一种人工智能应用程序可过滤城市噪音以提供更清晰的传感器数据

斯坦福大学的一组研究人员与中国科学院的一位同事合作，建立了一个基于人工智能的过滤系统，以消除城市地区传感器数据中的噪声。在他们发表在《科学进展》杂志上的论文中，该小组描述了训练他们的应用程序并根据先前事件的真实数据对其进行测试。

为了在检测到时提供预警，科学家们在多发地区放置了仪，包括造成最大破坏和伤害或死亡人数最多的城市地区。但是学家发现从与城市生活相关的数据中挑选出与自然地面运动相关的数据很麻烦。他们指出，城市中的人类活动，例如车辆和火车，会产生大量噪音。在这项新工作中，研究人员开发了一种深度学习应用程序，可以确定哪些数据是自然的，哪些是人造的，并过滤掉那些非自然的。

研究人员将他们的新应用程序称为UrbanDenoiser。它是使用深度学习应用程序构建的，并对80,000个城市噪声样本以及来自记录的自然活动的33,751个样本进行了训练。该团队将他们的过滤系统应用于加利福尼亚长滩记录的数据，以了解其工作情况。他们发现与背景噪声相比，它提高了所需信号的水平约15分贝。对结果感到满意后，他们使用UrbanDenoiser分析了2014年附近地区发生的数据。他们发现，与没有过滤的传感器相比，该应用程序能够检测到四倍的数据量。

在下面的视频(A)中，可以在波前出现7秒之前看到明显的人为背景噪声。在第二个视频(B)中，数据更加清晰。

点代表传感器位置。幅度由带有地面运动强度的彩条刻度表示。虽然(a)中的背景包含明显的人为噪声，但(b)中的背景和波前要干净得多。学分：雷洋

玩

研究人员建议他们的工具可用于浅层蠕变、局部应力集中和中间锁定监测。此外，该系统需要使用来自特定区域的数据集进行再培训，然后才能将其部署为监控系统。