欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023105391886
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于循环神经网络磁共振信号工频噪声抑制方法,其特征在于,包括以下步骤:a、仿真核磁共振地下水探测仪采集的磁共振信号X∈RM×N,其中N为信号长度,M为信号个数,混入工频噪声S(n),得到加噪的磁共振信号Y∈RM×N,形成训练数据集;

b、对数据集做分段处理,再对每一段进行端点延拓,对处理后的数据集做正反双向输入;

c、设计RNN网络结构,对前N段输入进行预处理,初始化循环层状态参数;

d、输入训练数据集,利用反向传播算法,采用梯度下降法优化RNN网络参数使损失函数最小化,完成模型训练;

e、对实际采集的磁共振信号进行步骤b的分段处理,再对每一段进行端点延拓,对处理后的数据做正反双向输入;

f、将步骤e处理过的磁共振信号完各段数据端点做去冗余处理,进行拼接,得到消噪后信号。

2.按照权利要求1所述的方法,其特征在于,所述步骤b具体包括:b1、对加噪的磁共振信号Y=Y[y1,y2,...,yN]进行分段处理,将信号均匀分为K段每段信号长度为k,则训练数据集为Y=[S1,S2,...,SK],其中Sn=[yn,yn+1,...,yn+k];

b2、对分段数据两端延拓r个点,其中分段数据Sn=[yn,yn+1,...,yn+k]延拓为若分段数据为信号两端数据则复制r个端点数据S1=[y1,y2,...,yk]延拓为

b3、对延拓后数据集做正反双向输入,正向输入方式 反向输入方式为其中

3.按照权利要求1所述的方法,其特征在于,所述步骤c具体包括:c1、设置网络结构,包括双向循环层层数Lr,隐藏单元数量Nr,第一层线性层隐藏层数Ll1,第一层线性层隐藏层数Ll1所含神经元个数Nl1,以及第二层线性层隐藏层数Ll2,第二层线性层隐藏层数Ll2所含神经元个数Nl2;

c2、循环层采用Bi‑RNN框架,并在正反两个方向的门控循环单元GRU的输出端各加上第一层线性层,再将两个方向的线性层的输出端连接第二层线性层;

c3、初始化循环层状态Sr(n),将前N段数据集输入循环层,通过seq2seq模型中的Encoder部分,编码为:其中,函数f来描述Encoder做的变换。

4.按照权利要求3所述的方法,其特征在于,所述步骤d具体包括:d1、将处理后的数据集 分段依次正向输入搭建好的循环神经网络中,得到每段数据的循环层输出

On=φ(WySr(n)+br);

Sr(n)=WsSr(n‑1)+Wxyn;

其中,Wx、Wy、Ws是循环层权重参数,br是偏置参数,φ为循环层激活函数;同理将数据集分段依次反向输入搭建好的循环神经网络中,得到每段数据的循环层输出

d2、通过第一层线性层的每段输出为

Ln=σ(Wl1On+bl1);

通过第二层线性层的每段输出为:

其中,Wl1是第一层线性层权重参数,Wl2、Wl3是第二层线性层权重参数,bl1是偏置参数,σ为激活函数;

d3、根据均方差损失函数,确定损失函数Ed,再利用随机梯度下降法,求解模型参数关于损失函数的导数,不断地在损失函数递减的方向上更新参数来降低误差:其中,w、b为模型权重和偏置,η为学习率,B为批量大小。通过上述公式循环迭代,当所有层权重的变化值小于停止迭代阈值ε时,停止梯度下降法,模型训练完毕。

5.按照权利要求1所述的方法,其特征在于,所述步骤f具体包括:f1、处理完各段数据Cn=[An‑r,...,An+k+r]端点做去冗余处理,其中, 为上一段数据中的同位置点;

f2、将去冗余处理后数据进行拼接,得到消噪后信号