利用增强型深度循环去噪自编码器去除引力波噪声
宇宙学与河外天体物理
2019-05-27 v1 天体物理仪器与方法
机器学习
信号处理
广义相对论与量子宇宙学
摘要
时域数据去噪是通信、翻译、虚拟助手等众多应用中的关键任务。对于该任务，循环神经网络（RNN）与去噪自编码器（DAE）的结合已显示出有前景的结果。然而，当处理嵌入非高斯和非平稳噪声中的低信噪比（SNR）数据时，该组合模型面临挑战。为解决此问题，我们设计了一种称为“增强型深度循环去噪自编码器”（EDRDAE）的新模型，其包含信号放大层，并通过课程学习先对高 SNR 信号去噪，再逐步降低 SNR 直至信号被噪声主导。我们利用描述嵌入极强噪声背景中引力波的时序数据展示了 EDRDAE 的性能。此外，我们表明 EDRDAE 能准确对拓扑结构比训练所用信号复杂得多的信号去噪，证明我们的模型可泛化至已有去噪算法能力范围之外的新类引力波。
引用
@article{arxiv.1903.03105,
title = {Denoising Gravitational Waves with Enhanced Deep Recurrent Denoising Auto-Encoders},
author = {Hongyu Shen and Daniel George and E. A. Huerta and Zhizhen Zhao},
journal= {arXiv preprint arXiv:1903.03105},
year = {2019}
}
备注
5 pages, 11 figures and 3 tables, accepted to ICASSP 2019