预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共26页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112053421A(43)申请公布日2020.12.08(21)申请号202011097709.XG06N3/08(2006.01)(22)申请日2020.10.14(71)申请人腾讯科技(深圳)有限公司地址518000广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人陈添财(74)专利代理机构北京市立方律师事务所11330代理人张筱宁(51)Int.Cl.G06T13/40(2011.01)G06T5/00(2006.01)G06K9/62(2006.01)G06N20/20(2019.01)G06N3/04(2006.01)权利要求书3页说明书13页附图9页(54)发明名称信号降噪处理方法、装置、设备及存储介质(57)摘要本申请公开了一种信号降噪处理方法、装置、设备及存储介质,涉及计算机领域。该方法包括:获取待降噪的信号曲线,所述信号曲线基于运动数据生成;将所述待降噪的信号曲线输入预训练的神经网络模型,得到所述待降噪的信号曲线中每个数据对应的降噪参数,并根据所述每个数据对应的降噪参数得到预降噪的信号曲线;对所述预降噪的信号曲线进行平滑处理,得到目标信号曲线。本申请通过预训练的神经网络模型对带降噪信号曲线进行降噪处理后,再进行平滑处理,通过这种方式得到的目标信号曲线不仅能够保留非噪声信号的细节,而且能够有效地平滑掉噪声,从而解决了信号毛刺比较大的情形下,直接进行平滑处理无法有效滤除毛刺平滑曲线的问题。CN112053421ACN112053421A权利要求书1/3页1.一种信号降噪处理方法,其特征在于,包括:获取待降噪的信号曲线,所述信号曲线基于运动数据生成;将所述待降噪的信号曲线输入预训练的神经网络模型,得到所述待降噪的信号曲线中每个数据对应的降噪参数,并根据所述每个数据对应的降噪参数得到预降噪的信号曲线,其中,所述神经网络模型用于对所述待降噪的信号曲线进行降噪处理;对所述预降噪的信号曲线进行平滑处理,得到目标信号曲线。2.根据权利要求1所述的方法,其特征在于,所述每个数据对应的降噪参数包括:所述每个数据对应的标准差和偏置值,则所述根据所述每个数据对应的降噪参数得到预降噪的信号曲线,包括:根据所述每个数据对应的标准差得到相应权重;根据所述每个数据对应的权重和偏置值,得到相应的预测值,由所述待降噪的信号曲线中所有数据的预测值构成所述预降噪的信号曲线。3.根据权利要求1或2所述的方法,其特征在于,所述对所述预降噪的信号曲线进行平滑处理,得到目标信号曲线,包括:根据所述预降噪的信号曲线中的第一目标数据的速度值,确定相应的截止频率,所述第一目标数据为所述预降噪的信号曲线中的任一数据;根据所述截止频率构建相应的滤波器;利用滤波器对目标数据段进行平滑处理,所述目标数据段为以所述第一目标数据为中心选取的一段数据;重复上述步骤直至遍历所述预降噪的信号曲线中的所有数据,得到目标信号曲线。4.根据权利要求1所述的方法,其特征在于,训练所述神经网络模型的过程,包括:对获取的原始不带噪的信号曲线叠加噪声,得到带噪信号曲线;根据所述带噪信号曲线中的每个数据,构建训练样本集;将所述训练样本集输入初始神经网络模型进行训练,输出预测的信号曲线,直至损失函数收敛,得到所述神经网络模型,其中,所述损失函数表征训练过程中所述神经网络模型输出的预测的信号曲线与所述原始不带噪的信号曲线之间的差异。5.根据权利要求4的方法,其特征在于,所述对获取的原始不带噪的信号曲线叠加噪声,得到带噪信号曲线,包括:对所述信号曲线叠加高斯白噪声,得到所述带噪信号曲线;或者,对所述信号曲线叠加高斯白噪声和异常值类型的噪声,得到所述带噪信号曲线。6.根据权利要求4的方法,其特征在于,所述根据所述带噪信号曲线中的每个数据,构建训练样本集,包括:以所述带噪信号曲线中的第二目标数据为中心,从所述带噪信号曲线中选取预设长度的数据片段,其中,所述第二目标数据为所述带噪信号曲线中的任一数据;根据所述数据片段、所述数据片段的各帧速度、以及对所述数据片段进行归一化后的数据,构建一个样本;重复上述步骤直至遍历所述带噪信号曲线中的所有数据,得到所述训练样本集。7.根据权利要求4至6中任一项所述的方法,其特征在于,所述将所述训练样本集输入初始神经网络模型进行训练,输出预测的信号曲线,包括:2CN112053421A权利要求书2/3页将所述训练样本集输入初始神经网络模型进行训练,得到所述训练样本集中每个样本的标准差和偏置值;根据所述每个样本的标准差和偏置值,得到相应的预测值,由所述训练样本集中所有样本的预测值构成所述预测的信号曲线并输出。8.根据权利要求7的方法,其特征在于,所述根据所述每个样本的标准差和偏置值,得到相