InWaveSR：面向内部孤立波的基于地形的超分辨率网络
信号处理
2025-09-19 v1
摘要
观测数据的有效利用常常受限于分辨率不足的限制。为此，我们提出了一种新的时空超分辨率 (STSR) 模型，称为 InWaveSR。它建立在包含物理约束的深度学习框架之上，能够高效地从低分辨率输入生成高分辨率数据，尤其适用于内部孤立波 (ISW) 数据。为了提高普适性和可解释性，模型 InWaveSR 使用原始 Navier-Stokes 方程作为约束，确保输出结果在物理上是一致的。此外，提出的模型包含 HF-ResBlock 组件，将注意力机制和快速傅里叶变换 (FFT) 方法结合起来，以提高模型在捕捉高频特征方面的性能。同时，为了增强模型适应复杂底部地形的能力，实施了边缘抽样和数值预处理方法，以优化训练过程。在使用现场观测 ISW 数据进行评估后，所提出的 InWaveSR 获得了 36.2 的峰值信噪比 (PSNR) 分数，高于传统插值方法和以前的神经网络。这凸显了其在 ISW 重建中的显著优势，展示了其在高分辨率 ISW 重建中的优异性能和可靠性。
引用
@article{arxiv.2509.14243,
title = {InWaveSR: Topography-Aware Super-Resolution Network for Internal Solitary Waves},
author = {Xinjie Wang and Zhongrui Li and Peng Han and Chunxin Yuan and Jiexin Xu and Zhiqiang Wei and Jie Nie},
journal= {arXiv preprint arXiv:2509.14243},
year = {2025}
}