一种基于卷积神经网络的一维信号数据修复方法

摘要

本发明公开了一种基于卷积神经网络的一维信号数据修复方法，首先对受损数据进行限界处理，构建基于Encoder‑decoder架构的卷积神经网络模型，在卷积神经网络模型中的损失函数进行加权处理，使得修复后的数据更具有瞬时特性，本发明方法在没有任何先验知识的情况下，通过对受损信号的拟合，出色地还原了所有丢失的数据，解决了无线传感网络因链路不稳定、节点失效等因素导致的数据丢包问题；加入L2正则项避免网络的过拟合现象，选用迭代次数和损失函数变化率双重条件限制，作为训练的停止条件，有助于神经网络的性能稳定，提高了数据修复的效率；采用Adam优化算法，收敛速度快，抗噪声性能好，能够更加快速的修正卷积神经网络模型。