深度残差收缩网络(从信号降噪的角度进行理解)

本文提出深度残差收缩网络作为一种信号降噪、特征提取和诊断的一体化方法,解决了传统信号降噪算法中阈值选择和信号变换的复杂问题。网络通过端到端优化将噪声特征变换到0附近,并使用特殊设计的子网络自动设置阈值,确保其合理性,避免滤掉有用信号。与Squeeze-and-Excitation Network不同,该网络的阈值设计更为复杂,保证正数且适中。
摘要由CSDN通过智能技术生成

本文探讨了深度残差收缩网络的另一种理解方式。

传统信号降噪算法的常见步骤是:

① 采用某种信号变换方法(例如小波、经验模态分解),将含噪信号变换到另外一种形态(例如小波系数、本征模态分量等)。在这些形态中的某些部分,接近于0的是噪声特征,幅值较大的是有用特征。

② 然后,采用软阈值化,将噪声特征置为0。

③ 最后,进行信号的反变换,获得降噪后的信号。

但是,如何保证在变换形态中,故障成分的幅值较大,噪声成分的幅值接近0呢?

  • 10
    点赞
  • 107
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值