MSE最高降56%
专为循环时间序列设计，用正则化加权策略替代传统滤波，避免波形失真，让深度学习模型在噪声临床数据上表现更稳。
Shang-Wei, Chao · Lian, Feng-Li
IEEE Access 2025
传统滤波会扭曲信号形态，自适应分解按噪声特性调整，保留波形特征，使深度学习模型能学到更好的表征。
相比FIR滤波器，采用自适应分解去噪后序列到序列模型的MSE降低56%，是所有对比方法中提升最大的。
基于正则化加权策略的分解方法自动适应噪声，不像传统滤波器需要针对不同噪声手动设置截止频率等参数。