-
公开(公告)号：CN114545504B
公开(公告)日：2023-05-09
申请号：CN202210150265.4
申请日：2022-02-18
Applicant: 吉林大学
Abstract: 一种基于深度学习的沙漠地震勘探随机噪声建模方法属信号建模技术领域，本发明建立的深度随机噪声波动方程神经网络由多个随机噪声波动方程神经网络单元叠加而成，每个单元由一个可学习的卷积层和一个符号回归神经网络构成，以随机噪声为输入，首先使用微分卷积核近似微分算子，然后通过符号回归神经网络学习微分项之间的非线性响应，采用拟牛顿优化器逐级更新网络，学习随机噪声长时间的动态变化，最后得到控制随机噪声传播的波动方程解析形式；本发明能够利用少量数据很好地学习沙漠地震勘探随机噪声动力学模型，所模拟的随机噪声与实际复杂随机噪声具有相似的特性。
-
公开(公告)号：CN112598593B
公开(公告)日：2022-05-27
申请号：CN202011557990.0
申请日：2020-12-25
Applicant: 吉林大学
Abstract: 基于非均衡深度期望块对数似然网络的地震噪声压制方法属机器学习与地震图像处理技术领域，针对期望块对数似然算法中正则项参数仅随整体噪声方差变化导致强噪声无法彻底压制的问题，本发明提出了一种基于非均衡深度期望块对数似然网络的地震噪声压制方法，其中端对端的去噪网络由期望块对数似然去噪主网络和一个非均衡多层感知机参数估计网络构成，以含噪地震图像作为输入端，干净地震图像作为输出端学习网络参数，并首次采用块信噪比非均衡的调整多层感知机估计网络参数，本发明能实现对地震图像中的每个块估计出准确的正则项参数，更好的控制每个块的去噪强度，进而提升块去噪效果，在沙漠强噪声压制以及信号细节保持方面优于传统地震去噪算法。
-
公开(公告)号：CN113786191A
公开(公告)日：2021-12-14
申请号：CN202111104588.1
申请日：2021-09-22
Applicant: 吉林大学
Abstract: 一种基于多通道奇异谱分析的心冲击信号去噪方法属人体生理信号处理技术领域，本发明通过计算STA/LTA比值来获取心跳模板信号，利用模板与心冲击信号的相关性，将心冲击信号分割重建为一个空间结构具备连续性、且信号成分的秩已知的矩阵，使用多通道奇异谱分析分解矩阵，利用信号成分的低秩性与结构连续的相似性，直接选择与秩数相等数量的奇异值重构矩阵，使信号成分与噪声分离，再逆变换为一维心冲击信号。本发明能有效滤除心冲击信号监测系统在采集信号过程中受到的噪声干扰，在有效压制噪声的同时，还可恢复信号中波形失真、缺失的部分，进一步提高信号质量，同时避免重构信号时不易选择哪些奇异值属于信号成分的问题。
-
公开(公告)号：CN112598593A
公开(公告)日：2021-04-02
申请号：CN202011557990.0
申请日：2020-12-25
Applicant: 吉林大学
Abstract: 基于非均衡深度期望块对数似然网络的地震噪声压制方法属机器学习与地震图像处理技术领域，针对期望块对数似然算法中正则项参数仅随整体噪声方差变化导致强噪声无法彻底压制的问题，本发明提出了一种基于非均衡深度期望块对数似然网络的地震噪声压制方法，其中端对端的去噪网络由期望块对数似然去噪主网络和一个非均衡多层感知机参数估计网络构成，以含噪地震图像作为输入端，干净地震图像作为输出端学习网络参数，并首次采用块信噪比非均衡的调整多层感知机估计网络参数，本发明能实现对地震图像中的每个块估计出准确的正则项参数，更好的控制每个块的去噪强度，进而提升块去噪效果，在沙漠强噪声压制以及信号细节保持方面优于传统地震去噪算法。
-
公开(公告)号：CN107783191A
公开(公告)日：2018-03-09
申请号：CN201710990336.0
申请日：2018-01-26
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明涉及一种多维空间时空时频峰值滤波消减地震勘探随机噪声的方法，属于多维随机噪声消减方法。首先阐述了多维时空时频峰值滤波算法原理，设计了一种多维空间时空轨线滤波方法，实现在多维时空轨线空间的重采样和时频峰值滤波随机噪声消减，并结合合成地震勘探记录优化实际地震勘探记录处理方法。通过合成数据和实际记录结果表明，该方法能够有效消减低信噪比情况下地震勘探随机噪声，并能保持多维地震勘探数据中的有效信号。本发明为多维地震勘探随机噪声消减提供了一种有效工具，能用于具有复杂随机噪声的低信噪比地震勘探信号提取和保真恢复，该发明实用性强，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN115935295A
公开(公告)日：2023-04-07
申请号：CN202310016282.3
申请日：2023-01-05
Applicant: 吉林大学
IPC: G06F18/25 , A61B5/11 , A61B5/318 , A61B5/00 , G06N3/048 , G06N3/047 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 基于心冲击信号多尺度特征融合的心电信号智能生成方法属人体生理信号处理技术领域，本发明提出了一种多尺度特征融合变换网络，简称MFFTN，该网络由序列变换模块、多尺度特征融合模块、变换模块构成；MFFTN通过序列变换模块将心冲击信号波形归一化，多尺度特征融合模块提取心冲击信号的不同尺度特征进行融合，再通过变换模块生成心电信号，最后通过序列变换模块校准波形；本发明网络能有效从心冲击信号恢复心电信号，生成的心电信号与参考的心电信号相关系数为98.9％，为后续心脏疾病的居家监测和识别奠定了基础。
-
公开(公告)号：CN115877461A
公开(公告)日：2023-03-31
申请号：CN202211665638.8
申请日：2022-12-23
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 一种基于多尺度注意力交互网络的沙漠地震噪声抑制方法属机器学习和地震图像处理技术领域，本发明针对沙漠地震图像中低频噪声压制问题，提出了一种多尺度注意力交互网络，该网络先对输入地震数据下采样，然后利用不同核大小的双支路卷积层，自适应地学习多尺度地震数据的复杂特征，再采用多重注意力机制包括置换注意力和坐标注意力在通道、空间和坐标维度上整合和交互多尺度特征来获得连续的地震信号；该方法采用均方误差和平均余弦相似度的混合损失函数，将多尺度策略与注意力机制结合起来，提升沙漠地震图像去噪效果，与单尺度去噪卷积神经网络相比，本发明对沙漠噪声的抑制效果显著，优于单尺度去噪卷积神经网络对同相轴连续性的恢复。
-
公开(公告)号：CN114545504A
公开(公告)日：2022-05-27
申请号：CN202210150265.4
申请日：2022-02-18
Applicant: 吉林大学
Abstract: 一种基于深度学习的沙漠地震勘探随机噪声建模方法属信号建模技术领域，本发明建立的深度随机噪声波动方程神经网络由多个随机噪声波动方程神经网络单元叠加而成，每个单元由一个可学习的卷积层和一个符号回归神经网络构成，以随机噪声为输入，首先使用微分卷积核近似微分算子，然后通过符号回归神经网络学习微分项之间的非线性响应，采用拟牛顿优化器逐级更新网络，学习随机噪声长时间的动态变化，最后得到控制随机噪声传播的波动方程解析形式；本发明能够利用少量数据很好地学习沙漠地震勘探随机噪声动力学模型，所模拟的随机噪声与实际复杂随机噪声具有相似的特性。
-
公开(公告)号：CN110515128A
公开(公告)日：2019-11-29
申请号：CN201910824964.0
申请日：2019-09-02
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 基于地震勘探环境噪声空间秩相关系数的复扩散去噪方法属地震勘探环境噪声的去噪技术领域，本发明包括：计算地震勘探数据的Kendall空间秩相关系数；利用相关噪声与同相轴空间持续性的不同，获得不同的Kendall空间秩相关系数；基于Kendall空间秩相关系数的斜坡保持复扩散噪声压制。本发明能有效解决斜坡保持复扩散方法去噪结果中残留大量相关噪声的问题，此外，利用空间Kendall秩相关系数构建的自适应扩散系数，可对背景噪声和有效信号进行不同程度的扩散，进一步改善地震勘探数据的去噪质量；模拟数据和真实沙漠地震勘探数据的实验结果均表明：本发明对沙漠地震勘探噪声具有明显的抑制作用，能有效去除相关噪声。
-
公开(公告)号：CN108037533B
公开(公告)日：2019-05-31
申请号：CN201810042284.9
申请日：2018-01-16
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明提供一种基于块重组期望对数似然的地震勘探噪声压制方法，属于随机噪声的压制方法。首先对地震勘探数据分块处理,利用地震勘探数据块的统计特征构造内部先验，进而对地震勘探数据块分类重组，分别对待处理地震勘探数据组进行期望对数似然去噪，地震勘探数据重构。本发明将内部先验与外部先验相结合，利用内部先验提高了块期望似然外部先验匹配精度，本发明能够更有效地压制地震勘探数据中非平稳分布随机噪声，提高地震勘探数据的信噪比，可广泛应用于地震勘探随机噪声压制领域，为复杂地震勘探数据降噪处理提供了一种可靠的方法。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.019 seconds)
