1D卷积自动编码器（Keras）中的填充问题

Question

我正在尝试几个图上的卷积自动编码器。 但是，我遇到了解码信号零边缘的问题（图）

地面实况图（左）和解码图（右）

我认为这是由于填充。 在使用零填充时，滤波器在编码和解码时在边缘处产生较小的值。 因此，解码信号的边缘接近零。

有没有办法解决这个问题？ 我可以减去信号的平均值来减少问题...但是，这是一个重要的数字，我想成为编码值的一部分（不绕过卷积）。 高值的纹波可能意味着与低值的相同纹波不同。

我尝试了因果填充类型，虽然问题似乎松散对称（结束看起来更好），但这种现象仍然存在。 我减小了过滤器的尺寸并去除了扩张，这似乎有所帮助。 但是，问题仍然存在。

救命？ :-)

码：

class Autoencoder(object):
    (...)
    padding = 'same'
    filter_sizes = [3,3,3,3,3,3]
    (...)
    def build_model(self):
        self.inputs = Input(shape=(intSampleLength,1))
        x = Conv1D(50, self.filter_sizes[0], padding=self.padding, input_shape=(dim1,1), activation=keras.layers.LeakyReLU(alpha=0.2))(self.inputs)
        x = Conv1D(80, self.filter_sizes[1], padding=self.padding, strides=2, activation=keras.layers.LeakyReLU(alpha=0.2))(x)        
        x = Conv1D(100, self.filter_sizes[2], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(x)
        x = Conv1D(100, self.filter_sizes[3], padding=self.padding, strides=2, activation=keras.layers.LeakyReLU(alpha=0.2))(x)        
        x = Conv1D(100, self.filter_sizes[4], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(x)
        self.encoded = Conv1D(100, self.filter_sizes[5], padding=self.padding, strides=2, activation=keras.layers.LeakyReLU(alpha=0.2))(x)

        x = Conv1D(100, self.filter_sizes[5], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(self.encoded)
        x = Conv1D(100, self.filter_sizes[4], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(x)
        x = UpSampling1D(2)(x)
        x = Conv1D(100, self.filter_sizes[3], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(x)
        x = Conv1D(100, self.filter_sizes[2], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(x)
        x = UpSampling1D(2)(x)
        x = Conv1D(80, self.filter_sizes[1], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(x)
        x = Conv1D(50, self.filter_sizes[0], padding=self.padding, activation=keras.layers.LeakyReLU(alpha=0.2))(x)
        x = UpSampling1D(2)(x)
        decoded = Conv1D(1,3,padding=self.padding, activation=None)(x)
        self.autoencode_model=Model(inputs=self.inputs,outputs = decoded)

        return self.autoencode_model