一种卷积神经网络实现的信号曲线自动解卷积方法技术

本发明专利技术公开了一种卷积神经网络实现的信号曲线自动解卷积方法，所述方法包括：构造卷积神经网络对脉冲信号峰的解卷积过程进行建模；使用随机生成的高斯形、矩形、三角形脉冲信号峰进行随机叠加，形成模拟的信号曲线；将信号峰与其构成的模拟曲线组合为训练数据集；使用数据集对网络进行训练，形成叠加信号的分解能力；该方法能够处理传统方法无法解决的不同模式信号峰交叠的情况。模式信号峰交叠的情况。模式信号峰交叠的情况。

【技术实现步骤摘要】
一种卷积神经网络实现的信号曲线自动解卷积方法


[0001]本专利技术涉及信号处理领域，尤其涉及一种卷积神经网络实现的信号曲线自动解卷积方法。

技术介绍

[0002]在一维信号处理领域中，重叠脉冲信号的分解是一类重要的基础问题。在众多实际应用中，如质谱分析、光谱分析等领域，重叠峰的分解效果会直接影响最终测定结论的得出。在大规模检测项目中，海量信号曲线的自动化解卷积方法需求强烈。
[0003]目前的信号解卷积方法以最大熵分解等直接优化方法为主。这些传统方法的思路为：预先设置脉冲信号峰的数学表达式，设定待定的参数；使用待定系数法，将未知参数与特定目标函数相关联；通过优化计算，得出分解结果。现有的这类算法存在以下问题：首先，对于预设数学表示的脉冲信号，只能处理一种类别峰形的解卷积，对于不同形式峰卷积混叠的情况无法表达和计算；其次，通过最大熵或极大似然估计等原则设计的目标优化技巧性较强，通用性不足；最后，每次分解均需要进行专门的优化运算，计算复杂度较高。

技术实现思路

[0004]本专利技术鉴于上述情况而做出，其目的是提供一种卷积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卷积神经网络实现的信号曲线自动解卷积方法，其特征在于，所述方法包括：使用人工生成的模拟训练样本；训练卷积神经网络作为模型进行自动化解卷积；使用训练成功的模型对信号曲线执行解卷积操作。2.根据权利要求1所述方法，其特征在于，人工生成模拟训练样本的方式为，将随机产生的高斯形、矩形、三角形脉冲信号峰进行任意叠加，通过随机生成的多项式曲线与均匀分布的白噪声模拟背景噪声，将信号峰与背景噪声相加得到模拟的信号曲线。3.根据权利要求2所述方法，其特征在于，所述...

【专利技术属性】
技术研发人员：刘元杰，林建涵，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：