基于卷积编解码网络的自由感应衰减信号提取方法

在实际应用中,自由感应衰减信号(FID)数据中通常含有大量噪声干扰,直接影响了检测结果的准确性.该文针对上述问题,设计了一种基于卷积编解码网络的FID信号提取方法.即在卷积神经网络的框架下,通过训练学习复杂噪声背景下FID数据时频谱与纯净FID信号时频谱之间的映射关系,实现FID信号的噪声压制,再经短时傅里叶逆变换完成FID信号的提取.在卷积网络训练中同时考虑了FID信号的实部和虚部特征,更好地保留了其相位信息.实验结果表明:提出的FID信号提取方法可以在多种噪声同时存在的情况下有效地压制噪声,且不损失FID信号.该方法可作为深度学习课程的验证性实验,也可作为创新性实验内容.