[发明专利]一种双阶段布里渊频移提取方法

权利要求书

1.一种双阶段布里渊频移提取方法，其特征在于，构建去噪和回归的双阶段网络，所述方法包括以下步骤：

(1)构建第一阶段的去噪网络，该网络是编码器、等维度的解码器和残差连接单元构成，实现布里渊增益谱的去噪：

1)编码器：采用多个卷积层和全连接层来提取布里渊增益谱X数据间的局部特征，得到特征A；

2)解码器：采用反卷积层和全连接层对编码器的输出A进行解码，还原得出去噪后的布里渊增益谱Y；

3)残差连接单元：通过对具有相同维度的编码器的卷积层输出和解码器的反卷积层输出进行跳跃连接；

(2)构建第二阶段的回归网络，该网络由卷积单元和回归单元构成，实现从布里渊增益谱中提取布里渊频移的功能：

1)卷积单元：采用n组不同的卷积序列[a₁,a₂,……,a_n]对去噪后的布里渊增益谱Y的不同数据点进行局部特征的提取，得出特征序列[p₁,p₂,……,p_n]，将特征序列进行组合，得到卷积单元的输出C；

2)回归单元：采用依次连接的多组全连接层将卷积单元的输出C映射到输出空间，得出布里渊频移f。

2.根据权利要求1所述的一种双阶段布里渊频移提取方法，其特征在于，所述的去噪网络具体为：

所述编码器包含多组依次连接的一维卷积层、ReLU激活函数层、最大池化层、BatchNorm层以及多个全连接层加ReLU激活函数层；

所述解码器包含与编码器等维度的全连接层和ReLU激活函数层，以及多组依次连接的反卷积层、ReLU激活函数层和BatchNorm层形成的子网络层；

所述残差连接单元是将解码器的子网络层输出经过ReLU激活函数与具有相同维度的编码器的卷积层输出进行跳跃连接。

3.根据权利要求1所述的一种双阶段布里渊频移提取方法，其特征在于，所述回归网络具体为：

所述卷积单元包含多组卷积序列，每组卷积序列是由一维卷积层、RELU激活函数层、最大池化层和BatchNorm层组合而成的网络层序列构成；

所述回归单元包含多组依次连接的全连接层网络和ReLU激活函数层形成的子网络层。

4.根据权利要求1所述的一种双阶段布里渊频移提取方法，其特征在于，所述回归网络中卷积单元特征序列的组合方式为残差连接或者堆叠连接。

5.根据权利要求4所述的一种双阶段布里渊频移提取方法，其特征在于，所述回归网络中卷积单元特征序列的组合方式为残差连接。

6.根据权利要求1所述的一种双阶段布里渊频移提取方法，其特征在于，所述去噪网络的损失函数选择K-L散度损失函数、均方误差损失函数或两者的加权组合。

7.根据权利要求1所述的一种双阶段布里渊频移提取方法，其特征在于，所构建的回归网络的损失函数选择L1损失函数、均方误差损失函数或两者的加权组合。

8.根据权利要求6所述的一种双阶段布里渊频移提取方法，其特征在于，所述去噪网络的损失函数选择K-L散度损失函数：

网络训练的数据集H＝{(x,t)}，其中x是理想的洛伦兹曲线加上高斯白噪声，t是对应的理想的洛伦兹曲线，y是输入数据为x时网络的输出，w是网络模型的连接权重矩阵和偏置向量的组合，q＝{q₁,...,q_i,...q_n}是输入数据为x时网络的输出满足的概率分布，p＝{p₁,...,p_i...,p_n}是标签t满足的真实洛伦兹曲线的概率分布，λ是正则化参数。

9.根据权利要求7所述的一种双阶段布里渊频移提取方法，其特征在于，回归网络构建的损失函数为L1损失函数：

其中，x是网络的输入，y是网络的输出，t是真实的布里渊频移值，w是网络模型的连接权重矩阵和偏置向量的组合，λ是正则化参数。