为什么很少拿神经网络来直接做滤波器呢?

其实无论是IIR(RNN)还是FIR(CNN)滤波器都可以看成一个简单神经网络,而且有严格的推理,可解释性比神经网络强多了,而已易于工程实现,因此在工程中大量应用。你说的含色噪声和其他乱七八糟的噪声难以滤除时,优先考虑现代信号处理方法(小波等)。

目前随着深度学习的兴起,深层神经网络进行信号滤波开始兴起(数据,算法,计算资源提升),虽然可解释性很弱吧。

举几个例子

基于深层神经网络的超低频信号降噪方法

为什么很少拿神经网络来直接做滤波器呢?_第1张图片

为什么很少拿神经网络来直接做滤波器呢?_第2张图片
为什么很少拿神经网络来直接做滤波器呢?_第3张图片

详细的例子

MATLAB环境下基于深度学习的JPEG图像去块(Image Deblocking) - 哥廷根数学学派的文章 - 知乎 MATLAB环境下基于深度学习的JPEG图像去块(Image Deblocking) - 知乎

MATLAB环境下基于深度学习的语音降噪方法 - 哥廷根数学学派的文章 - 知乎 https://zhuanlan.zhihu.com/p/56

基于深度学习的超低频信号降噪方法

程序使用的深度学习模块为pytorch,运行环境为jupyter notebook和python,降噪结果如下

一种音频降噪优化方法—基于时频正则化重叠群收缩

为什么很少拿神经网络来直接做滤波器呢?_第4张图片

该代码运行环境为MATLAB R2021B,一种音频降噪优化方法—基于时频正则化重叠群收缩,附带参考文献,英文注释,便于理解。

代码面包多下载,见评论区链接

你可能感兴趣的:(深度学习,图像处理,小波分析,神经网络,深度学习,人工智能,python,matlab)