专利交易市场

本发明公开了一种利用密集残差混洗注意力网络的地磁数据去噪方法及系统，通过密集残差混洗注意力网络DRSANet实现去噪。DRSANet包括输入头部、主干模块和输出层，其中主干模块包括多个Block模块，前半部分Block模块的输出经下采样作为下个Block模块的输入，后半部分的Block模块的输出经上采样再与前半部分大小相同的Block模块输出相加作为下个Block模块的输入。Block模块包括双分支卷积模块、RDSAB模块、HDRDSAB模块和CA模块。本发明结合残差网络的特征复用优势、高密度连接的细粒度特征提取优势与混洗注意力的自适应特征选择优势，为地磁数据去噪提供了全新高效解决方案。

本发明涉及一种基于参考道数据约束与深度学习的地磁数据去噪方法及系统，深度学习模型包含IncepTCN分类网络及CS‑GRUTCN去噪网络，本发明将参考道数据约束思想引入时间序列的编辑，获得可靠的训练集；并将注意力机制、门控循环单元及时域卷积网络结合，充分利用了注意力机制可以提高模型特征提取能力及性能稳定性，门控循环单元（GRU）可以捕捉到数据中的时间相关性和长期依赖关系以及时域卷积网络（TCN）具有平移不变性和高效的并行计算能力，实现高效、高精度的地磁数据噪声识别与去除，显著提高了地磁数据噪声压制的自动化程度、去噪精度、噪声适应性等性能。

本发明属于数据去噪技术领域，公开了一种曲波域统计量自适应阈值探地雷达数据去噪方法及系统，方法包括：引入块状复数域阈值函数算法，分析传统阈值函数曲波变换去噪效果随阈值函数控制系数变化规律，用于后续曲波域统计量自适应阈值对比；利用高阶统计量理论，对曲波变换系数在尺度、方向上进行相关性叠加，通过相关性统计量自适应确定有效信号在曲波变换系数分布尺度、旋转方向；确定出清除噪声成分阈值范围，构建统计量自适应阈值函数曲波变换去噪算法。本发明对包含随机噪声、相关噪声合成探地雷达数据及实测探地雷达数据处理结果与现有技术对比，成果对复杂探地雷达数据精确推断解译具有指导意义。