摘要
本发明涉及光谱解混技术领域,尤其涉及一种单通道拉曼光谱解混方法。包括以下步骤:获取混合拉曼光谱,将混合拉曼光谱进行数据编码得到高维特征;将高维特征切割为若干个互相重叠的三维张量;将三维张量输入至RSSNet分离模块得到分离特征张量;将分离特征张量重叠相加得到高维特征序列;将高维特征序列输入至掩码网络中得到掩码;将高维特征输入至特征分离模块得到掩码;将高维特征和掩码输入至解码和光谱重构模块得到纯净光谱。本发明通过特别设计的编码-分离-解码深度神经网络架构突破了对多光谱输入的依赖,实现了单通道解混,同时具有高鲁棒性和抗噪声能力,具备了在真实环境中应用的实用价值。
技术关键词
解混方法
解码深度神经网络
注意力
元素
重构模块
数据编码
上采样
解混技术
路径结构
序列
鲁棒性
信号
噪声
线性
参数
系统为您推荐了相关专利信息
跨模态匹配方法
交互特征
图像块特征
语义
视频帧特征
直立性低血压
容量管理方法
人工智能模型
补液
患者
管理优化方法
动态知识图谱
多任务
关键点识别
项目
Gabor特征
建筑物
分层编码器
滤波器网络
深度残差神经网络