一种基于卷积神经网络的全波形数据去噪方法

专利主权项内容

1.一种基于卷积神经网络的全波形数据去噪方法，其特征在于，具体包括如下步骤：S1，激光雷达采集原始数据；S2，对原始数据十六进制数据转换为十进制数据；S3，建立一维卷积稠密连接网络，利用一维卷积稠密连接网络进行全波形数据去噪；S4，将去噪后的机载激光雷达全波形数据输出；步骤S3具体包括如下步骤：S3.1，建立一维卷积稠密连接网络包括：输入层、八个稠密块、八个过渡层和输出层；并且输入层连接第一稠密块后再连接第一过渡层，然后其余七个稠密块和七个过渡层交替连接，最后连接输出层；一维卷积稠密连接网络中的各个层的连接方式为：输入层连接第一稠密块后连接第一过渡层，第一过渡层连接第二稠密块后再连接第二过渡层；依次类推，第八稠密块连接第八过渡层后连接输出层；S3.2，将全波形数据输入输入层，输入层包括输入操作和卷积操作，卷积操作利用复合函数表示，复合函数/>依次执行：数据批归一化、一维卷积和ReLU激活函数操作，经过一维卷积后的全波形数据提升维度；S3.3，经过升维后的全波形数据进入第一稠密块进行特征提取，第一稠密块由六个稠密层稠密连接构成，并每个稠密层由两个大小不同的卷积核构成的卷积层连接组成，若稠密块中的第个稠密层的输出为/>，稠密层执行的操作用/>表示，则第/>个稠密层的输出可表示为：
；若在稠密块中每个稠密层的通道数的增长率为，数据在输入稠密层前的通道数为/>，则经过/>个稠密层后的通道数/>表示为：
；S3.4，全波形数据进入第一过渡层，数据经过第一过渡层中的一维卷积层后通道数被压缩，随后进行平均池化操作；S3.5，随后数据再通过七次如步骤S3.3-步骤S3.5的操作，最后经过输出层输出，输出层由一个卷积层和输出操作组成，卷积层将通道数压缩，输出操作批量输出去噪数据。