[发明专利]一种卷积神经网络实现的信号曲线自动解卷积方法

说明书

本发明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。

技术领域

本发明涉及信号处理领域，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。

背景技术

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。

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。

发明内容

本发明鉴于上述情况而做出，其目的是提供一种卷积神经网络实现的信号曲线自动解卷积方法，通过人工模拟产生训练数据，可自主训练而无需数据采集成本；训练完成的模型完全自动运行，不再需要优化计算，速度快；能够处理不同模式脉冲信号峰交叠的情况。

本发明提供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：

使用随机生成的高斯形、矩形、三角形函数模拟原始脉冲信号峰。

将模拟的原始脉冲信号峰进行随机摆放和任意叠加。

使用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。

对所述数据结果相加，得到模拟的信号曲线。

进一步地，在对模拟数据进行构造时，每一个孤立的原始模拟峰都是一个已知的解卷积后的脉冲信号，作为目标标记形成训练样本。

优选的，所述对训练样本进行构造为并行进行。

优选的，所述样本的产生数量可等价于没有上限。

进一步地，所述样本的标签为原始信号峰的列表，每个所述信号曲线的标签对应其所包含的脉冲峰叠加前的原始形状及位置。

使用卷积神经网络作为智能模型进行自动化识别。

使用训练成功的系统对新输入的信号曲线执行信号峰解卷积任务。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明的卷积神经网络实现的信号曲线自动解卷积方法处理流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。