-
公开(公告)号：CN109782363B
公开(公告)日：2020-01-24
申请号：CN201910116364.9
申请日：2019-02-15
Applicant: 吉林大学
IPC: G01V5/00
Abstract: 本发明属于核磁共振数据处理领域，具体地来讲为一种基于时域建模与频域对称的磁共振信号消噪方法,首先，根据工频噪声持续时间长，是一系列固定在电力线基频整数倍处的正弦波的特点，对噪声建模，并利用多通道仪器采集核磁共振信号和噪声数据，将参考通道中的工频噪声转换为主通道中的工频噪声，避免了在消除拉莫尔频率附近工频噪声时产生信号失真。随后，利用核磁共振信号和噪声成分经过傅里叶变换后在频域呈现的不同对称性，进一步消除残余工频噪声和高斯白噪声。本方法的噪声消除效果具有确定性，能够显著增强信噪比，并提高后续反演解释得到水文地质参数的准确性。
-
公开(公告)号：CN119169436A
公开(公告)日：2024-12-20
申请号：CN202411667242.6
申请日：2024-11-21
Applicant: 吉林大学 , 中国地质调查局水文地质环境地质调查中心
IPC: G06V10/82 , G06V10/762 , G06V10/80 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及地质环境灾害监测领域，具体为一种基于YADMW图像目标识别的滑坡面智能监测方法，该方法包括：使用摄像机对滑坡面进行多角度、多时段采集包括不同时间段，不同天气条件和不同地质类型下的滑坡面图像数据；将采集的滑坡面图像数据制作成滑坡面图像数据集；构建YADMW图像目标识别模型，利用滑坡面图像数据集对YADMW图像目标识别模型进行训练得到最终的YADMW图像目标识别模型，采用最终的YADMW图像目标识别模型对实时采集的滑坡面图像数据进行监测。本发明提高滑坡面异常检测的准确率。
-
公开(公告)号：CN117872487B
公开(公告)日：2024-05-24
申请号：CN202410264266.0
申请日：2024-03-08
Applicant: 吉林大学
Abstract: 本发明涉及地下水有机污染的地球物理方法检测领域，具体来讲为一种适用于油田原油渗漏检测的磁共振移动探测方法。通过将接收线圈搭载在承托骨架上，由移动探测车牵引，在发射线圈激发区域内步进移动扫描，探测发射线圈激发区域内的地下水有机污染，再通过反演解释地下水有机污染的分布情况。在数据处理过程中，首先将采集到的实测含噪声的核磁共振移动探测信号进行整理、扩展与筛选，形成原始含噪信号与纯噪声训练集，再将扩张卷积神经网络模块与权衡器并联组成新型卷积神经网络，构建原始含噪信号与原始含噪信号中噪声数据之间复杂的非线性映射关系，将原始含噪信号中的噪声数据从原始含噪信号中剔除，实现准确率更高的智能消噪。
-
公开(公告)号：CN114091538B
公开(公告)日：2024-04-30
申请号：CN202111390936.6
申请日：2021-11-23
Applicant: 吉林大学
IPC: G06F18/10 , G06N3/0464 , G06N3/088 , G06N3/084
Abstract: 本发明涉及磁共振测深信号噪声抑制方法领域，为一种基于信号特征的判别损失卷积神经网络智能降噪方法。应用无监督学习的智能降噪。该方法将实测数据前半段作为含噪信号，后半段作为噪声数据，使用卷积层、上采样层搭建卷积神经降噪网络，构建含噪信号与噪声之间的复杂映射关系，从而达到降噪目的，此外引入由卷积层搭建判别器，用以约束降噪网络的损失函数，通过不断更新网络参数，直到损失函数稳定得到降噪模型。本发明根据信号特性，采用无监督学习建立含噪信号与有效信号之间的映射关系，实现地面磁共振智能降噪，该方法不需要人工调整参数，无需大量人工标记。
-
公开(公告)号：CN116561515A
公开(公告)日：2023-08-08
申请号：CN202310539188.6
申请日：2023-05-15
Applicant: 吉林大学
Abstract: 本发明涉及磁共振测深信号工频噪声抑制领域，为一种基于循环神经网络磁共振信号工频噪声抑制方法。采用循环层、双线性层搭建网络模型。首先将含噪信号依据信号长度分成若干段，并采用正反双向输入至网络的输入端，仿真信号作为理想输出。然后针对输入的前段含噪信号进行预处理，实现循环层状态参数初始化。接着对每一段进行端点双向延拓，采用过冗余节点进行循环层计算。再利用误差反向传播法更新全局参数，直到损失函数稳定得到降噪模型。通过构建含噪信号与工频噪声之间的复杂映射关系，从而达到降噪目的。针对磁共振信号特点，采用循环神经网络，保留信号时序上的关联性，从而更好的映射含噪信号与工频噪声之间的复杂关系，得到更高的信噪比。
-
Patent Agency Ranking
公开(公告)号：CN116401513A
公开(公告)日：2023-07-07
申请号：CN202310391111.9
申请日：2023-04-13
Applicant: 吉林大学
IPC: G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及磁共振信号处理领域，为一种基于深度残差网络的磁共振工频谐波噪声抑制方法。首先将混叠了工频谐波噪声的含噪信号与工频谐波噪声作为深度残差网络的输入和输出，通过前向传播和反向传播计算误差，并引入残差块建立恒等映射，重复训练使损失函数减少至期望值，即可确定去噪模型。通过模型提取噪声并与含噪信号作差，从而获得去除工频噪声的信号。与传统方法相比，本发明利用训练过的模型进行预测的时间非常短，并且不需要调整网络参数。与卷积网络相比，残差网络在高深度时解决了退化问题，精度更高，模型效果更好，更加节省算力。
-
公开(公告)号：CN116148935A
公开(公告)日：2023-05-23
申请号：CN202310084262.X
申请日：2023-02-02
Applicant: 吉林大学
IPC: G01V3/14 , G06F18/10 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08 , G06N5/04 , G01V3/38
Abstract: 本发明一种磁共振地下水探测随机噪声抑制方法，包括：构建噪声抑制模型，通过噪声抑制模型对磁共振地下水探测随机噪声进行抑制；包括：向多组理想的磁共振信号中加入随机噪声，得到数据集；搭建模型，模型包括编码器和解码器，并初始化网络参数；利用训练集S对模型进行训练，通过编码器对数据进行特征提取得到隐变量z，通过解码器从隐变量z重构出有效信号；使得自编码器建立训练样本的概率分布模型来学习信号的分布规律，依据输入信号与重构信号偏差确定损失函数，并引入参数估计误差约束损失函数，更新网络模型参数，直到损失函数趋势稳定，得到自适应自编码器去噪模型；使用测试集T测试模型去噪效果。解决消噪效果有限，提高了消噪效率。
-
公开(公告)号：CN115017933A
公开(公告)日：2022-09-06
申请号：CN202210235561.4
申请日：2022-03-11
Applicant: 吉林大学
IPC: G06K9/00
Abstract: 本发明属于核磁共振测深信号噪声抑制领域，为一种基于类周期性小波系数恢复的核磁信号尖峰噪声抑制方法，包括以下步骤：首先对含有噪声的地面磁共振信号进行离散小波分解，提取出各尺度小波细节系数，运用类周期性小波系数恢复算法对各尺度小波细节系数进行更新，最后利用小波反变换恢复有效磁共振信号，剔除尖峰脉冲噪声。本发明仅通过处理单次信号即可有效剔除尖峰脉冲噪声，对强噪声环境中提取有效磁共振信号具有重要意义和应用价值。
-
公开(公告)号：CN111860273A
公开(公告)日：2020-10-30
申请号：CN202010672868.1
申请日：2020-07-14
Applicant: 吉林大学
Abstract: 本发明涉及一种基于卷积神经网络的磁共振地下水探测噪声抑制方法。首先将含噪信号与噪声信号做为卷积神经网络的输入输出，通过前向传播过程、反向传播过程计算传递函数梯度，并通过梯度下降法训练网络来优化网络参数，进而确定去噪模型，其中网络的卷积层对含噪信号与噪声信号特征进行自动提取，两者构造残差网络进而得到干净磁共振信号。本发明不仅对核磁共振信号中各类型噪声有压制作用有效提高信噪比，利用大数据和高性能计算平台，通过深度学习来提取强噪声干扰下磁共振信号的有效信息，与传统方法相比，一旦训练结束，预测时间仅为几秒，提高了工作效率，且训练和预测过程中无需人为调整参数，也不需要先验信息。
-
公开(公告)号：CN111650653A
公开(公告)日：2020-09-11
申请号：CN202010400933.5
申请日：2020-05-13
Applicant: 吉林大学
Abstract: 本发明涉及一种基于噪声相关和小波阈值法的磁共振信号降噪方法，包括使用核磁共振地下水探测仪同时收录探测线圈和参考线圈采集的数据，包括探测线圈采集的空采噪声s(t)和含噪磁共振信号sx(t)，参考线圈同步采集的参考噪声数据r(t)和参考噪声数据rx(t)，t为采样时间；根据小波阈值法的原理，对参考线圈采集的数据rx(t)进行处理，滤除其中含有的有效磁共振信号rs(t)，得到纯净的噪声数据；依据空采噪声在探测线圈和参考线圈中的相关关系，计算探测线圈中的噪声数据，并从含噪信号中去除，得到消噪后的磁共振信号。本发明在不限制探测线圈与参考线圈间距的情况下，有效消除磁共振探测信号中相关噪声的同时不损失信号成分，既提高了消噪效果，又节省人力物力。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.021 seconds)
