布里渊光时域分析(BOTDA)系统中的布里渊增益谱(BGS)可能存在噪声,造成布里渊频移等重要信息难以提取的问题,故需对BGS降噪。现有BGS降噪方法分为基于模型的方法(如BM3D)和基于学习方法(如Dn CNN)两大类,分别存在降噪速度慢和可解释性...布里渊光时域分析(BOTDA)系统中的布里渊增益谱(BGS)可能存在噪声,造成布里渊频移等重要信息难以提取的问题,故需对BGS降噪。现有BGS降噪方法分为基于模型的方法(如BM3D)和基于学习方法(如Dn CNN)两大类,分别存在降噪速度慢和可解释性差的问题。对此提出基于多尺度深度展开网络(MSDUN)的BGS降噪方法,具有降噪效果好、降噪速度快、可解释性好的优点。MSDUN通过将输入图像经过一系列参数可学习的降噪模块实现降噪,卷积神经网络是隐含在每个降噪模块中的,因此MSDUN结构层次清楚,具有明晰的可解释性。由于在单个降噪模块中使用了卷积神经网络,因此降噪速度相比BM3D这类基于模型的方法更快。仿真和实验结果表明,MSDUN可以将三维BGS灰度图信噪比增强8.14 d B,降噪效果上优于BM3D的3.92 d B和Dn CNN的2.23 d B;降噪速度上,MSDUN只需4.8 s,比BM3D快了近30倍;相比Dn CNN,MSDUN算法层次结构更加清晰,可解释性好。展开更多
文摘布里渊光时域分析(BOTDA)系统中的布里渊增益谱(BGS)可能存在噪声,造成布里渊频移等重要信息难以提取的问题,故需对BGS降噪。现有BGS降噪方法分为基于模型的方法(如BM3D)和基于学习方法(如Dn CNN)两大类,分别存在降噪速度慢和可解释性差的问题。对此提出基于多尺度深度展开网络(MSDUN)的BGS降噪方法,具有降噪效果好、降噪速度快、可解释性好的优点。MSDUN通过将输入图像经过一系列参数可学习的降噪模块实现降噪,卷积神经网络是隐含在每个降噪模块中的,因此MSDUN结构层次清楚,具有明晰的可解释性。由于在单个降噪模块中使用了卷积神经网络,因此降噪速度相比BM3D这类基于模型的方法更快。仿真和实验结果表明,MSDUN可以将三维BGS灰度图信噪比增强8.14 d B,降噪效果上优于BM3D的3.92 d B和Dn CNN的2.23 d B;降噪速度上,MSDUN只需4.8 s,比BM3D快了近30倍;相比Dn CNN,MSDUN算法层次结构更加清晰,可解释性好。
