摘要：地震波信号的降噪对于地震监测和地震学研究至关重要。提出了一种基于深度学习的端到端地震波降噪方法。该方法融合了卷积神经网络与多头自注意力机制，采用残差连接的编码器-解码器架构，一方面能够处理复杂背景和细节丰富的信号，另一方面多头自注意力机制能捕捉长距离依赖关系。通过一致性相关性损失与频域均方误差损失的联合约束，在时域和频域上均实现了优异的降噪效果。在公开数据集STEAD上的测试表明，该方法在峰值信噪比（PSNR）和信号相关性（CC）两个关键指标上均优于传统及现有的深度学习方法，皮尔逊相关性达0.918，峰值信噪比为36.79，达到先进水平。此外，在京津冀地震预警台网所记录地震波形数据上进一步验证，结果表明该方法能够在抑制噪声的同时，较好地保留地震信号（CC达0.70，PSNR为35.26）。
文章目录
0 引言
1 地震波降噪方法
1.1 地震波降噪问题分析
1.2 降噪网络架构
1.3 损失函数
2 设计与评估方法
2.1 实验数据
2.2 评估指标
2.3 实验设置细节
2.3.1 模型训练
2.3.2 数据增强
2.3.3 基线方法对比
3 定量定性分析结果
3.1 定量分析结果
3.1.1 信噪比评估
3.1.2 相关性评估
3.1.3 推理速度评估
3.2 针对不同噪声水平样本的降噪效果
3.3 可视化定性结果
4 结束语
