-
公开(公告)号：CN106019377A
公开(公告)日：2016-10-12
申请号：CN201610308536.9
申请日：2016-05-11
Applicant: 吉林大学
IPC: G01V1/36
CPC classification number: G01V1/36
Abstract: 本发明提供一种基于时空域降频模型的二维地震勘探噪声去除方法，属于地震勘探环境下数据采集所得二维地震勘探记录的随机噪声消减方法。通过建立时空域的降频模型，将地震信号主频降低，线性度提高，并以此特征为差异区别于随机噪声，对二维地震勘探记录进行了去噪处理。有益效果是中频反射信号经降频模型处理后主频可降至一半以下，去噪后实际地震资料信噪比提高，与常规勘探方法相比恢复的反射波能量更强，反射轴更清晰，为后续反射振幅、速度及频率信息的准确提取提供有力保障，不但对于精确探明实际测区地下地质构造有很重要的作用，而且有利于准确估算油气储量及分布范围。
-
公开(公告)号：CN117952008A
公开(公告)日：2024-04-30
申请号：CN202410118822.3
申请日：2024-01-29
Applicant: 吉林大学
Abstract: 一种基于物理信息神经网络的地震勘探随机噪声正演方法属于机器学习与信号正演技术领域，本发明利用物理信息神经网络，将地震噪声波动方程，初值条件作为损失函数约束神经网络，实现基于物理信息神经网络地震勘探随机噪声正演。所构建的地震勘探随机噪声生成模型能生成和实际地震勘探随机噪声性质相近的模拟地震勘探随机噪声数据。本发明采用无监督学习方式，无需实际地震勘探标签数据，适用于不同场景、不同噪声源，无需重新训练网络和求取解析解，能在较短时间内较好地预测脉冲点源激励下的波场。
-
公开(公告)号：CN115222987A
公开(公告)日：2022-10-21
申请号：CN202210824955.3
申请日：2022-07-13
Applicant: 吉林大学
Abstract: 一种基于多尺度注意力网络和心冲击图的疾病分类方法属人体生理信号处理技术领域，本发明通过卷积神经网络提取心冲击图特征，利用多尺度卷积与置换注意力机制构建多尺度注意力单元，将心冲击特征分组分别通过不同小尺寸卷积路径，多尺度提取心冲击信号的本征特征图，再经置换注意力挖掘各通道间和空间特征关联形成权重矩阵，对多尺度本征图加权融合以增强心冲击图关键特征，进而预测受测者属于健康或冠状动脉等四类疾病的概率。本发明能有效提升基于心冲击图疾病分类的准确性，还可在相同性能条件下减少网络参数，避免深度网络计算量大和梯度消失问题，有助于在居家健康监测和远程辅助医疗领域的实际应用。
-
公开(公告)号：CN114460633A
公开(公告)日：2022-05-10
申请号：CN202210058763.6
申请日：2022-01-19
Applicant: 吉林大学
Abstract: 基于加权框架变换‑低维流形模型的地震去噪与插值方法属流形学习与地震图像处理技术领域，本发明的方法通过计算地震勘探数据的汉克尔矩阵将数据嵌入到新的空间中，利用汉克尔矩阵的框架变换系数集中性表征地震信号的低维流形，同时根据汉克尔矩阵的奇异值衰减快慢，设计了一个权值使框架变换系数集中在较大的奇异值上，从而使数据在嵌入空间的流形维度变小，来对地震勘探数据进行去噪和插值。本发明能有效滤除地震数据在采集信号过程中受到的随机噪声干扰，同时还可恢复信号中失真和缺失的波形，解决去除随机噪声和插值过程中信号丢失问题。
-
公开(公告)号：CN110596756A
公开(公告)日：2019-12-20
申请号：CN201910391828.7
申请日：2019-05-12
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明涉及一种基于自适应混合复扩散模型的沙漠地震勘探噪声压制方法，属于噪声压制方法。沙漠地震勘探数据结构方向估计，计算沙漠地震勘探数据平滑后的Laws能量特征量，然后利用平滑后的Laws能量特征量构造混合复扩散模型中的权重系数，对沙漠地震勘探数据进行自适应混合复扩散滤波，得到去噪后的沙漠地震勘探数据。本发明有效解决了基于梯度的非线性复扩散对大倾角同相轴的失真问题，进一步改善了地震同相轴的恢复精度，在有效去除沙漠地震勘探随机噪声的同时更好的保留同相轴结构信息，可以去除一般地震勘探去噪方法难以去除的沙漠噪声，提高沙漠地震勘探数据的信噪比，具有实用性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN107942390B
公开(公告)日：2019-05-31
申请号：CN201810042285.3
申请日：2018-01-16
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明涉及一种基于自适应复锐化扩散的沙漠地区地震勘探去噪方法，属于噪声压制方法。借助结构张量构建复锐化扩散滤波在梯度方向上的扩散系数，使其随地震勘探数据一致性程度非线性变化，从而控制对地震勘探数据信号区域和噪声区域的扩散程度，在此基础上，进一步利用结构张量的特征向量调节一致方向上的扩散系数，使扩散强度随地震不同区域变化而变化，进而增强复锐化扩散对同相轴幅度和结构的保持能力。合成数据和实际沙漠地区记录处理结果表明，本发明能够有效压制与地震勘探信号具有相似波形和频带的沙漠随机噪声，同时改善了对地震勘探信号保持效果，尤其对陡峭同相轴的恢复更加清晰和准确，具有实用性和有效性。
-
公开(公告)号：CN108037533A
公开(公告)日：2018-05-15
申请号：CN201810042284.9
申请日：2018-01-16
Applicant: 吉林大学
IPC: G01V1/36
CPC classification number: G01V1/364 , G01V2210/324
Abstract: 本发明提供一种基于块重组期望对数似然的地震勘探噪声压制方法，属于随机噪声的压制方法。首先对地震勘探数据分块处理,利用地震勘探数据块的统计特征构造内部先验，进而对地震勘探数据块分类重组，分别对待处理地震勘探数据组进行期望对数似然去噪，地震勘探数据重构。本发明将内部先验与外部先验相结合，利用内部先验提高了块期望似然外部先验匹配精度，本发明能够更有效地压制地震勘探数据中非平稳分布随机噪声，提高地震勘探数据的信噪比，可广泛应用于地震勘探随机噪声压制领域，为复杂地震勘探数据降噪处理提供了一种可靠的方法。
-
公开(公告)号：CN103308945B
公开(公告)日：2015-07-08
申请号：CN201310206438.0
申请日：2013-05-29
Applicant: 吉林大学
IPC: G01V1/36
Abstract: 本发明涉及一种陆地勘探初至前噪声的模拟产生与预测方法，属于一种地震记录初至前噪声的模拟产生与预测的方法。利用初至前噪声所表现出的混沌性，选取Duffing方程做为系统，使产生的信号在时域、频域和混沌性更加地接近实际初至前噪声，并且根据初至前噪声的系统来预测整道记录的随机噪声，达到压制噪声的目的。本发明的优点是在达到压制随机噪声的目的前提下，具有计算量小，有效地保持地震记录中有效反射波的幅值，能够保留地震记录中高频部分的有效反射波，提高其分辩率的优点，便于更好的解释地震资料中断层的存在，为复杂环境石油勘探、天然气勘探地震资料处理提供新对策。
-
公开(公告)号：CN119493954A
公开(公告)日：2025-02-21
申请号：CN202411465997.8
申请日：2024-10-21
Applicant: 吉林大学
IPC: G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/047 , G06N3/04 , G06N3/048 , G06F18/25
Abstract: 基于语义信息特征融合网络的DAS地震噪声压制方法属机器学习和地震图像处理技术领域，本发明包括引入轻量注意力模块，通过缩小特征图的尺寸，实现自注意力轻量化计算，有效捕捉DAS数据的非局部自相似特征；利用语义信息提取子网络提取含噪数据的语义信息，与自相似特征融合以更好地提取地震信号特征，指导后续降噪网络恢复有效信号形态；局部特征重构模块和全局特征重构模块分别从两个尺度进行特征重构，得到预测噪声；利用残差学习策略重建干净的DAS VSP数据。本发明对DAS VSP数据中多种类型噪声的抑制效果显著，且能更好地恢复有效信号。
-
公开(公告)号：CN117951544A
公开(公告)日：2024-04-30
申请号：CN202410118823.8
申请日：2024-01-29
Applicant: 吉林大学
IPC: G06F18/22 , G06F18/23213 , A61B5/02 , A61B5/024 , A61B5/00
Abstract: 一种个性化心冲击信号心拍检测方法属于机器学习与时间序列信号处理技术领域。本发明针对心冲击信号基于J峰的心拍检测方法效果不明显以及模板匹配方法预设参数导致心拍检测准确率不佳的问题，提出了将MVO算法与模板匹配算法相结合构建最优心拍模板进行心拍逐拍监测的方法，利用心冲击信号的波群特征初步检测心拍片段并构建心拍模板，心拍模板进行滑动匹配精准检测心拍；MVO算法利用黑洞、白洞和虫洞更新心拍长度和滑动步长这两个预设参数，直到得到最优参数。该方法与模板匹配算法相比，提取波峰波谷能克服心拍模板对于心拍片段J峰的依赖，MVO算法能提高心率逐搏估计的精度和高心率情况下心拍检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.015 seconds)
