1.一种基于星型磁场传感器阵列噪声深度重建的信号动态去噪方法,其特征在于,包括如下步骤:S10:建立具有“中心-卫星架构”的星型磁场传感器阵列;所述具有“中心-卫星架构”的星型磁场传感器阵列包括安装在同一平面上的一个中心传感器和N通道卫星传感器;卫星传感器以圆周方式等角度布局,中心传感器位于圆心处;
S20:同步采集静置状态下星型磁场传感器阵列噪声;所述静置状态为没有外加电流激励产生磁场、只有环境干扰磁场的状态;
S30:搭建深度网络模型并进行训练,
训练时,深度网络模型输入为静置状态下星型磁场传感器阵列的N通道卫星传感器噪声信号组成的矩阵Π = [n1(t); n2(t);…; nN(t)]T;目标输出设置为静置状态下星型磁场传感器阵列的中心传感器实际采集的噪声信号nc(t);实际深度网络模型输出的重建噪声为:= g(Π),(1)
其中g(·)为深度网络模型,具有以下结构:
g(Π) = ,(2)
其中g1(·),…, gM(·)分别表示深度网络模型的第1,…,第M层,β(1),…, β(M)分别表示在第1,…,第M个阶段训练得到的深度网络模型参数矩阵;
计算nc(t)和之间的均方根误差RMSE(nc(t),)表征网络的噪声重建精度,通过训练深度网络模型使均方根误差RMSE(nc(t),)最小化,深度网络模型参数矩阵的迭代更新方程为:(3)
式中表示学习率,d和d+1分别表示第d和d+1个迭代训练阶段,d和d+1都为正整数且最小值为1最大值为M,表示代价函数;
S40:测试状态下,将通电导线放置于中心传感器正下方并产生磁场;此时中心传感器捕获的含噪信号sc(t)为电流引起的磁场变化信号scm(t)与外部噪声在中心传感器处的映射ncm(t)的叠加,即sc(t) = scm(t) + ncm(t);同步采集的N通道卫星传感器噪声表示为Πm= [n1m (t); n2m(t);…; nNm(t)]T;利用训练好的深度网络模型重建测试状态下中心传感器处的噪声= g(Πm),即将测试状态下的N通道卫星传感器噪声Πm输入深度网络模型g(·)得到中心传感器的重建噪声;
S50:利用中心传感器捕获的含噪信号sc(t)减去深度网络模型重建噪声实现去噪,近似得到无噪声干扰只由电流引起的磁场变化信号。