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！

龙图腾网恭喜吉林大学申请的专利一种边坡滚石微震信号的自动检测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：CN119846692B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510322547.1，技术领域涉及：G01V1/00；该发明授权一种边坡滚石微震信号的自动检测方法是由佟训乾;杨飞龙;于淼;杨泓渊;张林行;张怀柱设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种边坡滚石微震信号的自动检测方法在说明书摘要公布了：本发明属于边坡微震信号分析及识别技术领域，涉及一种边坡滚石微震信号的自动检测方法，包括使用节点地震仪采集信号，建立数据库；采用连续小波变换获取时频图；搭建引入双注意力机制的卷积神经网络，通过训练减小损失值函数，获取损失值足够小的网络权重参数；将实时检测到的数据使用去噪后的MER‑AIC方法进行异常信号拾取；将拾取信号经连续小波变换后作为卷积神经网络的输入，由训练好模型给出识别结果实现自动检测。本方法可实现针对在岩质边坡中实时采集到的混杂有各类噪声的数据中全自动化地准确拾取异常信号及检测边坡滚石微震信号，实现滚石事件实时检测工作的智能化及自动化，降低对于人工的依赖，提升识别效率。

本发明授权一种边坡滚石微震信号的自动检测方法在权利要求书中公布了：1.一种边坡滚石微震信号的自动检测方法，其特征在于，包括以下步骤：步骤A，使用无缆节点地震仪采集信号，包括滚石微震信号、自然噪声信号、地震信号与大型机械微震信号，并对采集到的信号数据进行预处理，建立数据库；步骤B，使用连续小波变换获取时频图，用于制作边坡滚石微震信号分类的训练集和验证集，对训练集数据进行数据增强处理；步骤C，构建引入双注意力机制的卷积神经网络，通过训练减小损失值函数，获取50轮训练中损失值小于0.1的网络权重参数，将其中最小的网络权重参数作为引入双注意力机制的卷积神经网络检测模型的参数；构建引入双注意力机制的卷积神经网络模型包括卷积模块、注意力模块和分类模块三个部分；所述卷积模块部分用于提取信号时频变换后的局部特征，其由三个卷积块组成，每个卷积块包含三个CNN层、三个批归一化层和三个RELU激活函数；所述注意力模块部分由三个并行的多头自注意力层、SE通道注意力层、最大池化层和一个特征融合层构成；其中，多头自注意力层由三个部分组成，分别是层归一化、多头自注意力以及MLP构成；MLP由第一全连接层，激活函数和第二全连接层组成；多头自注意力进行特征提取的过程为：将输入特征X分别通过三组线性层生成Q、K、V：Q＝XWQ，K＝XWK，V＝XWV；计算Q和K的点积相似性，用于衡量每个patch对其他patch的相关性： 多头注意力通过分头计算，将输入拆分为多个子空间，从不同的角度捕获特征：MultiHeadQ,K,V＝Concathead1,head2,…,headhWO，以上公式中，Q、K、V分别为查询、键和值；WQ，WK，WV为线性变换的权重矩阵；dk为每个注意力头的特征维度；h为头的数量，每个头独立计算注意力；Concat为将h个头的输出拼接；headi是第i个头的输出；WO为可训练的线性投影矩阵；Softmax为对相似度进行归一化，得到注意力权重；SE通道注意力层通过结合最大池化和平均池化来提取每个通道的全局特征，通过降维和升维操作，学习到每个通道的重要性分布最后通过sigmoid函数将特征通道的重要性转化为介于0到1之间的权重系数，通过点乘和相加操作将每个通道的权重重新分配到输入特征图中；所述分类模块部分由FC模块和softmax函数构成，其中，FC模块由全局平均池化层、两个Dropout层和三个全连接层构成；步骤D，对实时检测的地震数据进行信号拾取，将每3s的数据作为一个数据片段，在每个数据片段内使用去噪后的MER-AIC方法进行异常信号拾取，在每个数据片段内得到异常信号位置索引；步骤E，根据步骤D中计算得到的异常信号位置索引结果，计算每个信号索引前后共3000个采样点的连续小波变换，形成二维时频图并自动保存，将其作为步骤C中引入双注意力机制的卷积神经网络检测模型的输入，得出识别结果实现自动检测。

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 吉林省长春市朝阳区前进大街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”。