Autoencoder liefert Parameter bei verrauschten, mehrkomponentigen Sinuswellen

Dämpfte Sinusschwingungen treten in vielen physikalischen Systemen auf und ermöglichen die Rückschlüsse auf zugrunde liegende Eigenschaften. Die Bestimmung ihrer Parameter wird jedoch besonders schwierig, wenn das Signal schnell abklingt, mehrere Komponenten überlagert sind und gleichzeitig Messrauschen vorhanden ist.

In dieser Arbeit wird ein auf Autoencodern basierendes Verfahren vorgestellt, das den latenten Raum nutzt, um Frequenz, Phase, Abklingzeit und Amplitude jeder Komponente in verrauschten, mehrkomponentigen gedämpften Sinuswellen zu schätzen. Durch die Analyse von Mehrkomponenten-Szenarien unter Gaussian‑Trainingsdaten und die Gegenüberstellung von Gaussian‑ und Uniform‑Trainingsverteilungen wird der Einfluss der Trainingsdatenverteilung untersucht.

Die Leistungsfähigkeit des Ansatzes wird anhand der Signalrekonstruktion und der Genauigkeit der Parameterbestimmung bewertet. Die Ergebnisse zeigen, dass das Verfahren selbst unter anspruchsvollen Bedingungen – etwa bei untergeordneten Komponenten oder nahezu gegensätzlichen Phasen – hochpräzise Parameter liefert und dabei auch bei weniger informativen Trainingsverteilungen robust bleibt.

Diese Erkenntnisse unterstreichen das Potenzial des Autoencoder‑Ansatzes als Werkzeug zur Analyse kurzer, verrauschter Signale in verschiedensten Anwendungsbereichen.