-
公开(公告)号：CN110879254B
公开(公告)日：2021-09-17
申请号：CN201811029104.X
申请日：2018-09-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法，本发明解决了针对不同种类的噪声环境下，通过对抗神经网络训练噪声模型实现自动滤除复杂噪声问题。本发明的步骤为：一、合成不同噪声背景下含噪信号样本库并归一化。二、生成式对抗网络的初始化。三、将去噪样本与参考样本共同输入判别器网络并根据判别误差更新判别网络权值。四、根据判别器损失值及去噪后均方误差更新生成网络权值。五、交替训练判别网络与生成网络最终用生成器前向网络实现噪声的有效去除。本发明与现有技术相比，具有以下优点：1)可用相同结构同时抑制多种噪声；2)自动学习噪声模型，不需任何先验知识；3)在高速强噪背景下仍能检测出裂纹声发射信号。
-
公开(公告)号：CN110879254A
公开(公告)日：2020-03-13
申请号：CN201811029104.X
申请日：2018-09-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法，本发明解决了针对不同种类的噪声环境下，通过对抗神经网络训练噪声模型实现自动滤除复杂噪声问题。本发明的步骤为：一、合成不同噪声背景下含噪信号样本库并归一化。二、生成式对抗网络的初始化。三、将去噪样本与参考样本共同输入判别器网络并根据判别误差更新判别网络权值。四、根据判别器损失值及去噪后均方误差更新生成网络权值。五、交替训练判别网络与生成网络最终用生成器前向网络实现噪声的有效去除。本发明与现有技术相比，具有以下优点：1)可用相同结构同时抑制多种噪声；2)自动学习噪声模型，不需任何先验知识；3)在高速强噪背景下仍能检测出裂纹声发射信号。
-
Search Results
2
records
(took 0.015 seconds)
