面向严重污染信号的多变量去噪的无监督储存器计算

多变量信号的相互依存性和高维度为去噪带来了重大挑战，因为常规的单变量方法往往难以捕捉变量之间复杂的相互作用。成功的做法必须既考虑所需信号的多变量依赖性，也考虑干扰噪声的多变量依赖性。在先前的研究中，我们引入了一种使用机器学习从单变量信号中提取最大“可预测信息”的方法。我们将该方法扩展到多变量信号，其关键思想是正确地将噪声的相互依存性纳入信号的相互依存重构中。该方法成功地处理了包括混沌信号和高度振荡正弦信号在内的各种多变量信号，这些信号被扰动的、空间相关的强噪声污染。它在广泛的各种场景下 consistently 优于其他现有的多变量去噪方法。