一种基于深度神经网络的自适应异常振幅压制方法

发明专利有效专利

申请号：
CN202010159543.3
IPC分类号：G01V1/36;G06N3/04;G06N3/08
申请日期：
2020-03-09
申请人：
清华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度神经网络的自适应异常振幅压制方法
申请号	CN202010159543.3	申请日期	2020-03-09
法律状态	授权	申报国家	中国
公开/公告日	2020-06-19	公开/公告号	CN111308553A
优先权	暂无	优先权号	暂无
主分类号	G01V1/36 ? IPC结构图谱： G 物理 G0 仪器 G01 测量；测试 G01V 地球物理；重力测量；物质或物体的探测；示踪物（用于指示因事故被掩埋的人的位置，例如，被雪掩埋的人的位置的装置入A63B 29/02）〔4，6〕 G01V1/00 地震学；地震或声学的勘探或探测 G01V1/28 地震数据的处理，例如，分析、用于解释、用于校正（G01V 1/48优先）〔6〕 G01V1/36 完成记录的静态或动态校正，例如，传播范围的校正；地震信号的相关处理；消除干扰能量的影响	IPC分类号	G;0;1;V;1;/;3;6;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	清华大学	申请人地址	北京市海淀区清华园变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学	当前权利人	清华大学
发明人	陆文凯;田星宇
代理机构	北京众合诚成知识产权代理有限公司	代理人	暂无

摘要

本发明公开了一种基于深度神经网络的自适应异常振幅压制技术，所述技术包括以下步骤步骤1利用深度神经网络提取异常振幅的位置信息和宽度信息；步骤2利用步骤一提取的数据自适应地设计异常振幅区域的异常振幅衰减算法的参数。本发明利用深度神经网络的方法，使用网络来确定异常振幅的位置信息和宽度信息。然后再将这些信息用于后续的AAA去噪的过程中，从而使得AAA算法能够自适应地作用于不同的异常振幅，更好地压制噪声和保留有效信号。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供