注意力机制AMT去噪网络

识别先行，去噪更准

通过卷积块注意力机制和多分量样本设计，让网络聚焦噪声特征，在去除噪声的同时保护无噪数据段。

张亮 · 李光 · Chen, Huang · 汤井田 · 杨观赐 · Mingbiao, Yu · Yong, Hu · Jun, Xu · Jing, Sun

IEEE Transactions on Geoscience and Remote Sensing 2024

技术优势

保护无噪数据段

采用先识别后去噪的流程，避免去噪过程中损坏无噪数据段。

聚焦噪声特征

在ResNet残差块中引入CBAM结构，增强网络对噪声特征的学习能力。

利用分量相关性

样本集采用多分量形式，使网络在训练中探索AMT分量间的潜在联系，构建更强的映射关系。

应用场景

• 地球物理勘探数据处理：AMT数据去噪后可获得更可靠的地下电性结构，提升矿产资源勘探解释准确性。
• 大地电磁数据去噪：去除AMT信号中的多分量噪声，保留有效信号，提高信噪比。
• 深度学习信号处理：针对AMT信号特性设计的注意力网络，替代通用深度学习去噪方法。