买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京聚原科技有限公司;北京邮电大学

摘要：本发明提供一种伽马能谱智能降噪方法、系统和存储介质，所述方法包括：将获取的伽马能谱划分为多个第一长度的伽马能谱片段，并且相邻伽马能谱片段具有第二长度的伽马能谱重合片段；基于预训练的卷积神经网络‑堆叠降噪自编码器分别对多个第一长度的伽马能谱片段进行降噪，得到多个降噪的伽马能谱片段；将降噪的伽马能谱片段中重合部分的同一位置数据点的值进行加权平均，并整合加权平均后得到的各个降噪伽马能谱片段的数据点，得到完整的降噪伽马能谱。本发明能够使得降噪过程易于操作，增强其自适应能力以及提高降噪效率。

主权项：1.一种伽马能谱智能降噪方法，其特征在于，该方法包括以下步骤：将获取的伽马能谱划分为多个第一长度的伽马能谱片段，并且相邻伽马能谱片段具有第二长度的重合部分；基于预训练的卷积神经网络-堆叠降噪自编码器分别对多个第一长度的伽马能谱片段进行降噪，得到多个降噪的伽马能谱片段；其中，所述卷积神经网络-堆叠降噪自编码器是由卷积神经网络和堆叠降噪自编码器组成的深度神经网络，并且卷积神经网络的输出作为堆叠降噪自编码器的输入；所述卷积神经网络包括输入层、交替的卷积层和池化层组成的骨干网络以及全连接层；所述堆叠降噪自编码器是由3个自编码器堆叠组成的全连接神经网络，并且前一个自编码器的隐藏层作为当前自编码器的输入；其中，所述骨干网络包括5个卷积层和5个池化层；将降噪的伽马能谱片段中重合部分的同一位置数据点的值进行加权平均，并整合加权平均后得到的各个降噪伽马能谱片段的数据点，得到完整的降噪伽马能谱；其中，预训练的卷积神经网络-堆叠降噪自编码器是通过以下方式获得的：在无噪伽马能谱片段中加入噪声生成含噪伽马能谱片段，通过将含噪伽马能谱片段输入卷积神经网络，并且利用卷积神经网络输出的第一伽马能谱片段作为堆叠降噪自编码器的输入，由堆叠降噪自编码器输出第二伽马能谱片段，计算第二伽马能谱片段与无噪伽马能谱片段的损失函数，并基于所述计算得到的损失函数进行网络参数的调优，完成一轮网络训练；在训练次数得到设定次数或所述计算得到的损失函数小于e-6的情况下，获得预训练的卷积神经网络-堆叠降噪自编码器；其中，所述网络参数包括神经元的权重和偏置，所述计算得到的损失函数为无噪伽马能谱片段和第二伽马能谱片段的数据点的值的均方根误差。

全文数据：

权利要求：

百度查询： 北京聚原科技有限公司 北京邮电大学 一种伽马能谱智能降噪方法、系统和存储介质