买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种基于子空间投影注意力网络的井中DAS噪声抑制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116184502B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211545154.X，技术领域涉及：G01V1/36；该发明授权一种基于子空间投影注意力网络的井中DAS噪声抑制方法是由李月;章智闻;田雅男;吴宁;赵玉星设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本一种基于子空间投影注意力网络的井中DAS噪声抑制方法在说明书摘要公布了：本发明涉及一种基于子空间投影注意力网络的井中DAS噪声抑制方法，属于地球物理技术领域。包括子空间投影注意力网络的建立，训练集的构建，子空间投影注意力网络的训练，DAS数据消噪处理。本发明提出的子空间投影注意力网络使用投影进行自适应降噪，因为投影可以自然地保持输入信号的局部结构的优势，特别是在受污染严重或纹理较弱的区域，符合采集到的DAS数据特点，适合抑制复杂DAS噪声，合成数据和实际资料的去噪结果均表明，相比于带通滤波器和前馈去噪卷积神经网络DnCNN，本发明方法可以获得更有效的DAS复杂噪声消减极及有效信号能量恢复效果，且去噪过程简单高效。

本发明授权一种基于子空间投影注意力网络的井中DAS噪声抑制方法在权利要求书中公布了：1.一种基于子空间投影注意力网络的井中DAS噪声抑制方法，其特征在于，包括下列步骤： 一子空间投影注意力网络的建立； 1特征提取部分的构建； 信号输入Y在经过一次残差卷积块运算后，会分别交给下采样块和跳跃连接中的堆叠残差卷积块；送往下采样块中的数据通过最大池化运算进行特征提取，输出特征图，最大池化操作由步长为2的4×4卷积完成，每经过一个下采样块输出的特征图对数据进行降维，尺寸缩小一半，去除冗余信息，较原输入更为高级的特征图，然后将其向下一层传递以便进行后续更高级别的特征提取；经过堆叠残差卷积块的数据在特征提取后将作为低级特征图F1N，N代表层数，取1、2、3、4，送往同样处于跳跃连接中的子空间注意力模块SAM准备进行特征融合；最底部一层通过一个残差卷积块连接，提取等级最高的特征图经过残差卷积块整形为F5’送向特征融合部分； 2特征融合部分的构建； F5’先通过2×2的反卷积上采样得到F24，使尺寸到先前2倍大小，然后被送入子空间注意力模块SAM，在此模块中高级特征图F24与先前送入的低级特征图F14融合，融合后输出的特征图记作F4，融合后的特征图F4再与F5’沿通道维度连接，然后经残差卷积块输出为F4’送往上一层，接下来的各层特征融合部分也依此类推； 用N表示高级特征图，特征F1N，F2N来自于不同层，需要令它们大小相同，H,W表示高和宽，C表示通道数； 根据F1N，F2N，估计M个基向量，每个都是信号子空间的基向量，将这个过程抽象表示为： 1 则基的产生过程简单表示为： 2 其中为基向量组成的信号子空间； 在生成基向量组成的信号子空间的过程中，需要先将F1N，F2N沿通道维度连接得到，F仅表示该运算步骤的中间过程，不具有实际意义，然后将其送入带有个输出通道的残差卷积模块中，将其输出重塑为以产生维信号子空间，其中参数在训练期间以端到端方式更新； 式2中通过获得的基向量组成的信号子空间，通过正交线性投影将低级特征图F1N投影到上，设为信号子空间的正交投影矩阵，由进行如下运算得到： 3 是规范化项； 最后，在高级特征图F2N引导下将低级特征图F1N投影在信号子空间中重构为N： 4 其中表示子空间注意力模块输出的融合后的特征图，与传统的类UNet架构直接融合低级和高级特征相比，SA-UNet在特征融合之前会经由子空间注意力模块对低级特征图进行投影获得FN，再与上采样得到的高级特征图融合； 3最后一次残差卷积块的输出F1通过3×3卷积层整形与最初含噪信号输入y做差，最后输出即为输入含噪信号的去噪结果； 二训练集的构建； 用于训练子空间投影注意力网络的数据集称为训练集，所用的训练集包括纯净信号数据集s和含噪信号数据集y，y=s+n，其中n为噪声； 1纯净信号数据集； 通过前向建模的方式模拟大量DAS纯净信号，其具体参数设置如下：平面层数量为3-6个，深度均在300-500m，波速度为1500-3300ms，平面层密度为1970-2245kgm3，信号类型为雷克子波，信号主频为50-90Hz，井源距离为100-200m，采样时间间隔是1m，记录光纤长度为2000-4000m，采样频率为2500Hz；使用64×64的滑块从纯净记录中截取K个有效信号块作为纯净信号数据集，基于块的大小，K大于等于20000； 2含噪信号数据集； 为了构建含噪信号数据集，从实际采集的DAS地震信号记录中提取各种类型的噪声数据样本与纯净信号相叠加，以保证所提出的方法能够抑制各种类型的噪声，最终也得到K个大小为64×64的含噪信号数据块，相应含噪信号数据集由纯净信号样本与实际DAS噪声随机组合相加得到，并与纯净信号数据集标号一致，一一对应，作为一个训练样本对； 三子空间投影注意力网络的训练； 实际的含噪DAS地震记录是纯净信号s和DAS噪声n的线性叠加，如下式所示： 5 其中为想获得的纯净信号，为复杂DAS噪声，其相位幅度各有差异，包括随机噪声、耦合噪声、背景异常干扰、衰落噪声、水平噪声和棋盘噪声，则是实际野外采集到的含噪DAS地震记录，子空间投影注意力网络抽象为一个去噪器，通过不断训练建立从含噪信号数据到纯净信号数据的端到端映射关系，从而实现一次性去除各种噪声，只保留想获取的有效部分，如下式所示： 6 其中为经过去噪器处理后的输出信号数据，y是含噪信号数据，S表示去噪网络建立的去噪器的映射关系，抽象表示网络中的各项参数，为了优化映射关系，不断优化网络参数，从而使和纯净信号s无限接近，从训练数据集中随机选取一对记录样本，将其中的含噪信号数据作为子空间投影注意力网络的输入，将相应的纯净信号数据作为网络的期望输出，为了在不损害纯净信号的前提下抑制噪声，通过最小化以下损失函数来训练去噪器： 7 式中、分别表示纯净信号数据和含噪信号数据，是输入为的去噪器的输出，此时是去噪器的标签，即当其输入为时，去噪器的预期输出，通过大量训练样本的反复训练优化，最终获得适合实际DAS复杂噪声消减的子空间投影注意力网络中的各项参数，称之为得到的训练完成的模型； 四DAS数据消噪处理； 利用训练好的子空间投影注意力网络对DAS数据进行消噪处理，将实际采集的地震勘探的DAS数据输入到子空间投影注意力网络网络中，网络的输出结果就是消噪后的DAS数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。