CN109061725B - 弹性波数据采集起跳点的自动识别方法及其所用的设备 - Google Patents

弹性波数据采集起跳点的自动识别方法及其所用的设备 Download PDF

Info

Publication number
CN109061725B
CN109061725B CN201810653306.5A CN201810653306A CN109061725B CN 109061725 B CN109061725 B CN 109061725B CN 201810653306 A CN201810653306 A CN 201810653306A CN 109061725 B CN109061725 B CN 109061725B
Authority
CN
China
Prior art keywords
data
array
point
phi
data acquisition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810653306.5A
Other languages
English (en)
Other versions
CN109061725A (zh
Inventor
兰盛
楼加丁
丁朋
付华
袁国锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PowerChina Guiyang Engineering Corp Ltd
Original Assignee
PowerChina Guiyang Engineering Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by PowerChina Guiyang Engineering Corp Ltd filed Critical PowerChina Guiyang Engineering Corp Ltd
Priority to CN201810653306.5A priority Critical patent/CN109061725B/zh
Publication of CN109061725A publication Critical patent/CN109061725A/zh
Application granted granted Critical
Publication of CN109061725B publication Critical patent/CN109061725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/34Displaying seismic recordings or visualisation of seismic data or attributes
    • G01V1/345Visualisation of seismic data or attributes, e.g. in 3D cubes
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/20Trace signal pre-filtering to select, remove or transform specific events or signal components, i.e. trace-in/trace-out
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00Details of seismic processing or analysis
    • G01V2210/70Other details related to processing
    • G01V2210/74Visualisation of seismic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种弹性波数据采集起跳点的自动识别方法,在采集到一组数据点S后,本方法自动识别起跳点包括以下步骤:步骤S1:取该组数据点S的前m个数据,计算出m个数据的均方误差;步骤S2:取合适长度为L1的模板Φ1,将模板Φ1所覆盖的数据保存到数组A中;步骤S3:将数组A中数据与尺度为σ的高斯函数做卷积;步骤S4:将数组A中数据在[0,1]区间内作归一化处理并保存到数组B,依次对数组B中第i(2≤i≤L1)个元素进行计算后的结果保存到数组C;步骤S5:利用算子Φ2从数组C的第j个数据开始,找出最大的score(j)值后确定起跳点位置。本发明具有可自动识别、精确定位起跳点,可缩小起跳点搜索范围,拥有识别曲线起跳点局部特征的算子的优点。

Description

弹性波数据采集起跳点的自动识别方法及其所用的设备
技术领域
本发明涉及弹性波起跳点的定位与判读,特别是一种弹性波数据采集起跳点的自动识别方法及其所用的设备。
背景技术
传统的弹性波层析成像数据采集过程中,数据采集设备的处理软件负责将采集到的离散数据点绘制成曲线显示出来。考虑到噪声等因素的干扰,一次采集获得的数据曲线如图1所示。通常在地层中由震源直接传播到观测点的弹性波称为直达波,在直达波到达前,设备采集到的波形曲线称为走时波1曲线,走时波1曲线的特点是数据点值波动变化小,基本平行于横轴。在直达波到达后,数据波形曲线立即发生跳变,其特点是数据点值波动变化大,整体呈现震荡衰减趋势。
数据采集的目的是获得弹性波在介质中的传递时间t,时间t反映在数据曲线上是从0时刻到波形发生跳变之前的时间段,也称直达波到达的对应时间。计算公式如下:
t=Ts·N
式中Ts是采集的离散数据点之间的时间间隔,N是采集设备开始采集到波形起跳之间的离散点个数。Ts由采集设备人为设定,N则需要根据采集获得的数据曲线判断起跳点2的位置获得,目前起跳点2 位置判读需要操作者手工进行评定。
随着工程物探技术的发展,在层析成像过程中,根据采集到的波形自动判定起跳点是非常有必要的。
传统的起跳点判读方法有如下几种:
第一种方法如图2,在显示波形曲线的平面上垂直于横轴设定一个标记线3,手工移动标记线3到波形起跳边缘,认为此时标记线3 所在横坐标对应的数据点为起跳点2。标记过程需要手工进行,增加了工作的复杂程度,降低了工作效率,而且在采集点较密时,手工标记也易产生误差。
第二种方法如图3,在显示波形曲线的平面上平行于横轴设定一个阈值线4,对应一个起跳阈值,当波形曲线的数据点大于该阈值时,则认为该点是起跳点5。该方法实现了自动标记,而且避免了噪声干扰造成的误起跳标记,但也不可避免的造成标记的起跳点5滞后于实际起跳点2。
综上所述:传统的标记方法缺乏自动判读机制,也不具备准确定位起跳点的机制,因此难以实现起跳点判读的自动化与精准化,人手工定位起跳点会导致工作效率低下,起跳点搜索范围大会导致计算量大、软件响应慢的问题。
发明内容
本发明的目的在于,提供一种弹性波数据采集起跳点的自动识别方法及其所用的设备。本发明具有可自动识别、精确定位起跳点,可缩小起跳点搜索范围,拥有识别曲线起跳点局部特征的算子的优点。
本发明的技术方案:一种弹性波数据采集起跳点的自动识别方法,在采集到一组数据点S后,本方法自动识别起跳点包括以下步骤:
步骤S1:取该组数据点S的走时波段的前m个数据,计算出m 个数据的均方误差,记为MSE;
步骤S2:在数据点S中取一个长度为L1的模板Φ1,计算模板Φ1所覆盖的数据的均方误差,记为MSEn,再设定一个比例系数β,判断β·MSE≤MSEn是否成立,若成立,模板Φ1所覆盖的数据按顺序保存到数组A中;若不成立,将模板Φ1向前移动一个数据,计算新的MSEn,再次进行判断,直至β·MSE≤MSEn成立,成立后,停止模板Φ1的移动,将当前模板Φ1所覆盖的数据按顺序保存到数组A中;
步骤S3:将数组A中数据与尺度为σ的高斯函数做卷积;
步骤S4:将数组A中数据在[0,1]区间内作归一化处理并保存到数组B中,找出数组B中绝对值最大、第二大和第三大的三个数 |max_1|,|max_2|,|max_3|,然后计算出a,将a值作为起跳波形斜率的绝对值估计,依次对数组B中第i个元素计算Δ(i)= |B[i]-B[i-1]|,计算后的结果保存到数组C中,其中i的取值范围为:2≤i≤L1
Figure BDA0001704712340000031
步骤S5:采用遍历的方法,利用算子Φ2从数组C的第j个数据开始,找出最大的score(j)值,数组C中第j+l个数据在数据点S 中的位置即为起跳点位置,
Figure BDA0001704712340000032
算子长度为2l,其中l的取值范围为:l≥1,函数的e-x
Figure BDA0001704712340000033
的长度各为l。
前述的弹性波数据采集起跳点的自动识别方法中,所述前m个数据为走时波的第1个到第m个数据。
前述的弹性波数据采集起跳点的自动识别方法中,所述比例系数β的取值范围为:0<β<1。
前述的弹性波数据采集起跳点的自动识别方法中,所述σ的取值范围为:0<σ<1。
前述的弹性波数据采集起跳点的自动识别方法中,所述Φ1为覆盖数据点S的第1到第L1个数据。
前述的弹性波数据采集起跳点的自动识别方法中,采集数据点S 的具体步骤包括:
步骤S11:发射探头6在0时刻发射弹性波,同时产生同步信号,数据采集器9通过同步信号电缆8接收同步信号开始采集数据,弹性波从发射探头6传递到接收探头7的时间为0~t1,在0~t1时间内数据采集器9采集到的数据波形称为走时波;
步骤S12:在t1时刻,弹性波到达接收探头7,接收探头7内的传感器将弹性波信号转换成幅度变化的电信号,此时数据采集器9采集到的波形开始以较大幅度震荡,t1时刻即为起跳点;
步骤S13:数据采集器9采集了足够的点后,于t2时刻停止采集,其中t2>t1,一组数据采集完成,记为数据点S。
一种如权利要求1-6中任意一项所述的弹性波数据采集起跳点的自动识别方法所用的设备,其特征在于:实现该方法所用的设备包括走时波估计模块、缩小范围模块、滤波模块、数据处理模块和特征识别模块;各模块与步骤一一对应。
本发明的有益效果:与现有技术相比,本发明提供的弹性波数据采集起跳点自动识别方法,在设备采集数据后并绘制数据曲线的基础上增加了起跳点的自动判读识别功能,一旦识别出了起跳点,采集设备软件可以很容易的计算出弹性波在介质中的传播时间,从而不再需要人工判读,也避免了数据点采集过密导致的起跳点的定位不准确问题,以及单独设定一个起跳阈值造成起跳点定位滞后问题,使工作效率和采集数据结果准确性都得到了提高。
附图说明
图1为层析成像施工采集获得的数据曲线示意图;
图2为人工移动标记线方法标记起跳点示意图;
图3为设定起跳阈值方法标记起跳点示意图;
图4为本发明实施例弹性波采集中起跳点自动识别方法的流程示意图;
图5为本发明实施实例的层析成像施工示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
本发明实施的弹性波数据采集起跳点的自动识别方法,不仅适用于本发明实例的层析成像设备,也适用于本发明实例外的弹性波检测方法。
实施例。工程物探中的弹性波层析成像施工示意图如图5,整套设备的主要部件包括:发射探头6,用于发射弹性波;接收探头7,用于接收弹性波并感应产生相应的电信号;同步信号电缆8,发射探头发射弹性波瞬间产生的感应电信号,同步信号电缆将该信号传递给数据采集器9;数据采集器9,用于采集接收探头产生的电信号并显示波形曲线。采集步骤如下:
步骤S11:发射探头6在0时刻发射弹性波,同时产生同步信号,数据采集器9通过同步信号电缆8接收同步信号开始采集数据,弹性波从发射探头6传递到接收探头7的时间为0~t1,在0~t1时间内数据采集器9采集到的数据波形称为走时波1,走时波1曲线的特点是数据点值波动变化小,基本平行于横轴;
步骤S12:在t1时刻,弹性波到达接收探头7,接收探头内的传感器将弹性波信号转换成幅度变化的电信号,此时数据采集器9采集到的波形开始以较大幅度震荡,t1时刻即为起跳点;
步骤S13:数据采集器9采集了足够的点后,于t2(t1<t2)时刻停止采集,一组数据采集完成,记为数据点S;
步骤S14:数据采集器9采用本发明的起跳点自动识别方法识别出起跳点,标记线标记起跳点位置;
步骤S15:数据采集器9根据起跳点的位置和采样间隔,计算出弹性波在介质中的传播时间,达到采集目的。
其中在采集到一组数据点S后,本方法自动识别起跳点包括以下步骤:
步骤S1:取该组数据点S的走时波段的第1个到第m个数据,计算出m个数据的均方误差,记为MSE,作为整段走时波均方误差的合理估计;实际该采集数据点S是对连续信号按一定采样间隔,进行采样获得的,因此是离散信号;数据点S的范围是指该组数据的个数,通常是人根据采集的数据是否包含起跳点确定的,一般为2048个点;
步骤S2:取一个长度为L1的模板Φ1,首先覆盖数据点S的第1 到第L1个数据,计算模板Φ1所覆盖的数据均方误差,记为MSEn,其中n可取1,2,……,n;设定一个比例系数β,判断β·MSE≤MSEn 是否成立,若不成立,可认为模板Φ1此时并未覆盖起跳点,或者覆盖了起跳点,但起跳点还处于模板边缘位置;对于不成立的情况,应将模板Φ1向前移动一个数据,计算新的MSEn,再次进行判断;若成立,则停止模板Φ1的移动,将当前模板Φ1所覆盖的数据按顺序保存到数组A中,此时,可认为将搜索范围缩小到了在数组A中搜索起跳点,为方便使β·MSE≤MSEn成立,比例系数β取的取值范围控制在 0-1之间较佳;
步骤S3:将数组A中数据与尺度为σ的高斯函数做卷积,过滤数据中的高频噪声;根据实验,σ的取值范围在0-1之间较佳;该步骤能够在不破坏起跳点局部特征的前提下,对曲线进行平滑处理,有利于后续步骤的起跳点特征提取;
步骤S4:将数组A中数据在[0,1]区间内作归一化处理并保存到数组B,找出数组B中绝对值最大和第二大和第三大的三个数 |max_1|,|max_2|,|max_3|,计算a值,将a值作为起跳波形斜率的绝对值估计。同时,依次对数组B中第i(2≤i≤L1)个元素计算Δ(i)=|B[i]-B[i-1]|,Δ(i)表示为数组B中相邻两数之差的绝对值,计算后的结果保存到数组C;
Figure BDA0001704712340000071
步骤S5:本发明设计了一个新的算子Φ2如下,该算子长度为 2l(l≥1),由两类函数的-x
Figure BDA0001704712340000072
组成,长度各为l;
Figure BDA0001704712340000073
其中x为数组中相邻两个数的差的绝对值,算子Φ2设计思路如下:
1、函数的e-x对于大偏差(x值较大)响应小,对于小偏差(x值较小)响应大;
2、函数
Figure BDA0001704712340000074
对于大偏差(x值较大)响应大,对于小偏差(x 值较小)响应小;
基于以上两个特性,算子Φ2能够很好的响应起跳点两侧的曲线变化趋势,来达到起跳曲线特征识别并提取起跳点的目的;
忽略边缘效应,采用遍历的方法,利用算子Φ2从数组C的第j 个数据开始
Figure BDA0001704712340000081
找出最大的score(j)值,则数组C中第j+l个数据在数据点S 中的位置即为起跳点位置。
本发明所用设备包括走时波估计模块、缩小范围模块、滤波模块、数据处理模块和特征识别模块;各模块与步骤一一对应,如图4所示,其中具体各模块的用途是:
走时波估计模块,用于估计走时波的均方误差;
缩小范围模块,用于在采集到的一组数据中初步确定一个小的搜索范围,而且该范围已包含了起跳点;
滤波模块,一旦确定了搜索范围,需要将该范围内的数据进行滤波处理,去除高频噪声;
数据处理模块,首先对数据归一化处理,估计起跳曲线的斜率,然后对相邻数据做差并取绝对值,将处理后的值存入一个新数组,该数组反映了原始数据的变化趋势;
特征识别模块,根据起跳点之前数据点值变化小和起跳点之后数据点值变化大的特征来识别起跳点。

Claims (7)

1.一种弹性波数据采集起跳点的自动识别方法,其特征在于:在采集到一组数据点S后,本方法自动识别起跳点包括以下步骤:
步骤S1:取该组数据点S的走时波段的前m个数据,计算出m个数据的均方误差,记为MSE;
步骤S2:在数据点S中取一个长度为L1的模板Φ1,计算模板Φ1所覆盖的数据的均方误差,记为MSEn,再设定一个比例系数β,判断β·MSE≤MSEn是否成立,若成立,模板Φ1所覆盖的数据按顺序保存到数组A中;若不成立,将模板Φ1向前移动一个数据,计算新的MSEn,再次进行判断,直至β·MSE≤MSEn成立,成立后,停止模板Φ1的移动,将当前模板Φ1所覆盖的数据按顺序保存到数组A中;
步骤S3:将数组A中数据与尺度为σ的高斯函数做卷积;
步骤S4:将数组A中数据在[0,1]区间内作归一化处理并保存到数组B中,找出数组B中绝对值最大、第二大和第三大的三个数|max_1|,|max_2|,|max_3|,然后计算出a,将a值作为起跳波形斜率的绝对值估计,依次对数组B中第i个元素计算Δ(i)=|B[i]-B[i-1]|,计算后的结果保存到数组C中,其中i的取值范围为:2≤i≤L1
Figure FDA0002324668660000011
步骤S5:采用遍历的方法,利用算子Φ2从数组C的第j个数据开始,找出最大的score(j)值,数组C中第j+l个数据在数据点S中的位置即为起跳点位置,
Figure FDA0002324668660000012
Figure FDA0002324668660000021
算子长度为2l,其中l的取值范围为:l≥1,函数e-x
Figure FDA0002324668660000022
的长度各为l;其中x为数组中相邻两个数的差的绝对值。
2.根据权利要求1所述的弹性波数据采集起跳点的自动识别方法,其特征在于:所述前m个数据为走时波的第1个到第m个数据。
3.根据权利要求1所述的弹性波数据采集起跳点的自动识别方法,其特征在于:所述比例系数β的取值范围为:0<β<1。
4.根据权利要求1所述的弹性波数据采集起跳点的自动识别方法,其特征在于:所述σ的取值范围为:0<σ<1。
5.根据权利要求1所述的弹性波数据采集起跳点的自动识别方法,其特征在于:所述Φ1为覆盖数据点S的第1到第L1个数据。
6.根据权利要求1所述的弹性波数据采集起跳点的自动识别方法,其特征在于:采集数据点S的具体步骤包括:
步骤S11:发射探头(6)在0时刻发射弹性波,同时产生同步信号,数据采集器(9)通过同步信号电缆(8)接收同步信号开始采集数据,弹性波从发射探头(6)传递到接收探头(7)的时间为0~t1,在0~t1时间内数据采集器(9)采集到的数据波形称为走时波;
步骤S12:在t1时刻,弹性波到达接收探头(7),接收探头(7)内的传感器将弹性波信号转换成幅度变化的电信号,此时数据采集器(9)采集到的波形开始以较大幅度震荡,t1时刻即为起跳点;
步骤S13:数据采集器(9)采集了足够的点后,于t2时刻停止采集,其中t2>t1,一组数据采集完成,记为数据点S。
7.一种如权利要求1-6中任意一项所述的弹性波数据采集起跳点的自动识别方法所用的设备,其特征在于:实现该方法所用的设备包括走时波估计模块、缩小范围模块、滤波模块、数据处理模块和特征识别模块;各模块与步骤一一对应。
CN201810653306.5A 2018-06-22 2018-06-22 弹性波数据采集起跳点的自动识别方法及其所用的设备 Active CN109061725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810653306.5A CN109061725B (zh) 2018-06-22 2018-06-22 弹性波数据采集起跳点的自动识别方法及其所用的设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810653306.5A CN109061725B (zh) 2018-06-22 2018-06-22 弹性波数据采集起跳点的自动识别方法及其所用的设备

Publications (2)

Publication Number Publication Date
CN109061725A CN109061725A (zh) 2018-12-21
CN109061725B true CN109061725B (zh) 2020-05-05

Family

ID=64820842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810653306.5A Active CN109061725B (zh) 2018-06-22 2018-06-22 弹性波数据采集起跳点的自动识别方法及其所用的设备

Country Status (1)

Country Link
CN (1) CN109061725B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110503069B (zh) * 2019-08-28 2022-10-18 中广核研究院有限公司 电流波形波动起点识别方法及电子设备、可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336063A (zh) * 2013-06-20 2013-10-02 江苏大学 一种声发射信号初至点检测方法
CN107367754A (zh) * 2016-05-11 2017-11-21 中国石油化工股份有限公司 基于三分量偏振梯度的微地震初至识别方法及装置
CN107843922A (zh) * 2017-12-25 2018-03-27 中国海洋大学 一种基于地震初至波和反射波走时联合的层析成像方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150177402A1 (en) * 2013-12-23 2015-06-25 King Fahd University Of Petroleum And Minerals Passive microseismic record first-break enhancement method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336063A (zh) * 2013-06-20 2013-10-02 江苏大学 一种声发射信号初至点检测方法
CN107367754A (zh) * 2016-05-11 2017-11-21 中国石油化工股份有限公司 基于三分量偏振梯度的微地震初至识别方法及装置
CN107843922A (zh) * 2017-12-25 2018-03-27 中国海洋大学 一种基于地震初至波和反射波走时联合的层析成像方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"微地震事件初至拾取SLPEA算法";谭玉阳 等;《地球物理学报》;20160131;第59卷(第1期);第185-196页 *

Also Published As

Publication number Publication date
CN109061725A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN108732553B (zh) 一种激光雷达波形时刻鉴别方法与在线测距系统
CN109085477B (zh) 用于电力电缆分布式局部放电监测系统的信号识别和定位方法
CN102426323B (zh) 行波法定位中计算入射波与反射波时间差的方法及装置
CN108828548A (zh) 一种基于fmcw雷达的三参数融合数据集构建方法
CN108548578B (zh) 一种基于自适应阈值的超声波回波信号特征峰识别方法
EP1673592B1 (en) Magnetostrictive sensor for measuring distances
CN107544072B (zh) 一种预置波形匹配的高精度测距系统及方法
CN110488241A (zh) 一种激光雷达多次回波信息提取装置及方法
CN107192411A (zh) 一种航天器多遥测参数分析窗口划分方法
CN104570076A (zh) 一种基于二分法的地震波初至自动拾取方法
WO2016004687A1 (zh) 超高频局放信号初始时刻判别方法
CN109031073A (zh) 电缆局部放电定位装置和方法
CN109061725B (zh) 弹性波数据采集起跳点的自动识别方法及其所用的设备
JP4220821B2 (ja) センサ信号処理システム
CN107525686A (zh) 一种航天器多遥测参数分析窗口划分方法
CN108646248A (zh) 一种针对低速运动声源的被动声学测速测距方法
CN106908800B (zh) 一种提高脉冲测距精度的方法及脉冲测距设备
CN110333506B (zh) 一种提取索力测量雷达的拉索位置参数的方法
CN104765040A (zh) 单脉冲波形识别提取方法
CN114152837A (zh) 一种多尺度小波变换下的波头识别方法及装置
CN115952410A (zh) 一种基于深度学习的滑坡灾害检测系统
CN113723207B (zh) 一种基于直方图距离的声发射信号突变检测方法
CN113791450B (zh) 瞬变电磁全程视电阻率计算方法及系统
CN106970357A (zh) 高精度的实时超声波定位追踪方法及系统
CN106646377B (zh) 基于时间序列相似搜索的震动目标定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant