一種人工智能應用程序可過濾城市噪音以提供更清晰的傳感器數據

斯坦福大學的一組研究人員與中國科學院的一位同事合作，建立了一個基于人工智能的過濾系統，以消除城市地區傳感器數據中的噪聲。在他們發表在《科學進展》雜志上的論文中，該小組描述了訓練他們的應用程序并根據先前事件的真實數據對其進行測試。

為了在檢測到時提供預警，科學家們在多發地區放置了儀，包括造成最大破壞和傷害或死亡人數最多的城市地區。但是學家發現從與城市生活相關的數據中挑選出與自然地面運動相關的數據很麻煩。他們指出，城市中的人類活動，例如車輛和火車，會產生大量噪音。在這項新工作中，研究人員開發了一種深度學習應用程序，可以確定哪些數據是自然的，哪些是人造的，并過濾掉那些非自然的。

研究人員將他們的新應用程序稱為UrbanDenoiser。它是使用深度學習應用程序構建的，并對80,000個城市噪聲樣本以及來自記錄的自然活動的33,751個樣本進行了訓練。該團隊將他們的過濾系統應用于加利福尼亞長灘記錄的數據，以了解其工作情況。他們發現與背景噪聲相比，它提高了所需信號的水平約15分貝。對結果感到滿意后，他們使用UrbanDenoiser分析了2014年附近地區發生的數據。他們發現，與沒有過濾的傳感器相比，該應用程序能夠檢測到四倍的數據量。

在下面的視頻(A)中，可以在波前出現7秒之前看到明顯的人為背景噪聲。在第二個視頻(B)中，數據更加清晰。

點代表傳感器位置。幅度由帶有地面運動強度的彩條刻度表示。雖然(a)中的背景包含明顯的人為噪聲，但(b)中的背景和波前要干凈得多。學分：雷洋

玩

研究人員建議他們的工具可用于淺層蠕變、局部應力集中和中間鎖定監測。此外，該系統需要使用來自特定區域的數據集進行再培訓，然后才能將其部署為監控系統。