摘要
حظي نموذج فك الخلط الخطي باهتمام واسع بفضل كفاءته (بسهولة الحساب، وقابلية التوسع)، والمعنى الفيزيائي الواضح وسهولة المعالجة. بين طرق فك الخلط الخطية المختلفة، أظهرت تقنية فك الخلط باستخدام التشفير الذاتي مزايا ملحوظة في قدرات ملائمة البيانات واستخراج الميزات العميقة. ومع ذلك، توجد بعض القيود في هذا الأسلوب. على سبيل المثال، تؤدي الضجيج في بيانات الإدخال إلى تقليل قدرة التعميم للنموذج أثناء المعالجة؛ غالبًا ما توجد بعض المشكلات الزائدة عند التعامل مع ميزات متعددة المقاييس؛ من أجل ضمان تعقيد حسابي خطي مع الحفاظ على الاعتمادية بعيدة المدى، هناك حاجة لفهم معمق للخصائص الفضائية والطيفية. لذلك، اقترح هذا البحث وحدة انتباه ذاتي لمعالجة إزالة الضوضاء في صور الطيف الفائق، واقترح نموذجًا جديدًا قائمًا على نموذج Mamba لصور الطيف الفائق. صمم أولًا كتلة Mamba فضائية لاستخراج الميزات الفضائية؛ ثم من الناحية الطيفية، اقترح كتلة Mamba طيفية؛ أخيرًا، قسّم المتجه الطيفي إلى مجموعات متعددة، واستخرج العلاقات بين المجموعات المختلفة، واستخلص الميزات الطيفية. دمج هذه الوحدات الثلاثة في شبكة تشفير ذاتي تلافيفية متعددة المراحل، لتشكيل إطار فك الخلط متعدد المراحل للانتباه مانبا (PSAMN). أجرى البحث تجارب مقارنة على مجموعتين من بيانات الطيف الفائق الاصطناعية والحقيقية باستخدام نموذج PSAMN المقترح. أظهرت النتائج التجريبية أن نموذج فك الخلط المقترح أكثر فعالية وتنافسية مقارنة بالخوارزميات القائمة.
关键词
فك خلط الطيف الفائق;التعلم العميق;نموذج Mamba;وحدة الانتباه الذاتي;كتلة مانبا