摘要
基于多模态多尺度双残差网络的超声导波信号降噪方法:获取N组超声导波干净信号及其超声导波含噪信号,利用格拉姆矩阵计算获取N组含噪信号对应的GADF图像;构建多模态多尺度双残差网络MMDRN;构建用于训练多模态多尺度双残差网络的损失函数;利用梯度下降法训练网络模型,计算损失函数以更新网络参数,达到设定的迭代次数停止训练,获取多模态多尺度双残差网络模型,实现对超声导波信号的有效降噪。本发明使模型能学习不同模态之间的互补信息,提出的多模态多尺度双残差网络采用两个分支同时从一维超声导波信号及其对应的二维GADF图像两种不同模态数据中提取特征,每个分支都包含一个多尺度特征提取模块和多重残差模块以提高网络的特征提取能力。
技术关键词
超声导波
信号降噪方法
多模态
分支
残差网络模型
多尺度特征提取
更新网络参数
残差模块
超声测试系统
仿真信号
特征提取模块
图像
裂纹
特征提取能力
噪声
序列
系统为您推荐了相关专利信息
时序
生命体征数据
远程监控服务器
协方差矩阵
5G物联网技术
通信网络拓扑
卷积神经网络学习
动态组网方法
集中器
卷积神经网络算法
光谱校正
程度检测方法
脂肪酸
光谱分析
校正特征