JFRFFNet：一种基于部分先验信息的数据-模型协动图信号去噪模型
信号处理
2025-09-12 v1
摘要
联合时-顶点分数傅里叶变换（JFRFT）域中的维纳滤波在去除时变图信号噪声方面显示出高度的有效性。传统滤波模型使用网格搜索确定变换阶数对并计算滤波系数，而可学习模型则采用梯度下降策略来优化它们；两者都需要图信号的完整先验信息。为克服这一不足，本文提出一种数据-模型协动去噪方法，称为神经网络辅助的联合时-顶点分数傅里叶滤波（JFRFFNet），将JFRFT域维纳滤波模型嵌入神经网络，通过数据驱动方法更新变换阶数对和滤波系数。该设计使仅依赖部分先验信息即可实现有效去噪。实验表明，JFRFFNet在输出信噪比方面相比一些最新方法取得了显著的改进。
引用
@article{arxiv.2509.09147,
title = {JFRFFNet: A Data-Model Co-Driven Graph Signal Denoising Model with Partial Prior Information},
author = {Ziqi Yan and Zhichao Zhang},
journal= {arXiv preprint arXiv:2509.09147},
year = {2025}
}