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