基于卷积自编码器的智能手机加速度记录去噪研究

摘要

智能手机加速度传感器记录的噪声水平通常高于专业地震仪器，而高质量的手机去噪效果对手机地震监测预警具有重要意义。为了探索对智能手机加速度记录去噪的可行性，以及提高手机获取的地震波形的信号质量，提出了一种“编码器-瓶颈层-解码器”架构的卷积自编码器模型，用于对手机加速度记录进行去噪。该模型由对称的编码器和解码器以及特征提取瓶颈层组成，编码器包含7层线性连接的卷积单元，解码器对称设置7层转置卷积单元，瓶颈层采用双向长短期记忆层用于捕捉时序特征。作为模型输入的是叠加手机加速度噪声的强震记录，模型训练的标签为去除手机加速度噪声的强震记录。测试结果表明：对于加速度峰值明显高于噪声水平的记录，噪声可以被有效压制，并保留大部分地震波形信息；对于加速度峰值与噪声接近或者淹没于噪声的记录，模型可以压制其高频噪声，并重建其频率在1～10 Hz部分的信息。同时，基于该模型的信噪比平均改善11.51 dB、STA/LTA检测算法触发率由29.4%提高至87.8%、平均触发误差2.66 s,均方误差为0.366、1～20 Hz的频域相干均值为0.74,在五项指标上的表现相比常规预处理方法如带通滤波和小波变换有一定优势。构建的模型一定程度上可以压制加速度记录中的手机噪声，对于手机监测预警信号处理具有潜在的应用价值。

关键词

智能手机 / 自编码器 / 去噪 / 信号重建 / 深度学习