受自监督学习启发、考虑通道相关灵敏度的光纤传感低秩约束多通道信号去噪
声音
2023-12-19 v2 音频与语音处理
摘要
光纤传感是一种利用光纤检测音频、振动和温度的技术；其中对音频/振动敏感的传感称为分布式声波传感 (DAS)。在 DAS 中，由多通道数据组成的观测数据由于光学噪声或安装方式而受到严重噪声水平的影响。在传统的 DAS 数据去噪方法中，基于信号处理或深度神经网络 (DNN) 的模型已被广泛研究。基于信号处理的方法具有可解释性，即非黑盒。基于 DNN 的方法擅长灵活设计网络架构和目标函数，即先验。然而，在 DAS 研究中，可解释性与先验的灵活性之间缺乏平衡。基于 DNN 的方法通常还需要大量训练数据。为了解决这些问题，本文提出一种基于 DNN 结构的信号处理去噪方法。作为 DAS 的先验，我们利用空间知识；即使用基于 DNN 的结构引入低秩和通道相关灵敏度。光纤声波传感的结果表明，所提方法优于传统方法，并且对空间秩的数量具有鲁棒性。此外，该方法的优化参数揭示了其与通道灵敏度的关系；即可解释性。
引用
@article{arxiv.2312.08660,
title = {Low-rank constrained multichannel signal denoising considering channel-dependent sensitivity inspired by self-supervised learning for optical fiber sensing},
author = {Noriyuki Tonami and Wataru Kohno and Sakiko Mishima and Yumi Arai and Reishi Kondo and Tomoyuki Hino},
journal= {arXiv preprint arXiv:2312.08660},
year = {2023}
}
备注
Accepted for ICASSP2024