计算机应用

作者：薛雅丽, 徐忠敏, 刘世豪

单位：1.南京航空航天大学 自动化学院，南京 211106；2.常州慧勤新能源科技有限公司，江苏 常州 213164；3.北京电子工程总体研究所，北京 100854

关键词：重力数据,小波变换,深度学习,残差连接,通道注意力

基金：上海航天科技创新基金资助项目(SAST2022-013)

为降低干扰噪声对重力实测数据的影响，进一步提高重力数据处理精度，提出一种基于多级小波残差网络（MWRNet）的重力数据去噪方法，该方法结合小波变换和神经网络实现对重力数据中噪声分量的去除。首先通过小波变换分解重力数据，再利用神经网络提取噪声，同时引入残差通道注意力（RCA）模块增强网络的噪声提取能力。利用模拟数据和实测数据测试所提方法，实验结果表明：所提方法相较于其他重力数据去噪算法具有更好的效果。在噪声水平为50的实验中，所提方法相较于传统去噪算法三维块匹配算法BM3D（Block-Matching and 3D filtering），在峰值信噪比（PSNR）、结构相似性指数（SSIM）上分别提升了21.8%、9.3%；相较于基于深度学习的去噪算法DnCNN（Denoising Convolutional Neural Network）、MWCNN（Multi-level Wavelet-CNN），PSNR、SSIM也分别有所提升。

来源：2025年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第10期