基于循环生成式对抗网络的一维时变信号自适应去噪研究

针对传统去噪方法自适应差、对低信噪比时变信号去噪能力不足的问题,提出了一种基于循环生成式对抗网络CycleGAN的信号去噪方法。将广泛用于二维图像数据风格迁移的CycleGAN改进为适用于时序信号的一维CycleGAN,通过含噪信号和无噪信号两个数据集的循环对抗训练,得到信号从含噪空间到无噪空间的端到端最佳映射,从而获得具备自适应降噪功能的去噪模型。经过6组添加了不同信噪比的高斯白噪声的含噪信号集的测试实验,结果表明,该方法对于低信噪比的含噪时变信号具有优越的去噪能力,在信噪比和均方误差这两项指标的评价上都显著优于传统方法。