公开(公告)号：CN118585916B

公开(公告)日：2025-02-07

申请号：CN202410969727.4

申请日：2024-07-19

Applicant: 中南大学

Inventor： 李富 ,  李帝铨 ,  胡艳芳 ,  朱云起 ,  刘业成 ,  王喆 ,  朱瀚宇

IPC: G06F18/243 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/09 ,  G06F18/2131 ,  G06F123/02

Abstract: 本发明涉及一种基于深度学习的时间序列智能识别方法及系统，方法包括：基于深度学习的CNN和RNN，结合STFT算法，构建TF‑DCRNN模型；构建用于信号分类的时间序列数据集及对应的信号类型标签，时间序列数据集包括训练集、验证集和测试集；利用训练集、验证集和测试集，依次对TF‑DCRNN模型进行训练、验证和测试，输出分类标签；将分类标签与信号类型标签进行比较，得到时间序列识别结果。TF‑DCRNN模型继承了CNN和RNN的优势，有效降低网络超参数训练量，防止过拟合情况发生；结合了信号的时频特征，增加了网络的可解释性，提升了网络整体性能。

公开(公告)号：CN117590478A

公开(公告)日：2024-02-23

申请号：CN202311555193.2

申请日：2023-11-21

Applicant: 中南大学

Inventor： 刘业成 ,  李帝铨 ,  胡艳芳 ,  李富 ,  王喆

IPC: G01V3/38

Abstract: 本发明公开了一种基于卷积神经网络和小波阈值法的大地电磁信号噪声压制方法及系统，方法包括：构建大地电磁纯净数据和多种大地电磁噪声，将其与标签输入至卷积神经网络训练，得到多分类模型；将实测大地电磁数据分段输入至多分类模型，细分各数据段的噪声类型并获取纯净数据段；将实测纯净数据分别与各类大地电磁噪声叠加作为模拟带噪数据；再针对各种类型的模拟带噪数据，采用小波阈值法去噪，并依据信噪比参数确定最优WT参数；针对实测大地电磁数据中各种噪声类型的数据段，使用对应的最优WT参数进行小波阈值法去噪，再将去噪后的数据段与细分的纯净数据段拼接，得到最终去噪后的大地电磁信号。本发明对大地电磁数据的去噪性能好。

公开(公告)号：CN117574056A

公开(公告)日：2024-02-20

申请号：CN202311555194.7

申请日：2023-11-21

Applicant: 中南大学

Inventor： 刘业成 ,  李帝铨 ,  朱云起 ,  刘子杰 ,  张贤

IPC: G06F18/10 ,  G06N3/0442 ,  G06N3/0464 ,  G06F18/2415

Abstract: 本发明公开了一种基于混合神经网络模型的广域电磁数据去噪方法及系统，方法包括：构建大尺度噪声和有用信号训练数据，进而构建带噪和有用信号训练样本并添加标签；将训练样本和对应标签输入至基于卷积神经网络和长短时记忆神经网络的混合神经网络中学习，获得数据分类模型；将实测广域电磁数据均匀分段输入至数据分类模型中，得到各数据段的分类标签并以此判断数据类型；针对实测广域电磁数据，将其中判定为噪声的数据段去除，将其中判定为有用信号的数据段保留，最后将保留的有用信号拼接重构得到最终去噪的广域电磁数据。本发明可以准确区分出实测广域电磁数据中的大尺度噪声和有用信号并去除噪声，有效提升广域电磁数据的质量。

公开(公告)号：CN118585916A

公开(公告)日：2024-09-03

申请号：CN202410969727.4

申请日：2024-07-19

Applicant: 中南大学

Inventor： 李富 ,  李帝铨 ,  胡艳芳 ,  朱云起 ,  刘业成 ,  王喆 ,  朱瀚宇

IPC: G06F18/243 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/09 ,  G06F18/2131 ,  G06F123/02

Abstract: 本发明涉及一种基于深度学习的时间序列智能识别方法及系统，方法包括：基于深度学习的CNN和RNN，结合STFT算法，构建TF‑DCRNN模型；构建用于信号分类的时间序列数据集及对应的信号类型标签，时间序列数据集包括训练集、验证集和测试集；利用训练集、验证集和测试集，依次对TF‑DCRNN模型进行训练、验证和测试，输出分类标签；将分类标签与信号类型标签进行比较，得到时间序列识别结果。TF‑DCRNN模型继承了CNN和RNN的优势，有效降低网络超参数训练量，防止过拟合情况发生；结合了信号的时频特征，增加了网络的可解释性，提升了网络整体性能。

公开(公告)号：CN117574056B

公开(公告)日：2024-05-10

申请号：CN202311555194.7

申请日：2023-11-21

Applicant: 中南大学

Inventor： 刘业成 ,  李帝铨 ,  朱云起 ,  刘子杰 ,  张贤

IPC: G06F18/10 ,  G06N3/0442 ,  G06N3/0464 ,  G06F18/2415

Abstract: 本发明公开了一种基于混合神经网络模型的广域电磁数据去噪方法及系统，方法包括：构建大尺度噪声和有用信号训练数据，进而构建带噪和有用信号训练样本并添加标签；将训练样本和对应标签输入至基于卷积神经网络和长短时记忆神经网络的混合神经网络中学习，获得数据分类模型；将实测广域电磁数据均匀分段输入至数据分类模型中，得到各数据段的分类标签并以此判断数据类型；针对实测广域电磁数据，将其中判定为噪声的数据段去除，将其中判定为有用信号的数据段保留，最后将保留的有用信号拼接重构得到最终去噪的广域电磁数据。本发明可以准确区分出实测广域电磁数据中的大尺度噪声和有用信号并去除噪声，有效提升广域电磁数据的质量。