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！

龙图腾网获悉太原理工大学申请的专利一种基于多模态深度学习与信号处理的矿震智能识别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：CN120742406B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202510974611.4，技术领域涉及：G01V1/28；该发明授权一种基于多模态深度学习与信号处理的矿震智能识别方法是由韩振华;李斌;刘佳;夏书淇;赵偲;张晓怡;曹家睿;韩养之设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本一种基于多模态深度学习与信号处理的矿震智能识别方法在说明书摘要公布了：本发明公开了一种基于多模态深度学习与信号处理的矿震智能识别方法，属于矿震识别技术领域。针对传统的矿震信号处理方法无法充分利用传感器网络中信号的空间关联性和频域特征，且自动化水平较低，导致响应速度缓慢，影响应急处理效果的问题，通过地震波形数据和多模态特征输入，基于大语言模型LLMs生成的文本语义特征、傅里叶变换提取的频域特征以及obspy处理后的时序特征，构建融合图神经网络GNN与Transformer的动态图识别模型；通过信号间的互相关性动态更新图结构边权重，自适应矿山巷道等复杂环境的结构变化。

本发明授权一种基于多模态深度学习与信号处理的矿震智能识别方法在权利要求书中公布了：1.一种基于多模态深度学习与信号处理的矿震智能识别方法，其特征在于，所述方法包括以下步骤： 步骤1：在矿山环境中部署多个震动传感器，组成矿山传感器网络，通过矿山传感器网络实时采集地震波形数据，所述地震波形数据包括P波和S波在X、Y、Z轴方向上的加速度信号，并同步时间戳信息； 步骤2：对采集到的地震波形数据进行噪声抑制处理，利用地震学开源工具包Obspy读取原始加速度波形数据，并调用Obspy中BandpassFilter模块，对数据信号进行带通滤波处理，滤除低频地形漂移与高频机械噪声； 步骤3：将连续波形数据信号按固定时间窗口进行分段切片，结合历史事件记录或人工标注方式，对切片数据进行标注，构建监督学习数据集； 步骤4：调用Obspy中的STALTA算法对处理后的波形数据进行快速扫描，通过短时平均与长时平均能量比值分析，检测出候选异常震动事件，形成事件候选集； 步骤5：基于图神经网络对地震波形数据构建图结构，提取事件候选集中地震波形数据的频域统计特征与文本特征表示，将频域统计特征与文本特征表示进行融合，将融合后的多模态特征表示输入图结构； 步骤5.1：将每个传感器作为图节点，构建图结构，依据震动传感器之间的物理距离和对应信号之间的互相关性，计算边的权重，实现自适应图结构的构建，公式为： ，其中，表示节点i和j之间的边权重；表示互相关性，为节点间距离，为加权参数；表示节点i的特征向量；表示节点j的特征向量； 步骤5.2：对每个事件候选集的地震波形数据进行短时傅里叶变换，生成对应的时频谱图，短时傅里叶变换的公式为： ，其中，表示时刻t和频率f下的谱强度；表示时间信号；表示中心在时刻t处的窗口函数；表示复指数基；表示频率；表示积分变量； 步骤5.3：基于时频谱图提取频域统计特征，均值频率的计算公式为：； 主频的计算公式为：； 步骤5.4：获取与震动传感器相关的元数据信息，并输入大语言模型，生成对当前信号环境的语义描述； 步骤5.5：将语义描述文本输入大语言模型的嵌入层进行向量化编码，生成语义描述文本，通过嵌入模型得到128维文本特征表示，公式为：； 步骤5.6：将频域统计特征与文本特征表示拼接，形成每个震动传感器节点的完整多模态特征表示，并输入图结构，多模态特征表示的公式为：，其中，表示第i个震动传感器节点的频域统计特征，是从震动信号的频域分析中提取出的用于表征该节点震动在频率相关特性方面的特征表示；表示第i个震动传感器节点的文本特征表示；表示拼接后多模态特征的维度； 步骤6：构建时空联合特征矩阵；每个震动传感器的时序嵌入序列通过4层Transformer，利用多头注意力机制捕捉长时依赖，在位置编码注入时间戳信息，从而得到时空联合特征矩阵； 步骤7：事件分类与报告生成；将时空联合特征矩阵通过全连接层进行池化，随后输入分类器，将分类结果、关键特征输入LLMs，生成结构化报告。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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。