基于BiGRU-CNN的宽带电磁图像条带噪声去除方法研究

作     者：朱艳菊 赵梓寒 高志伟 Zhu Yanju;Zhao Zihan;Gao Zhiwei

作者机构：石家庄铁道大学信息科学与技术学院石家庄050043 河北电磁环境效应与信息处理重点实验室石家庄050043 

出 版 物：《强激光与粒子束》 (High Power Laser and Particle Beams)

年 卷 期：2023年第35卷第12期

页      面：41-47页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河北省教育厅基金项目(CXY2023005) 河北省重点研发计划基金项目(21350701D) 

主　　题：电磁成像系统 条带噪声 双向门控循环单元 卷积神经网络 噪声去除 

摘      要：电磁探测成像系统能够对电磁干扰源进行大范围、宽频带且快速的定位,系统主要由抛物反射面和多通道超宽频带信号采集系统组成。由于各个通道器件参数受限于制造工艺的影响不可能完全一致,探测不同频率干扰源的响应特性也不相同,导致获得的电磁图像中存在的条带噪声随干扰源的频率变化而呈现出不同的特征,严重地影响定位的精度。构建了双向门控循环单元(BiGRU)-卷积神经网络(CNN)模型,根据实测数据构建数据集作为模型的输入,BiGRU和CNN利用图像相邻行间的强相关性,从过去和未来的输入中广泛收集冗余信息,对条带噪声进行提取并对空间信息进行整合处理,利用数据之间的差值对这个过程进行循环迭代。通过大量的实验对模型进行验证,BiGRU-CNN方法与测试的经典方法相比更优,在垂直梯度能量方面降低了15.2%,在残差非均匀性方面降低了21.9%。