能量的联合预测。结果表明:联合预测兼具2种方法的优势,能很好地解决储能量预测误差随时间累积的问题,并能够及时表征气象因素突变和系统运行方式改变时储能量的变化情况,在各种天气状况下均具有良好的预测精度。 展开更多
关键词 光伏-光热综合能源系统 储能量 预测 卡尔曼滤波 卷积-长短时记忆混合神经网络
下载PDF
基于紫外-可见光谱法的工业废水CNN-GRU分类模型研究
10
作者 缪俊锋 汤斌 +6 位作者 陈庆 龙邹荣 叶彬强 周彦 张金富 赵明富 周密 《大气与环境光学学报》 CAS CSCD 2024年第1期73-84,共12页
工业废水分类是水污染防治和水资源管理的前提和基础,相较于生活污水,工业废水的分类研究相对滞后。水体化学需氧量(COD)是衡量水体质量的核心指标,针对现有工业废水COD分类算法中预测精度较低的问题,提出基于门控循环单元(GRU)的卷积... 工业废水分类是水污染防治和水资源管理的前提和基础,相较于生活污水,工业废水的分类研究相对滞后。水体化学需氧量(COD)是衡量水体质量的核心指标,针对现有工业废水COD分类算法中预测精度较低的问题,提出基于门控循环单元(GRU)的卷积神经网络(CNN)混合模型。该模型首先将紫外-可见光谱法测得的工业废水COD数据进行高斯滤波去噪,然后把去噪后的光谱数据输入CNN模型进行特征提取,最后通过GRU神经网络实现工业废水COD分类。实验结果显示,CNN-GRU分类模型经过200次训练后达到收敛,分类精度达到99.5%,与长短期记忆方法、GRU方法、CNN-LSTM方法相比,该混合模型的分类精度具有显著优势。 展开更多
关键词 工业废水分类 紫外-可见光谱法 高斯滤波去噪 卷积神经网络-门控循环单元模型
下载PDF
基于超像素分割与卷积神经网络的高光谱图像分类 被引量:1
11
作者 陈如俊 普运伟 +2 位作者 吴锋振 刘昱岑 李奇 《激光与光电子学进展》 CSCD 北大核心 2023年第16期156-164,共9页
针对卷积神经网络(CNN)在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题,提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析(PCA)提取图像的前12个成分后对前3个主成分进行滤波,对滤波后的3个波段进行超像素... 针对卷积神经网络(CNN)在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题,提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析(PCA)提取图像的前12个成分后对前3个主成分进行滤波,对滤波后的3个波段进行超像素分割;然后将样本点映射到超像素内,使其以超像素而不是像素为基本的分类单元;最后利用CNN进行图像分割。在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验,实验结果表明,相比仅利用光谱信息的方法,融合空-谱特征信息的方法的精度得到提升,在两个数据集上的分类精度分别达99.45%和97.60%。 展开更多
关键词 超像素 卷积神经网络 主成分分析 -谱特征融合 滤波
原文传递
基于稀疏约束滤波器剪枝策略的模型压缩方法
12
作者 董燕 刘小辉 +2 位作者 汤水利 刘洲峰 李春雷 《计算机工程与设计》 北大核心 2022年第9期2542-2548,共7页
针对现有滤波器剪枝逐层固定比率修剪导致的模型性能及自适应能力不足,提出一种基于稀疏约束的滤波器剪枝方法。将批归一化(batch normalization,BN)层的比例因子作为特征图及滤波器重要性权重,对其进行稀疏正则化训练,经排序计算出全... 针对现有滤波器剪枝逐层固定比率修剪导致的模型性能及自适应能力不足,提出一种基于稀疏约束的滤波器剪枝方法。将批归一化(batch normalization,BN)层的比例因子作为特征图及滤波器重要性权重,对其进行稀疏正则化训练,经排序计算出全局最优阈值,修剪出最优子网络;通过提出全局-局部阈值策略,解决剪枝率过大导致的断层现象;采用过参数化卷积方法,在保持模型大小的前提下,提升剪枝模型性能。实验结果表明,提出方法在压缩性能及自适应性上优于现有剪枝方法。 展开更多
关键词 滤波器剪枝 轻量化 BN层 稀疏约束 全局-局部阈值策略 过参数化卷积
下载PDF
稀疏卷积特征的实时目标跟踪
13
作者 邹建成 王润玲 +1 位作者 车满强 熊昌镇 《北方工业大学学报》 2019年第2期1-8,共8页
针对分层卷积相关滤波目标跟踪算法鲁棒性良好而实时性能较差问题,提出了基于单层稀疏卷积特征的实时目标跟踪算法.该方法选用单个卷积层的特征,并通过等间隔采样方法生成稀疏特征来提高跟踪的速度.然后采用调整类标函数带宽的策略来提... 针对分层卷积相关滤波目标跟踪算法鲁棒性良好而实时性能较差问题,提出了基于单层稀疏卷积特征的实时目标跟踪算法.该方法选用单个卷积层的特征,并通过等间隔采样方法生成稀疏特征来提高跟踪的速度.然后采用调整类标函数带宽的策略来提高核相关滤波分类器性能,以解决卷积特征维度降低造成的算法鲁棒性下降问题,在OTB-2013标准数据集上测试算法.实验结果表明,该算法的平均距离精度为89.9%,平均跟踪速度为25.0帧/秒,比原分层卷积核相关滤波目标跟踪算法分别提高了0.9%和108.3%;与多尺度域适应的目标跟踪算法速度相比稍有降低,但平均距离精度提高3.8%,在目标发生遮挡、形变、光照变化、背景混乱等情况时具有很好的鲁棒性. 展开更多
关键词 目标跟踪 卷积神经网络 相关滤波 稀疏特征
下载PDF
基于预滤波的组稀疏残差约束图像去噪模型 被引量:2
14
作者 陈梦雅 李润鑫 +1 位作者 刘辉 尚振宏 《传感器与微系统》 CSCD 2020年第2期48-51,共4页
大多数现有去噪方法只考虑了噪声输入图像的非局部自相似性先验方法(NSS),仅从已退化的输入图像中收集相似图像块,图像去噪的质量在很大程度上取决于输入图像本身。针对图像复原过程中的噪声去除问题,设计了一种基于卷积神经网络的组稀... 大多数现有去噪方法只考虑了噪声输入图像的非局部自相似性先验方法(NSS),仅从已退化的输入图像中收集相似图像块,图像去噪的质量在很大程度上取决于输入图像本身。针对图像复原过程中的噪声去除问题,设计了一种基于卷积神经网络的组稀疏去噪模型。模型使用两种NSS先验(即噪声输入图像和预滤波图像的NSS先验),把图像去噪问题转化为组稀疏残差最小化问题。为了提高非局部相似块选择的准确性,使用了一种自适应块搜索的方法,并采用卷积神经网络进行预滤波,以获得对原始图像组稀疏系数的良好估计。实验结果表明:所提出的GSRC-CNN方法在客观和感知质量方面优于许多先进的去噪方法。 展开更多
关键词 卷积神经网络 自适应块搜索 稀疏残差约束 滤波
下载PDF
基于稀疏编码和各向异性滤波的超分辨率重建 被引量:1
15
作者 伏伶丽 任超 +1 位作者 何小海 吴晓红 《信息技术与网络安全》 2020年第3期23-28,共6页
针对基于非局部稀疏自相似性的超分辨率重建方法存在的图像边缘保持性能不佳的问题,提出了一种基于稀疏编码和各向异性滤波的超分辨率重建算法。该算法利用卷积神经网络和各向异性引导滤波训练了一个各向异性特征模型,然后利用该特征模... 针对基于非局部稀疏自相似性的超分辨率重建方法存在的图像边缘保持性能不佳的问题,提出了一种基于稀疏编码和各向异性滤波的超分辨率重建算法。该算法利用卷积神经网络和各向异性引导滤波训练了一个各向异性特征模型,然后利用该特征模型构建一个局部的结构先验,以和非局部稀疏先验形成互补,从而提高算法的边缘保持能力。该算法训练后的模式使用通用测试集进行测试,测试结果表明算法SR性能较好,能很好地保持边缘细节,提供视觉效果更好的图像。 展开更多
关键词 稀疏编码 各向异性引导滤波 超分辨重建 卷积神经网络
下载PDF
基于多阶段特征和非对称-膨胀卷积的目标跟踪
16
作者 孙波 杨春成 +2 位作者 徐立 尚海滨 余帅良 《武汉大学学报(信息科学版)》 EI CAS CSCD 北大核心 2024年第9期1712-1722,共11页
目标跟踪是计算机视觉领域的研究热点,基于相关滤波的目标跟踪方法具有良好的表现,但在特征提取过程中,对图像采用的人工特征描述方法具有一定局限性。为获得图像更具鲁棒性的特征表达,在目标跟踪过程中采用卷积神经网络实现对图像的特... 目标跟踪是计算机视觉领域的研究热点,基于相关滤波的目标跟踪方法具有良好的表现,但在特征提取过程中,对图像采用的人工特征描述方法具有一定局限性。为获得图像更具鲁棒性的特征表达,在目标跟踪过程中采用卷积神经网络实现对图像的特征提取,并与相关滤波方法相结合,提出一种基于多阶段特征和非对称-膨胀卷积的目标跟踪方法,以嵌有非对称-膨胀卷积模块的ResNet50网络为特征提取网络,分别输出网络多个阶段的特征图,通过相关滤波实现目标检测定位。在OTB100视频数据集上对所提方法进行实验,设置距离阈值为20像素时,距离精度可达85.38%;设置重叠阈值为50%时,重叠精度可达80.42%。实验结果验证了所提方法的准确性,且对背景复杂、遮挡以及旋转形变等情况具有较好的鲁棒性。 展开更多
关键词 目标跟踪 卷积神经网络 相关滤波 非对称-膨胀卷积 多阶段特征
原文传递
结合粒子滤波及度量学习的目标跟踪方法
17
作者 王洪雁 张莉彬 +2 位作者 陈国强 汪祖民 管志远 《通信学报》 EI CSCD 北大核心 2021年第5期98-110,共13页
针对复杂环境导致目标跟踪性能显著下降的问题,提出基于粒子滤波与度量学习的目标跟踪方法。所提方法首先离线训练可高效获取目标特征的卷积神经网络(CNN);其次,基于核回归度量学习(MLKR)方法构建最小化预测误差的距离度量矩阵优化模型... 针对复杂环境导致目标跟踪性能显著下降的问题,提出基于粒子滤波与度量学习的目标跟踪方法。所提方法首先离线训练可高效获取目标特征的卷积神经网络(CNN);其次,基于核回归度量学习(MLKR)方法构建最小化预测误差的距离度量矩阵优化模型,并利用梯度下降法求解所得模型以获得候选目标最优解;再次,基于最优候选预测值计算重构误差以构建目标观测模型;最后,引入长短时稳定更新策略并基于粒子滤波跟踪框架实现有效跟踪。实验结果表明,复杂环境下所提方法具有较高跟踪精度及较好稳健性。 展开更多
关键词 目标跟踪 粒子滤波 卷积神经网络 度量学习 稀疏表示
下载PDF
SF-CNN在驾驶行为识别中的应用研究 被引量:6
18
作者 王忠民 张瑶 衡霞 《计算机工程与应用》 CSCD 北大核心 2018年第11期128-132,160,共6页
为了减少不良驾驶行为的潜在危险,通过智能手机内置传感器对驾驶行为进行实时监测,辅助驾驶者安全驾驶,提出了一种优化特征分布的无监督特征学习算法模型——稀疏滤波-卷积神经网络模型(Sparse Filter-Convolutional Neural Network,SF-... 为了减少不良驾驶行为的潜在危险,通过智能手机内置传感器对驾驶行为进行实时监测,辅助驾驶者安全驾驶,提出了一种优化特征分布的无监督特征学习算法模型——稀疏滤波-卷积神经网络模型(Sparse Filter-Convolutional Neural Network,SF-CNN)。该方法利用移动终端在车辆行驶中采集的三轴加速度数据,通过稀疏滤波进行范数联合约束,得到紧凑的初级特征表达,将该表达矩阵作为卷积神经网络首层的输入,进行非线性分类来识别驾驶行为。实验结果表明,稀疏滤波-神经网络的识别模型对驾驶行为具有更高的识别率和鲁棒性,优于传统神经网络模型,对辅助驾驶系统的效能评价有重要的理论意义。 展开更多
关键词 稀疏滤波 卷积神经网络 模式识别 驾驶行为
下载PDF
一种循环谱特征提取的直扩信号智能识别方法 被引量:2
19
作者 王源 冯永新 钱博 《沈阳理工大学学报》 CAS 2023年第4期31-39,共9页
为解决传统信号识别方法对直接序列扩频信号识别率低、智能化程度不高等问题,提出一种基于循环谱特征提取的直扩信号智能识别算法。在深入分析直扩信号循环谱特征基础上,以直扩信号循环谱独特的稀疏特性为依据,设计一种稀疏滤波-卷积神... 为解决传统信号识别方法对直接序列扩频信号识别率低、智能化程度不高等问题,提出一种基于循环谱特征提取的直扩信号智能识别算法。在深入分析直扩信号循环谱特征基础上,以直扩信号循环谱独特的稀疏特性为依据,设计一种稀疏滤波-卷积神经网络模型对提取的循环谱等高线图进行识别,采用无监督预训练和有监督训练微调的方式对网络参数进行更新,提升网络对信号整体特征的表达能力和对小数据量信号样本的学习能力。仿真结果表明:本文算法能够有效识别直接序列扩频信号,在不低于-10 dB高斯噪声条件下对采用正交相移键控调制的直扩信号识别准确率达到98%以上;在混合其他调制信号条件下,相较于常见的几种深度学习算法,本文提出的算法具有更高的识别准确率和鲁棒性。 展开更多
关键词 信号识别 直接序列扩频 循环谱 稀疏滤波-卷积神经网络 深度学习
下载PDF
基于DeCNN的逆时偏移低频噪声压制方法 被引量:2
20
作者 万晓杰 巩向博 +1 位作者 成桥 于明浩 《吉林大学学报(地球科学版)》 CAS CSCD 北大核心 2023年第5期1593-1601,共9页
逆时偏移由于其高分辨率的成像效果而得到广泛应用。但双程波动方程波场延拓在互相关成像条件下会产生较强的低频噪声,影响成像质量。本文构建基于U-Net的卷积-反卷积神经网络(DeCNN)压制逆时偏移中的低频噪声。以含低频噪声的震源归一... 逆时偏移由于其高分辨率的成像效果而得到广泛应用。但双程波动方程波场延拓在互相关成像条件下会产生较强的低频噪声,影响成像质量。本文构建基于U-Net的卷积-反卷积神经网络(DeCNN)压制逆时偏移中的低频噪声。以含低频噪声的震源归一化成像结果作为训练数据,以Laplace滤波结果作为标签,基于数据驱动获得神经网络模型。模型试算和迁移学习对比结果表明,DeCNN有较好的去噪效果,相比于U-Net,其在迁移的SEG/EAGE标准盐丘模型和Marmousi模型上均有更好的噪声压制效果。与常规上下行波分离的低频噪声压制方法相比,DeCNN在训练完成后,将震源归一化成像结果输入网络中,可以在数秒内输出高分辨率成像结果,效率远高于常规波场分离低频噪声压制方法,并且在噪声压制效果方面具有一定优势。 展开更多
关键词 神经网络 卷积-卷积 逆时偏移 低频噪声 滤波 波场分离
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部