-
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。
-
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。
-
Patent Agency Ranking
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：CN119885875A
公开(公告)日：2025-04-25
申请号：CN202411967320.4
申请日：2024-12-30
Applicant: 中北大学
IPC: G06F30/27 , G06F30/23 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/0475 , G06N3/096 , G06N3/0464 , G06N3/0895 , G06F111/10 , G06F119/12 , G06F123/02
Abstract: 本发明公开一种地下震动场阵列化信息智能修复方法，包括：S1，布置传感器及虚拟测点，利用传感器对爆炸的震动信号进行采集，进而获得实际数据；同时，通过模拟地下三层介质，利用地下爆炸传播模型正演模拟得到模拟数据；S2，将实际数据及模拟数据组合成道集图的形式，并基于道集图建立目标域训练数据集与源域训练数据集；S3，利用源域训练数据集对深度插值模型进行一次训练；最终将经过一次训练后的深度插值模型迁移到目标域数据集中以自监督学习的方式进行二次训练；S4，基于经过二次训练的深度插值模型进行虚拟测点信号的插值，从而完成地下震动场阵列化信息的修复。还公开了对应的系统、电子设备及计算机可读存储介质。
-
公开(公告)号：CN117150222A
公开(公告)日：2023-12-01
申请号：CN202311109144.6
申请日：2023-08-31
Applicant: 中北大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G01V1/28 , G01V1/30
Abstract: 本发明涉及一种基于扩散模型的地下震动场测量数据智能修复方法，首先使用小当量弹药地下浅层爆炸实验方案获取震动场信号，通过VMD算法对信号进行去噪，提高震动场信号信噪比；通过4次小当量弹药地下浅层爆炸实验获取真实样本，保证样本的有效性，降低训练复杂度，提升模型可靠性；将缺失的共炮点道集作为扩散模型的输入样本，通过改变随机掩码模拟出不同状况下的缺失情况，增加了输入样本的多样性，提高模型泛化性，保证即使在实验数据缺失的条件下，仍能有较高的数据多样性；本发明使用的扩散模型在加噪和去噪过程中都是对整个道集进行处理，故模型可以更好地提取全局特征，对不同的缺失状况更加稳定。
-
公开(公告)号：CN113484906B
公开(公告)日：2023-11-03
申请号：CN202110724731.0
申请日：2021-06-29
Applicant: 中北大学
IPC: G01V1/28
Abstract: 本发明涉及一种基于低频能谱数据驱动的高分辨率能量场重建方法，通过设置在地表的等间距震动传感器阵列采集震源产生的震动信号；通过信号预处理模块对震动信号中的地噪声进行预处理并剔除传感器阵列中的无效数据；获取所有传感器的共有主频范围及不同频段的波形；获取多谱能量场序列图；设计生成对抗网络模型；网络模型训练稳定后保存下来，进行测试时，输入一个信号，生成网络模型将输出一个比其频率更高的信号。本发明建立低频信号到高频信号的非线性映射模型，补充了高频细节信息，提高了聚焦点分辨率；利用生成对抗网络优势，在生成对抗过程完成非线性映射模型的训练，能够更精确地估计丢失的高频信号，提高能量场聚焦程度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
