数字技术与应用杂志社

摘要：<正>本文对多模态传感器在复杂环境下的噪声干扰与数据融合问题进行了探究，提出基于TMUnet模型的融合与降噪方法。通过在U-Net编码-解码框架中引入时序建模与多尺度卷积，实现跨模态特征的提取与对齐；构建噪声建模体系，并通过归一化、特征压缩与时间同步建立输入层预处理策略，在编码端增强时序特征，在解码端实现噪声抑制。该方法在信噪比、均方误差和结构相似性方面均优于传统方法与现有模型。TMUnet在智能制造、自动驾驶和医疗监测等场景中具有广泛的应用价值，为多模态传感器数据融合与降噪提供了新思路。

基金资助： 福建省中青年教师教育科研项目“基于TM-Unet模型的传感器降噪技术研究”（JAT241181）； 2024年度福建省中青年教师教育科研项目（科技类）“基于深度学习的风光混合发电系统最大功率追踪与优化控制研究”（JAT241182）；

专辑： 信息科技

专题： 自动化技术

分类号： TP212