-
公开(公告)号：CN117147031A
公开(公告)日：2023-12-01
申请号：CN202311109234.5
申请日：2023-08-31
Applicant: 中北大学
IPC: G01L5/00 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06N3/0442 , G06N3/084 , G01L5/14
Abstract: 本发明涉及一种冲击波场数据智能重构方法，基于生成对抗网络用来重建爆炸场测量盲区波形，首先，对传感器的点位进行布置，通过传感器对爆炸的冲击波进行采集，之后利用传感器采集到的时域波形信息及相应的位置信息进行数据处理并生成学习样本，再将处理好的样本数据输入到生成对抗网络中，最终通过生成对抗网络中生成器和判别器对抗训练生成测点盲区的波形。本发明通过建立深度学习网络模型，结合冲击波在空气中的传播规律，使得重建后的波形更加贴近真实波形。同时，能够为侵彻类弹药评估毁伤威力，检验、修正理论模型，改进打击方式提供重要的依据。本发明能够端到端自动补全所需的波形数据，具有很高的效率。
-
公开(公告)号：CN112114362B
公开(公告)日：2022-08-09
申请号：CN202010929952.7
申请日：2020-09-07
Applicant: 中北大学
IPC: G01V1/30 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种地下浅层爆炸时空场重建方法，将传感器阵列信号进行分组能量场成像，消除震动信号的噪声，提高每一时刻能量场成像的分辨率，利用互相关成像技术，消除逆时反传产生的成像干扰。利用爆炸震动信号的时变特性，设定时窗长度，将时窗长度内的能量场信息进行线性叠加。本发明提高瞬时能量场的能量聚焦强度，将空间域的三维能量场图像转换为时间‑空间域的三维能量场图像，提高能量场图像的数量和质量。本发明提高了定位的精度和定位的稳定性，同时极大了减少了传统浅层震源定位过程中定位参数提取、定位模型建模和定位模型解算等步骤，极大提高了震源定位效率。
-
公开(公告)号：CN119559696A
公开(公告)日：2025-03-04
申请号：CN202411629215.X
申请日：2024-11-14
Applicant: 中北大学
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06V10/22 , G06N3/0464
Abstract: 本发明属于动作识别技术领域，提供了一种基于上下文信息的连续视频人体行为定位方法。将候选动作分为开始、执行和结束三个阶段，依次对应候选框上文信息、候选框信息和候选框下文信息；利用卷积网络模型生成连续视频的帧级特征；以候选框的起止点为中心分别定义开始框和结束框，将候选框作为节点，通过注意力机制网络聚合节点邻域信息生成候选框上下文信息图谱。基于候选框上下文信息图谱形成行为定位网络模型，实现对视频的有效分割。本发明融合了动作阶段划分、特征提取、上下文图谱生成与模型构建，提升了候选框质量，实现了上下文信息的自适应聚合，细化了边界，克服了传统方法边界模糊的缺陷，进一步提高了候选框精度。
-
公开(公告)号：CN119513853A
公开(公告)日：2025-02-25
申请号：CN202411687520.4
申请日：2024-11-25
Applicant: 中北大学
IPC: G06F21/44
Abstract: 本申请提供一种系统安全验证方法、验证系统和终端设备，通过对一个信息物理系统进行动态逻辑层面的抽象化处理，构建出离散事件系统模型；在这种模型中，系统状态的变化是由离散事件的异步触发而驱动的，在本申请中，状态攻击指的是外部入侵者能够对系统发起状态攻击，并能够根据攻击后获取的信息，精确判断系统当前状态是否受到了攻击的影响；当不存在状态攻击时，通过分析系统生成的事件序列，对系统的当前状态进行合理的估计，从而验证系统的安全性。由此，本申请能够利用系统发生的事件序列以及外部入侵者可能获取到的攻击序列，对系统的当前状态进行合理的推断，从而有效地验证系统在遭受状态攻击时的安全性。
-
公开(公告)号：CN114299993B
公开(公告)日：2024-12-03
申请号：CN202111602267.4
申请日：2021-12-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于数据蒸馏的多枪声智能分类识别系统及方法，包括数据采集模块、数据分离模块、数据预处理模块、特征提取模块、神经网络及加速模块、输出模块；首先利用数据采集模块收集多个混合枪声信号，并将这些混合枪声信号传入数据分离模块，对多个枪声数据进行解耦分离，输出单个枪声数据，并输入到数据预处理模块，对每个单个枪声数据进行自适应滤波，去除混叠的噪声信号，经滤波后的多个声信号将输入特征提取模块，最终将分类结构输入到输出模块中。本发明可以将多枪声混合信号分离为多个单个枪声信号，再分别对每个单枪声信号进行识别，做到了多枪声混合同时分类的功能。可以有效的减少网络参数数量，整个系统体积削减到手掌大小。
-
Patent Agency Ranking
公开(公告)号：CN117787042A
公开(公告)日：2024-03-29
申请号：CN202311706714.X
申请日：2023-12-12
Applicant: 中北大学
IPC: G06F30/23 , G06F30/27 , G06N3/0464 , G06N3/0455 , G06N3/096 , G01V1/30 , G01V1/24 , G06F111/10
Abstract: 本发明属于地下浅层密闭空间重建技术领域，具体涉及一种地下浅层密闭空间波场分离解耦方法，首先在地下介质结构信息已知的情况下，通过声波方程生成纯净P波和纯净S波，以及利用有限差分方法合成P/S混合波，作为深度分离模型的训练集，然后将模型迁移到实际实验数据集中训练，同时利用空间极化滤波器设计的P波全波形信号作为标签约束模型迭代训练，最后得到的P/S混合波分离网络模型即可实现实际P波和S波信号的分离解耦。此方法仅需要已知地下介质结构的速度信息，不需要知道其他完备的信息包括介质密度、弹性模量、反射系数等，实现了网络模型在实际真实场景中的有效应用，增强了模拟数据集的完整性、可靠性和真实性。
-
公开(公告)号：CN112051611B
公开(公告)日：2023-04-25
申请号：CN202010928937.0
申请日：2020-09-07
Applicant: 中北大学
IPC: G01V1/30
Abstract: 本发明涉及一种基于深度强化学习的地下浅层起爆点定位方法，通过布设震动传感器阵列、生成基于能量信息的学习样本、设计深度学习网络，后，直接在三维能量场图设定一个初始搜索框，经过上采样输入训练好的深度决策网络中，输出最大价值对应的动作，然后在三维能量场图中，找到该动作对应的新区域，重新作为初始搜索框，并经上采样再次输入到深度决策网络，以此类推，直到停止动作时，最后一个区域的中心点为预测震源位置。本发明提高了定位的精度和定位的稳定性。同时极大了减少了传统浅层震源定位过程中定位参数提取、定位模型建模和定位模型解算等步骤，极大提高了震源定位效率。
-
公开(公告)号：CN113570111A
公开(公告)日：2021-10-29
申请号：CN202110724752.2
申请日：2021-06-29
Applicant: 中北大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/08 , G06N3/04 , G06N3/08 , G06F9/50 , G16Y10/30 , G16Y20/20 , G16Y40/10 , G16Y40/20
Abstract: 本发明涉及一种基于轻量化网络的桥梁健康状态片上监测方法，首先，将桥梁健康状态特征信息输入至深度特征提取网络中，通过一维位移卷积网络提取输入信息中的深度特征信息，将此深度特征信息输入到桥梁健康状态识别网络层，最终输出桥梁的状态识别结果。本发明将震动传感器采集的一维时序信息作为输入，桥梁的健康状态作为输出，与传统的方法相比，利用一维位移卷积操作和轻量点卷积降低了计算的复杂度，实现网络的轻量化，并且位移卷积操作为时间序列提供了灵活的感受野，提高了桥梁识别准确度。通过边缘计算技术，提高了桥梁检测实时性。
-
公开(公告)号：CN114299992B
公开(公告)日：2025-01-24
申请号：CN202111602264.0
申请日：2021-12-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于数据驱动的多声源智能分类识别方法，首先对声传感器采集到的一维枪声信号进行预处理，将预处理后的数据输入至特征提取网络中，通过Transformer模块提取输入数据中的深度特征信息，并将得到的深度特征信息输入至枪声判别网络中，最终得到枪声类别信息。本发明创造性的将Transformer结构用于枪声的识别分类，这种结构在并行计算方面远胜于RNN网络，解决了RNN网络内存占用大，无法对训练样本批处理的问题，提高枪声识别实时性。相较于CNN结构，更能捕获全局信息，在枪声光谱图的识别上，不再通过局部的纹理来进行种类的判断，而是通过光谱图中枪声的轮廓信息来辨别，提升了枪声识别精度。完善了枪声特征信息，进一步提高了枪声识别精度。
-
公开(公告)号：CN113469018B
公开(公告)日：2024-02-23
申请号：CN202110725737.X
申请日：2021-06-29
Applicant: 中北大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于RGB与骨骼多模态的人体交互行为识别方法，首先会对视频进行预处理，提取视频中人和物体信息，然后利用多模态从全局到局部构建人与物体之间的空间关系；并利用图卷积网络提取对应的深度特征，最后在特征层和决策层融合各个模态特征，用于识别人体交互行为；本发明利用RGB信息与人体三维骨骼模态的数据，通过构建空间关系网络模型，挖掘人与物体之间的空间关系，提取人与物体之间的多模态交互信息，并建立基于多模态交互信息的融合网络，有效地融合各个模态特征，利用各个模态的优势提高交互行为识别精度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.021 seconds)
