来源：期刊VIP网 时间：
作者：周俊;代劲;岑远遥;刘书俊;夏斌;
单位：重庆邮电大学计算机科学与技术学院;重庆邮电大学大数据智能计算重点实验室;重庆市教育大数据研究中心;重庆邮电大学教育信息化办公室;中国兵器装备集团西南技术工程研究所;陆军勤务学院;集美大学诚毅学院;
摘要：降噪自编码器能采取无监督学习方式，基于神经网络方法从有噪声的信号重构出原始信号达到去噪的目的，能够改进滤波器与小波分析在声发射信号消噪中由于参数设置依赖经验而带来消噪性能不佳、泛化性差等问题。针对降噪自编码器在输入数据分布不均时可能产生梯度消失和收敛速度变慢问题，提出一种基于改进降噪自编码器的声发射信号去噪模型，通过在降噪自编码器链接批处理层和回归层对降噪自编码器结构进行改进，对常用激活函数进行分析，采集3 000个腐蚀声发射信号样本作为训练集和测试集，对声发射信号进行Z-score标准化预处理，采用改进降噪自编码器对腐蚀声发射信号进行去噪实验。实验结果表明，当隐含层神经元数为300，激活函数为Leaky ReLU时，改进DAE去噪性能较优，与小波阈值去噪法相比有更优的去噪性能，对于声发射信号分析处理具有重要意义。
关键词：声发射;;去噪;;自编码器;;批处理层;;回归层;;无监督学习;;Z-score标准化;;Leaky ReLU
基金资助：厦门市自然科学基金项目(3502Z202373134);; 福建省社会科学基金项目(FJ2022BF028);; 重庆市语言文字科研项目：基于深度学习的中文文本摘要生成研究(yyk24209)
