基于混合CNN-RNN堆叠集成的结构振动信号去噪
信号处理
2023-07-25 v4 人工智能
机器学习
摘要
振动信号因能提供有关结构状况与完整性的宝贵信息，已在结构健康监测、故障诊断与损伤检测等多个工程领域被用于分析与监测。近年来，振动信号在生物工程领域的应用呈增长趋势。活动诱发的结构振动，尤其是脚步诱发信号，可用于分析人体与动物等生物系统的运动，提供有关个体步态、体重与姿态的宝贵信息，使其成为健康监测、安防与人机交互的有力工具。然而，各类噪声的存在会损害脚步诱发信号分析的准确性。本文提出一种新颖的集成模型，该模型同时利用了多信号集成与循环及卷积神经网络预测的集成。所提模型包含预处理、混合建模与集成三个阶段。在预处理阶段，利用快速傅里叶变换（Fast Fourier Transform）与小波变换提取特征，以捕捉系统受物理规律支配的动力学并提取时空特征。在混合建模阶段，使用双向LSTM对拼接了FFT结果的含噪信号去噪，并使用CNN获得信号的压缩特征表示。在集成阶段，使用三层全连接神经网络生成最终去噪信号。所提模型应对了结构振动信号相关的挑战，在PSNR、SNR与WMAPE评价下，对广泛噪声水平均优于现有主流算法。
引用
@article{arxiv.2303.11413,
title = {Structural Vibration Signal Denoising Using Stacking Ensemble of Hybrid CNN-RNN},
author = {Youzhi Liang and Wen Liang and Jianguo Jia},
journal= {arXiv preprint arXiv:2303.11413},
year = {2023}
}
备注
10 pages, 4 figures