-
公开(公告)号：CN111597981A
公开(公告)日：2020-08-28
申请号：CN202010408412.4
申请日：2020-05-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进多尺度散布熵的大地电磁信号去噪方法及系统，该方法包括：步骤S1：将大地电磁信号分段，再分别提取每段大地电磁信号的改进多尺度散布熵；步骤S2：利用每段大地电磁信号的改进多尺度散布熵进行聚类分析识别出强干扰信号段和低频缓变化信号段；步骤S3：对所述强干扰信号段进行去噪；步骤S4：将步骤S3中去噪后的信号段与低频缓变化信号段进行合并拼接得到重构的大地电磁信号。本发明能获得高质量的大地电磁信号，能有效避免大地电磁低频数据丢失的情况，提升针对性去噪效果。
-
公开(公告)号：CN114970647B
公开(公告)日：2022-11-11
申请号：CN202210903303.9
申请日：2022-07-29
Applicant: 中南大学
Abstract: 本发明公开了基于概率神经网络的电磁数据识别方法及系统，将人工源电磁数据等周期分帧，分别提取每段人工源电磁数据的时域特征，其中，所述时域特征为最大值、峰值因子、脉冲因子和裕度因子；利用每段人工源电磁数据的时域特征参数训练概率神经网络；利用训练好的概率神经网络对人工源电磁数据进行有效信号与异常波形的识别，其中，所述有效信号为伪随机信号，异常波形为脉冲噪声、衰减噪声、三角波噪声和方波噪声；将识别为异常波形的数据进行剔除，合并且拼接识别为有效信号段获得人工源电磁数据。通过本申请解决了机器学习算法对人工源电磁数据无法高精细地识别异常波形的问题，提升了去噪效果、精度及数据质量。
-
公开(公告)号：CN111597981B
公开(公告)日：2022-05-27
申请号：CN202010408412.4
申请日：2020-05-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于改进多尺度散布熵的大地电磁信号去噪方法及系统，该方法包括：步骤S1：将大地电磁信号分段，再分别提取每段大地电磁信号的改进多尺度散布熵；步骤S2：利用每段大地电磁信号的改进多尺度散布熵进行聚类分析识别出强干扰信号段和低频缓变化信号段；步骤S3：对所述强干扰信号段进行去噪；步骤S4：将步骤S3中去噪后的信号段与低频缓变化信号段进行合并拼接得到重构的大地电磁信号。本发明能获得高质量的大地电磁信号，能有效避免大地电磁低频数据丢失的情况，提升针对性去噪效果。
-
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
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：CN114048661B
公开(公告)日：2022-09-16
申请号：CN202111434372.1
申请日：2021-11-29
Applicant: 中南大学
IPC: G06F30/23 , G06F111/10
Abstract: 本申请公开了一种层状介质下直流点源电位和电场处理方法和装置，包括：获取点源的三维坐标并根据所述点源所在的层状介质的位置定义上层和下层各地层，得到所述层状介质的模型，并对所述层状介质的模型进行三维网格剖分得到任意位置的参数；根据所述任意位置的参数建立所述任意位置的电场和电位方程；根据所述层状介质的各地层界面的电位和电流密度连续边界条件，将各地层电位和电场进行关联；以所述点源所在地层为基准，根据关联后的各地层电位和电场建立各个地层上界面和下界面的方程；对所述N个方程进行求解得到所述N个未知数的值；将所述N个未知数的值带入所述任意位置的电场和电位方程。通过本申请提高了计算效率，节约了计算资源。
-
Patent Agency Ranking
公开(公告)号：CN113591652A
公开(公告)日：2021-11-02
申请号：CN202110831694.3
申请日：2021-07-22
Applicant: 中南大学
IPC: G06K9/00
Abstract: 本申请公开了一种基于优化变分模态分解的电磁信号处理方法和装置，该方法包括：将待处理的电磁信号进行等距分段；利用最小包络熵作为改进鲸鱼优化算法的适应度函数，迭代得到模态个数K与惩罚因子α；使用所述K和所述α对分段后的所述电磁信号进行变分模态分解处理，得到K个模态分量；从所述K个模态分量中选择大于等于阈值的模态分量进行叠加获取重构有用信号，其中，所述阈值为去趋势波动分析中的标度指数值。通过本申请解决了VMD中靠主观经验设置参数难以消除不同人文电磁干扰的问题，从而自适应选取重构信号所需的参数，提升了去噪效果及信噪比。
-
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
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：CN115293039A
公开(公告)日：2022-11-04
申请号：CN202210933224.2
申请日：2022-08-04
Applicant: 中南大学
Abstract: 本发明属于油田开发技术领域，公开了一种基于改进海洋捕食者算法的电磁监测裂缝参数识别方法，本发明通过IMPA算法优化及实现：包括种群初始化改进、寻优参数优化、自适应边界条件约束，种群初始化改进采用Sobol序列替代传统不均匀随机分布的种群初始化，参数优化提出差异划分的阶段寻优替代传统MPA算法的均分三阶段寻优，自适应边界条件约束旨在舍去参数边界带来的局部最优解；构建水力压裂单缝缝长模型、方位模型，电磁监测通过对压裂井筒供电，在地面进行电位差测量，模型正演计算为所构建单缝模型下的地表所有测点观测的电位差异常计算，实现单缝缝长和方位的精细识别，从而指导水力压裂的效果评价。
-
公开(公告)号：CN114970646B
公开(公告)日：2022-11-01
申请号：CN202210903261.9
申请日：2022-07-29
Applicant: 中南大学
Abstract: 本发明属于人工源电磁法技术领域，公开了一种人工源电磁伪随机信号去趋势和噪声识别方法，利用去趋势波动分析结合固有时间尺度分解消除原始数据中的基线漂移，然后针对去基线漂移后的人工源电磁数据的等周期分段，提取联合特征参数结合优化概率神经网络实现智能且准确的异常识别，获取识别为有效信号段来重构人工源电磁高质量数据。本发明采用联合特征更为有效且有针对性地表征信号和噪声的区别，优化概率神经网络结构简单易操作，分类效果良好等特点，将人工源伪随机电磁数据实现智能且准确的噪声识别及剔除，能自适应且精确消除基线漂移和噪声数据，提高原始数据信噪比，提升现有智能识别算法在伪随机电磁噪声数据识别上的准确度。
-
公开(公告)号：CN114970647A
公开(公告)日：2022-08-30
申请号：CN202210903303.9
申请日：2022-07-29
Applicant: 中南大学
Abstract: 本发明公开了基于概率神经网络的电磁数据识别方法及系统，将人工源电磁数据等周期分帧，分别提取每段人工源电磁数据的时域特征，其中，所述时域特征为最大值、峰值因子、脉冲因子和裕度因子；利用每段人工源电磁数据的时域特征参数训练概率神经网络；利用训练好的概率神经网络对人工源电磁数据进行有效信号与异常波形的识别，其中，所述有效信号为伪随机信号，异常波形为脉冲噪声、衰减噪声、三角波噪声和方波噪声；将识别为异常波形的数据进行剔除，合并且拼接识别为有效信号段获得人工源电磁数据。通过本申请解决了机器学习算法对人工源电磁数据无法高精细地识别异常波形的问题，提升了去噪效果、精度及数据质量。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
