SpectroscopyNet：在无干净数据情况下学习预处理光谱信号
机器学习
2023-01-04 v2 信号处理
摘要
在这项工作中，我们提出一种仅使用未清洗数据来清洗光谱信号的深度学习方法。从光谱仪器噪声中清洗信号具有挑战性，因为噪声表现出未知的、非零均值的多元分布。我们的框架是一个孪生神经网络，在平稳性假设下学习信号与噪声分量可辨识的解耦。解耦后的表示满足重建保真度，降低与无关目标测量的一致性，并对信号与噪声表示之间施加松弛正交约束。在火星好奇号漫游者上ChemCam仪器的激光诱导击穿光谱（LIBS）数据集上的评估表明，相比于ChemCam团队正在使用的标准特征工程方法，该方法在清洗LIBS测量值方面具有更优性能。
引用
@article{arxiv.2110.13748,
title = {SpectroscopyNet: Learning to pre-process Spectroscopy Signals without clean data},
author = {Juan Castorena and Diane Oyen},
journal= {arXiv preprint arXiv:2110.13748},
year = {2023}
}