-
公开(公告)号：CN101238992A
公开(公告)日：2008-08-13
申请号：CN200810063966.4
申请日：2008-02-01
Applicant: 哈尔滨工业大学
Abstract: 一种自适应波束形成器，属于医学超声成像领域。本发明针对传统的波束形成器不能充分抑制通道间随机相位误差引起的旁瓣效应和不能随探测位置动态调整影响聚焦效果的困难，提供一种基于相关性分析的自适应波束形成技术，该技术将各通道获取的回波信号分成若干段，针对每一段，首先利用经典的波束形成方法获取基准信号，然后将每个通道的信号与基准信号做互相关，再利用相关性系数对通道在该分段内的权重作动态调整，最后利用调整后的权重对各通道信号合成得到最终的波束输出。本发明用动态变迹方法适应探测环境的变化，抑制了随机相位误差引起的旁瓣效应。本发明在超声成像领域有着广泛的应用前景。
-
公开(公告)号：CN118537229B
公开(公告)日：2024-12-31
申请号：CN202410709161.1
申请日：2024-06-03
Applicant: 哈尔滨工业大学
IPC: G06T3/4076 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于记忆增强先验动态模型的超声高分辨率成像方法，所述方法提出记忆增强先验动态模型，通过构建包含稀疏性约束的损失函数，依照半二次分裂优化算法，建立反卷积优化求解器与近端映射网络集成迭代求解该损失函数，将PSF用于反卷积优化求解器初始化并设置为可学习参数，在训练中动态化更新，增强了模型的物理可解释性；建立LSTM单元置于近端映射网络之后，用于迭代过程中清除冗余信息，确保为下一次迭代提供必要的特征，得到记忆增强先验动态模型；通过对该模型参数进行优化，有效地获取精准的PSF与图像保真度权重因子，达到自动调参目标，实现超声图像的高分辨率重建。
-
公开(公告)号：CN118297802B
公开(公告)日：2024-10-01
申请号：CN202410423442.0
申请日：2024-04-09
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/20 , G06T5/60 , G06N3/04 , G06N3/084 , G06N3/0985 , G06N5/045
Abstract: 本发明公开了基于空间变化模型的超声高分辨率成像改进方法，所述方法基于空间可变模型，结合PSF轴向变化的特点，从超声图像不同深度得到空间变化PSF，构建多通道维纳反卷积层置于神经网络之前，通过将PSF设置为可学习参数，实现维纳滤波与神经网络的参数融合，从而增加模型的物理可解释性，训练过程中对模型参数进行优化，得到精准的空间变化PSF，达到自动调参的目的，实现超声图像高分辨率重建。本发明能够通过自动调参获取精准的空间变化PSF，提升成像质量，在超声图像高分辨率重建领域具有很高的社会意义和经济价值。
-
公开(公告)号：CN118312826A
公开(公告)日：2024-07-09
申请号：CN202410423441.6
申请日：2024-04-09
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G01N29/44 , G01N29/14 , G01N3/06 , G01N3/32 , G06F18/213 , G06F18/2321 , G06F17/16
Abstract: 本发明公开了一种基于多层级密度多峰值聚类算法的钢轨裂纹信号分类方法，首先，从钢轨疲劳实验中获取不同阶段裂纹的声发射信号，将信号转换为Hankel矩阵并进行奇异值分解后，通过计算奇异谱的熵值以获取信号的奇异频谱熵特征；然后，通过引入层级和全局衰减权重的概念，计算特征集中每个数据点的多层权重密度并基于数据点的密度关系计算相对距离；最后，通过选取决策图中的判别点以及计算微簇间的欧几里得距离序列实现微簇的自动识别和合并，最终得到钢轨裂纹的分类结果。本发明利用层级结构优化密度计算，并结合微簇自识别和合并策略有效提高分类准确率，适用于需要高精度的钢轨裂纹伤损分类领域。
-
公开(公告)号：CN117274094A
公开(公告)日：2023-12-22
申请号：CN202311232599.7
申请日：2023-09-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种用于可穿戴超声成像质量提升的反卷积重构方法，所述方法包括如下步骤：步骤一：建立可穿戴超声成像的卷积和噪声的数学模型；步骤二：针对正向数学模型中的图像退化因素，提出用于可穿戴超声成像质量提升的基于连续性和相对稀疏联合约束的反卷积模型；步骤三：整合保真项、嗨森约束以及稀疏约束项，并结合Split‑Bregman算法，建立优化求解模型，并且引入中间变量，进行迭代求解，以最终获得分辨率、信噪比以及对比度提升的可穿戴超声图像。该方法能够大幅度提升可穿戴超声图像的分辨率、对比度以及信噪比，使其在实际医疗应用中成为可能，在医疗超声检测领域具有很高的社会意义和经济价值。
-
Patent Agency Ranking
公开(公告)号：CN116660382A
公开(公告)日：2023-08-29
申请号：CN202310606990.2
申请日：2023-05-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于双层滤波和综合健康指数的钢轨结构健康监测方法，所述方法包括如下步骤：步骤一：依据电磁声发射信号特有的频谱能量分布情况，对原始声发射数据集进行滤波处理，排除干扰信号；步骤二：逐个计算各组信号之间的综合相关性指标，衡量不同信号的相关程度，排除与电磁声发射信号具有相同频谱能量分布的噪声信号；步骤三：从每组电磁声发射信号提取重心频率和Escort‑Tsallis熵两种特征，并据此构建综合健康指数，实现钢轨结构健康精确监测。本发明运算速率快，监测精准，裂纹分类准确。在高铁钢轨结构健康实时监测领域，具有很高的社会意义和经济价值。
-
公开(公告)号：CN110706170B
公开(公告)日：2023-03-14
申请号：CN201910916752.5
申请日：2019-09-26
Applicant: 哈尔滨工业大学
Abstract: 一种便携式B型超声诊断设备图像的去噪方法，它涉及基于图论中搜索方法以及空间域去噪的图像处理算法。本发明的步骤为：一、去除电磁干扰引起的图像噪声，从空间域噪声的分布特性上进行噪声的滤除；二、本专利提出了像素差异指数Pd，通过参数Pd对图像分块分类再针对每个不同类的分块进行处理，从而达到去噪的效果；三、对基于像素差异指数Pd的去噪算法进行GPU加速，从而满足超声实时性的要求。本发明的基本思想是基于图像空间域及像素差异指数的定义区分图像邻域种类并去噪，同时对算法进行加速以满足实时性要求。解决了便携式B型超声独有的干扰噪声与算法计算速度上过慢的问题，具有较高的经济效益。
-
公开(公告)号：CN114330455A
公开(公告)日：2022-04-12
申请号：CN202210006200.2
申请日：2022-01-05
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于压缩感知的钢轨声发射信号快速高精度重构方法，所述方法为：一、将采集到的钢轨声发射信号进行3层的小波包变换，得到多尺度数据集，通过构建高斯随机矩阵，对多尺度数据集进行随机采样，获得测量值矩阵；二、基于K‑SVD构建多尺度模块化字典，利用SAMP对多尺度数据集进行重构，通过计算重构测量值与原始测量值之间的峭度差；三、利用重构前后多尺度数据集的峭度偏差，自适应的对多尺度字典中性能差的模块进行局部更新，在满足重构信号的精度要求后，利用小波反变换，获取高精度的重构钢轨声发射信号。本发明能有效实现钢轨声发射信号的快速、高精度的压缩与重构，为钢轨结构健康监测中的裂纹信号分析提供指导。
-
公开(公告)号：CN108520234B
公开(公告)日：2021-04-06
申请号：CN201810309626.9
申请日：2018-04-08
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 一种基于多种特征量的盲信号提取方法，本发明提出利用一种或多种特征量同时对盲信号进行提取，对传统盲源提取方法添加各种约束并进行改进。本发明的步骤为：一、利用可变或多种特征值添加约束对传统盲源提取算法进行改进。二、利用预定的各个特征量对初始权限量进行选择。三、利用初始权限量进行迭代计算得到提取结果。本发明采用多种特征量同时对一个信号进行约束提取，让盲源提取的过程不再局限于固定的特征量进行判断，而是变为可变特征量或多种特征量同时进行判断，泛用性较强，优化了盲源提取方法。
-
公开(公告)号：CN110879254A
公开(公告)日：2020-03-13
申请号：CN201811029104.X
申请日：2018-09-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于改进最小二乘生成式对抗网络的钢轨裂纹声发射信号检测方法，本发明解决了针对不同种类的噪声环境下，通过对抗神经网络训练噪声模型实现自动滤除复杂噪声问题。本发明的步骤为：一、合成不同噪声背景下含噪信号样本库并归一化。二、生成式对抗网络的初始化。三、将去噪样本与参考样本共同输入判别器网络并根据判别误差更新判别网络权值。四、根据判别器损失值及去噪后均方误差更新生成网络权值。五、交替训练判别网络与生成网络最终用生成器前向网络实现噪声的有效去除。本发明与现有技术相比，具有以下优点：1)可用相同结构同时抑制多种噪声；2)自动学习噪声模型，不需任何先验知识；3)在高速强噪背景下仍能检测出裂纹声发射信号。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.03 seconds)
