基于神经网络的信号去噪方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115310496A(43)申请公布日2022.11.08(21)申请号202211114635.5(22)申请日2022.09.14(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人师梓洋(74)专利代理机构北京同立钧成知识产权代理有限公司11205专利代理师金兰黄健(51)Int.Cl.G06K9/00(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书14页附图6页(54)发明名称基于神经网络的信号去噪方法、装置、设备及存储介质(57)摘要本申请提供一种基于神经网络的信号去噪方法、装置、设备及存储介质。该方法包括：根据预设时间段内的数据信号，基于预设的神经网络模型，确定所述数据信号的延伸信号；延伸信号包括至少两个在所述预设时间段之前的信号点和至少两个在所述预设时间段之后的信号点，至少两个在预设时间段之前的信号点中存在极值点，以及至少两个在预设时间段之后的信号点中存在极值点；将数据信号和延伸信号进行组合，得到目标信号；对目标信号进行集合经验模态分解，并对分解后的目标信号进行去噪，得到目标信号的去噪信号；根据目标信号的去噪信号，得到数据信号的去噪信号。本申请通过神经网络模型对数据信号之外的信号点进行预测，提高去噪精度。CN115310496ACN115310496A权利要求书1/2页1.一种基于神经网络的信号去噪方法，其特征在于，包括：根据预设时间段内的数据信号，基于预设的神经网络模型，确定所述数据信号的延伸信号；其中，所述延伸信号包括至少两个在所述预设时间段之前的信号点和至少两个在所述预设时间段之后的信号点，所述至少两个在所述预设时间段之前的信号点中存在极值点，以及所述至少两个在所述预设时间段之后的信号点中存在极值点；将所述数据信号和所述延伸信号进行组合，得到目标信号；对所述目标信号进行集合经验模态分解，并对分解后的目标信号进行去噪，得到所述目标信号的去噪信号；根据所述目标信号的去噪信号，得到所述数据信号的去噪信号。2.根据权利要求1所述的方法，其特征在于，根据预设时间段内的数据信号，基于预设的神经网络模型，确定所述数据信号的延伸信号，包括：获取预设时间段内的数据信号，确定所述数据信号中的前端信号点和后端信号点；其中，所述前端信号点为所述数据信号中位于预设的第一时间点的信号点，所述后端信号点为所述数据信号中位于预设的第二时间点的信号点；将所述数据信号输入至预设的神经网络模型中，输出在所述前端信号点之前的一个信号点，为第一前端延伸信号点，以及输出在所述后端信号点之后的一个信号点，为第一后端延伸信号点；将所述数据信号、所述第一前端延伸信号点和所述第一后端延伸信号点输入至预设的神经网络模型中，输出所述第一前端延伸信号点之前的一个信号点，为第二前端延伸信号点，以及，输出所述第一后端延伸信号点之后的一个信号点，为第二后端延伸信号点；若所述第一前端延伸信号点是所述前端信号点和所述第二前端延伸信号点中的极值点，以及所述第一后端延伸信号点是所述后端信号点和所述第二后端延伸信号点中的极值点，则确定所述第一前端延伸信号点、所述第二前端延伸信号点、所述第一后端延伸信号点和所述第二后端延伸信号点为所述数据信号的延伸信号。3.根据权利要求2所述的方法，其特征在于，在输出所述第一前端延伸信号点之前的一个信号点，为第二前端延伸信号点之后，还包括：若所述第一前端延伸信号点不是所述前端信号点和所述第二前端延伸信号点中的极值点，则将所述第一前端延伸信号点、第二前端延伸信号点和数据信号输入至预设的神经网络模型中，输出所述第二前端延伸信号点之前的一个信号点，为第三前端延伸信号点；若所述第二前端延伸信号点是所述前端信号点、所述第一前端延伸信号点和所述第三前端延伸信号点中的极值点，则确定所述第一前端延伸信号点、所述第二前端延伸信号点和所述第三前端延伸信号点为所述数据信号的延伸信号。4.根据权利要求2所述的方法，其特征在于，在输出所述第一后端延伸信号点之后的一个信号点，为第二后端延伸信号点之后，还包括：若所述第一后端延伸信号点不是所述后端信号点和所述第二后端延伸信号点中的极值点，则将所述第一后端延伸信号点、第二后端延伸信号点和数据信号输入至预设的神经网络模型中，输出所述第二后端延伸信号点之后的一个信号点，为第三后端延伸信号点；若所述第二后端延伸信号点是所述后端信号点、所述第一后端延伸信号点和所述第三后端延伸信号点中的极值点，则确定所述第一后端延伸信号点、所述第二后端延伸信号点2CN115310496A权利要求书2/2页和所述第三后端延伸信号点为所述数据信号的延伸信号。5.