少训练数据即用
将DAS VSP噪声建模为均值SDE过程，用NAFnet精确预测多类型噪声，无需海量数据即可高质量重建信号。
Feng, Qiankun · 王世刚 · Li, Yue
IEEE Transactions on Geoscience and Remote Sensing 2024
该模型将噪声建模为不同类型噪声的组合，能够同时处理DAS VSP数据中的多种干扰。
模型基于物理方程设计，因此相比传统深度学习方法对训练数据的依赖更低。
通过修改目标函数，直接优化信号重建质量，解决了标准扩散模型训练不稳定的问题。
实验表明，该方法在保留信号振幅方面优于传统深度学习方法，避免有效信号被削弱。