-
公开(公告)号：CN118260535B
公开(公告)日：2025-04-25
申请号：CN202410417128.1
申请日：2024-04-08
Applicant: 湖南师范大学
IPC: G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0464
Abstract: 本发明公开了一种基于跨尺度连接网络的大地电磁信号去噪方法及系统，包括：利用含噪信号样本库、噪声轮廓样本库训练出基于跨尺度连接网络模型的信噪映射模型，致密连接网络包含依次连接的基于轻量级致密连接网络骨干的特征提取模块、跨尺度连接层以及噪声特征融合模块；将实测的含噪大地电磁信号输入至所述信噪映射模型得到对应噪声轮廓，以及将所述实测的含噪大地电磁信号减去噪声轮廓得到去噪后的大地电磁信号。本发明优化网络架构引入跨尺度连接网络进行去噪，更进一步引入滑动多尺度分布熵进行信噪辨识，能够更有效引导网络精准压制大地电磁信号中的强干扰，保留信号低频段的缓变化信息，实现了良好的去噪效果，且可被应用于其他信号降噪领域。
-
公开(公告)号：CN114355696B
公开(公告)日：2024-05-07
申请号：CN202210020487.4
申请日：2022-01-10
Applicant: 湖南师范大学
Abstract: 本发明公开了一种在全光波长变换领域的基于光纤环串扰消除的偏振复用信号波长变换装置及方法。本发明采用的光纤环由一个偏振分束器（PBS）、高非线性光纤（HNLF）和一个偏振控制器（PC）组成。PBS将耦合后的泵浦光和偏振复用信号分解成x方向和y方向两个偏振模信号，x方向的偏振模信号沿顺时针进入HNLF，y方向的偏振模信号沿逆时针进入HNLF，在HNLF中分别独立的在x偏振方向和y偏振方向上进行四波混频。该方案不需要信号补偿数字信号处理单元，降低系统成本，实用性强。本发明可以消除偏振复用信号在波长变换过程中由于非线性偏振旋转效应引起的信道串扰，提高了系统的性能。且不需要信号补偿数字信号处理单元，具有结构简单，成本低，实用性强的特点。
-
公开(公告)号：CN111797501B
公开(公告)日：2023-06-23
申请号：CN202010495211.2
申请日：2020-06-03
Applicant: 湖南师范大学
IPC: G06F30/20 , H02M7/5387
Abstract: 本发明公开了一种三相逆变器实时仿真模型的建模方法，该方法包括：针对IGBT开通与关断过程，采用二次函数拟合IGBT开关动作过程的外特性曲线；采用MATLAB/simulink的查找表模块构建单个IGBT开关模型，利用有限状态机构建三相逆变器IGBT开关桥臂的计算模型，并根据控制脉冲计算输出相电压；将所建立的模型导入到FPGA中构建三相逆变器实时仿真模型。本发明具有建模精度高、在线计算量小、状态转换与控制逻辑清晰等特点，且可将所建模型直接移植到FPGA硬件上，实现低成本、快捷地构建三相逆变器实时仿真系统。
-
公开(公告)号：CN115169422B
公开(公告)日：2022-11-25
申请号：CN202211087013.8
申请日：2022-09-07
Applicant: 湖南师范大学
Abstract: 本发明公开了一种基于堆栈自编码器的大地电磁信号去噪方法及系统，该方法包括：构建含噪信号样本库以及噪声轮廓样本库，接着，基于大地电磁信号样本及其噪声轮廓样本训练出基于堆栈自编码器的信噪映射模型，然后，利用训练好的信噪映射模型对等长分段的实测大地电磁信号进行函数映射处理，得到实测大地电磁信号的噪声轮廓，最后，将实测大地电磁信号减去对应的噪声轮廓，进而得到去噪后的大地电磁信号。本发明通过上述方法引入堆栈自编码器至大地电磁信号降噪技术中，进而可以有效去除大地电磁信号中的强干扰的同时保留信号低频段的缓变化信息，达到良好的去噪效果。
-
公开(公告)号：CN113568058B
公开(公告)日：2022-06-03
申请号：CN202110821783.X
申请日：2021-07-20
Applicant: 湖南师范大学
Abstract: 本发明公开了一种基于多分辨率奇异值分解的大地电磁信噪分离方法及系统。该方法包括：获取实测大地电磁数据并分段；针对每一段大地电磁信号分别构造Hankel矩阵，并使用奇异值分解一层得到不同分辨率的近似信号和细节信号，利用不同分辨率的近似信号标准差和细节信号标准差的差值将大地电磁数据分为有用信号段或强干扰数据段；再利用多分辨率奇异值分解（MRSVD）算法分解每个强干扰数据段的近似信号得到大尺度噪声轮廓，并将强干扰数据段的信号减去对应的所述大尺度噪声轮廓得到有用信号段；将有用信号段和去噪后的数据段进行重构得到大地电磁有用信号。本发明所述方法引入MRSVD算法进行分解，分解误差小，能精细地保留更多的低频有用信号。
-
Patent Agency Ranking
公开(公告)号：CN111682792A
公开(公告)日：2020-09-18
申请号：CN202010628159.3
申请日：2020-07-02
Applicant: 湖南师范大学
IPC: H02M7/483 , H02M7/5387 , H02M7/5395
Abstract: 本发明公开了一种多步预测的变流器模型预测控制方法，其具体步骤为：设置控制时域与预测时域长度，控制时域包含若干个控制周期，预测时域比控制时域多一个控制周期，按控制时域更新控制量；在当前控制时域的每一个控制周期内，采样系统状态，实施相应控制，逐步计算预测时域内的系统状态，根据最后预测的系统状态，采用模型预测控制算法寻优计算下一控制时域中对应的最优控制量；对下一控制时域内的全部控制量进行脉冲优化以降低开关频率；在下一个控制时域的控制周期内实施优化后的控制量。该设计方法采用增加预测时域但不增加寻优时域的策略来减少多步预测的计算量，通过构建控制时域并采用脉冲优化的策略来降低开关频率，改善了控制性能。
-
公开(公告)号：CN119249269A
公开(公告)日：2025-01-03
申请号：CN202411309055.0
申请日：2024-09-19
Applicant: 湖南师范大学
IPC: G06F18/2415 , G06F18/22 , G06F18/214 , G06N3/0455 , G06F18/213
Abstract: 本发明公开了一种基于自监督对比学习的大地电磁信号去噪方法及系统，该方法包括：构建含噪信号样本以及获取含噪信号样本的噪声轮廓样本和/或纯净信号样本，利用含噪信号样本训练出基于对比学习框架的预训练去噪模型；取小部分带标签数据送入训练好的预训练模型，固定对比学习框架中各层的值，只对回归层做微调，得到训练好的信噪映射模型；最后将待降噪信号输入至信噪映射模型得到降噪的大地电磁信号。本发明引入自监督对比学习框架至大地电磁信号降噪技术中，并通过时域增广方式、频域增广方式实现数据增广，有效去除大地电磁信号中的强干扰的同时保留信号低频段的缓变化信息，达到良好的去噪效果。
-
公开(公告)号：CN118445549A
公开(公告)日：2024-08-06
申请号：CN202410595025.4
申请日：2024-05-14
Applicant: 湖南师范大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于特征融合的大地电磁信号去噪方法及系统，该方法包括：构建噪声轮廓样本和纯净信号样本库，再对信号样本进行ICEEMDAN分解以及利用相关度选择IMF分量进行数据增广，后将这两个样本库相加得到含噪信号样本库，并输入到特征融合注意网络FFA‑Net中训练出信噪映射模型，将待降噪信号输入至信噪映射模型得到噪声轮廓或降噪的大地电磁信号，若是得到噪声轮廓则将待降噪信号减去对应噪声轮廓得到去噪后的大地电磁信号。本发明引入特征融合注意网络至大地电磁信号降噪技术中，并通过ICEEMDAN分解方法实现数据增广，有效去除大地电磁信号中的强干扰的同时保留信号低频段的缓变化信息，达到良好的去噪效果。
-
公开(公告)号：CN118260535A
公开(公告)日：2024-06-28
申请号：CN202410417128.1
申请日：2024-04-08
Applicant: 湖南师范大学
IPC: G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0464
Abstract: 本发明公开了一种基于跨尺度连接网络的大地电磁信号去噪方法及系统，包括：利用含噪信号样本库、噪声轮廓样本库训练出基于跨尺度连接网络模型的信噪映射模型，致密连接网络包含依次连接的基于轻量级致密连接网络骨干的特征提取模块、跨尺度连接层以及噪声特征融合模块；将实测的含噪大地电磁信号输入至所述信噪映射模型得到对应噪声轮廓，以及将所述实测的含噪大地电磁信号减去噪声轮廓得到去噪后的大地电磁信号。本发明优化网络架构引入跨尺度连接网络进行去噪，更进一步引入滑动多尺度分布熵进行信噪辨识，能够更有效引导网络精准压制大地电磁信号中的强干扰，保留信号低频段的缓变化信息，实现了良好的去噪效果，且可被应用于其他信号降噪领域。
-
公开(公告)号：CN113642484B
公开(公告)日：2022-06-28
申请号：CN202110946805.5
申请日：2021-08-18
Applicant: 湖南师范大学
Abstract: 本发明公开了一种基于BP神经网络的大地电磁信号噪声压制方法及系统，该方法包括：分别构建噪声轮廓样本、纯净信号样本、带噪数据样本，再将带噪数据样本和纯净信号样本输入至第一个BP神经网络中训练得到BP信噪辨识模型。以及将带噪数据样本、噪声轮廓样本输入第二个BP神经网络，训练得到BP去噪模型。最后，将实测大地电磁数据均匀分段首先输入BP信噪辨识模型中，保留辨识为无干扰的数据段，并将干扰数据段输入至BP去噪模型中输出噪声轮廓，干扰数据减去对应的噪声轮廓得到干扰数据去噪后的数据。最终将保留的无干扰数据与去噪后的数据进行拼接重构得到去噪后的大地电磁信号。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.023 seconds)
