基于亚当优化深度信念网络的新型喉附着压电传感器
Ben Wang1,2,3, Hua Xia1,3, Yang Feng1,2,3
1School of Information Science and Engineering (SISE), Hangzhou Normal University, Hangzhou 311121, China.
Micromachines
|August 28, 2025
概括
这项研究引入了Adam优化的深度信念网络 (Adam-DBNs) 来消除喉压电信号. 这种新方法显著提高了信号清晰度和降低噪声, 性能优于传统的卷积神经网络.
科学领域:
- 生物医学工程
- 信号处理
- 机器学习
背景情况:
- 附在喉上的压电信号,通常来自聚乙烯化物 (PVDF) 传感器,对于生理监测至关重要,但容易受到环境和生理噪音的影响.
- 有效的消噪对于准确分析这些机械振动信号至关重要.
研究的目的:
- 使用Adam优化的深度信念网络 (Adam-DBNs) 开发用于喉附加的压电信号的先进消噪方法.
- 提高信号重建的准确性,并抑制PVDF传感器数据中的残余噪声.
主要方法:
- 用短时间里埃变换 (STFT) 将信号转换为时间频域.
- 通过反向STFT重建了一个掩盖的时间频率表示.
- 采用Adam优化的深度信念网络 (DBN) 进行特征提取和信号重建,以处理复杂的非线性噪声.
主要成果:
- 与传统的卷积神经网络 (CNN) 相比,Adam-DBNs的波形相似性得到了6. 77%的改善.
- 这种方法使局部噪声能量残留量减少了0.099696.
- 在信号重建准确度和残留噪声抑制方面观察到显著的优势.
结论:
- 拟议的Adam-DBNs方法为增强喉附着的压电传感器信号提供了一种高效和强大的解决方案.
- 这种方法有效地解决噪声污染,提高基于振动分析的生理监测的可靠性.
