排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
机车信号从钢轨提取轨道电路信号作为行车凭证,其译码输出性能对列控系统的可靠性和安全性有直接影响. 但列车运行过程中,机车信号不可避免地混入大量噪声和干扰,译码前需要降噪以提高准确性. 为此,提出一种基于全卷积神经网络(fully?convolutionalnetworks,?FCN)的机车信号降噪方法,该方法利用基于原始波形“端到端”处理方式的FCN,直接从时域对机车信号进行降噪处理,以提高信噪比(signal-to-noise?ratio,SNR);并利用仿真和实测数据对本方法进行了实验. 结果表明:相较于传统基于频谱的滤波方法,本方法对带内干扰有更显著的效果,采用FCN能使机车信号信噪比提高8~14 dB,可有效降低带内噪声. 相似文献
1