CN112444887B - 电磁探测信息反演装置与方法 - Google Patents
电磁探测信息反演装置与方法 Download PDFInfo
- Publication number
- CN112444887B CN112444887B CN201910828936.6A CN201910828936A CN112444887B CN 112444887 B CN112444887 B CN 112444887B CN 201910828936 A CN201910828936 A CN 201910828936A CN 112444887 B CN112444887 B CN 112444887B
- Authority
- CN
- China
- Prior art keywords
- circuit
- electromagnetic
- simulation
- circuit network
- network
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Abstract
本申请涉及一种电磁探测信息反演方法,其包括1)构建实体仿真电路网络,其由多个基本电路单元构成;2)获取实际电磁探测数据;3)通过对所述仿真电路网络注入电流来模拟电磁探测激发场,通过扫描所述仿真电路网络来获得仿真高空间分辨响应数据,用各个所述基本电路单元的电路参数来模拟所述被测物的各个不同位置处的电磁参数;并且,基于上述对应关系,通过对仿真电路网络的电流注入和响应过程来模拟对被测物的实际电磁探测过程,然后根据所述电流注入和响应过程的已知信息,来计算所述实际电磁探测过程中的未知的电测探测信息。本申请还提供了相应的电磁探测信息反演装置。本申请可以显著提升反演效率和吞吐量,可以提升反演的可靠性。
Description
技术领域
本发明总体上涉及电磁探测技术领域,具体来说,本发明涉及高通量电磁反演技术。
背景技术
电磁探测是指对被测物的电磁性质进行探测,以反演该被测物的内部结构和各种特性。电磁探测技术已广泛应用于无损探伤、电磁勘探等诸多领域。然而,现有的电磁探测技术往往存在空间分辨力不高、吞吐量低等局限。而随着各学科(例如电磁勘探、生物脑磁脑电等脑机接口与辅助诊断、电磁材料基因芯片的电磁性质探测等)的高速发展,人们越来越期待从分布测量结果反演电磁性质或电磁活动的方法具有更高的空间分辨力以及更大的吞吐量。下面,先以电磁勘探和电磁材料基因芯片的电磁性质探测为例进行说明。
电磁勘探的找矿原理是基于不同岩石和矿石间的电学性质的改变,而引起电磁场(人工的和天然的)空间分布状态发生相应的变化。由此,人们便可利用不同性能的仪器,通过对场的空间和时间分布状态的观测与研究,来勘查矿产资源或查明地质目标在地壳中的存在状态。电磁材料基因芯片是一种基于材料基因组技术的芯片。材料基因组可以理解为反映材料组分、结构、工艺过程与性能之间的关联。电磁材料基因芯片则是专门用于获取材料基因组信息的高集成度载体,它可以将大量不同的电磁材料基因或基因组对应的材料组分、结构与工艺条件组合的材料集成在同一芯片上,通过对该芯片的高通量实验,来对芯片不同区域进行电磁学研究,以反演各个电磁材料基因或基因组的电磁性质,即在短时间内完成大量电磁材料基因或基因组样品的制备与表征。利用这种材料基因芯片技术,可以减少实验次数、降低实验成本、缩短筛选周期,加快发现和优化新材料的速度。
无论是电磁勘探还是电磁材料基因芯片,其内部结构都十分复杂,不同区域不同位置可能具有不同的电磁性质,因此十分需要从分布测量结果进行高空间分辨力的电磁性质反演。现有的理论框架下,这种电磁性质反演是从可控磁场加载条件下的漏磁场测量数据反向挖掘出本征的不随外场变化的性质分布。具体来说,构建一个外界激发场作为激励源,将这个外界激发场施加于被测物(这个被测物可以是待探测的地层,也可以是待探测的电磁材料基因芯片),然后探测被测物质的电磁响应数据。以H代表外界激发场的参数矢量,以B代表函数矢量,即电磁响应数据,以X代表被测物质的电磁性质矩阵。那么有下述公式(1)
HX=B (1)
公式(1)实际上是一个矩阵方程,理论上说,对该方程进行求解,即可得到表征被测物质的电磁性质矩阵X。现有技术中,可以用基于计算机的数值计算算法来对上述矩阵方程进行求解。这个求解过程也可以称为反演。为了实现反演的目标,极为关键的一环是设计并验证可靠的反演算法。
现有技术中,通常使用有限元方法进行反演。然而,有限元方法存在多值性、源-场混叠、边界处奇异等问题。这导致计算效率较低,达不到高通量计算的要求,有时甚至无法反演。
另一方面,脑机接口(brain-computer interface)BCI主要指的是接收大脑发出的生物信号,比如脑电信号EEG(Electroencephalography)、脑磁信号(Magnetoencephalography)和近红外信号等,也就是用电极接收大脑的生物信号。之所以这样做,是因为大脑在思维、休息、病变等等状态下会发出不同信号,通过识别信号的频率、幅度以及信号发出位置,就能够区分大脑的不同状态,然后判别病变位置或者识别大脑指令,甚至了解被试者在想什么。脑机接口技术具有重要的战略意义,各个国家都在竞相研发,美国新一轮出口管制中,脑机接口技术赫然在列,因此发展脑科学研究及相关技术对国家具有重要意义。目前的脑科学处于发展初期,许多问题都尚不清楚,目前的阶段是研究神经回路的介观认识和实施产生知觉、认知、思维等高级功能的神经元活动的技术手段等方面。这些问题的研究离不开精密的物理测量与分析手段,只有出现相应的物理技术,这些研究才会成为可能。脑机接口信号特征提取算法目前有独立分量分析、共空间模式、小波模糊熵、经验模态分解、LDA线性判别、BP神经网络、卷积神经网络CNN、支持向量机SVM、K-means等。然而与前文所述的电磁性质反演类似,上述方法大都需要通过计算机数值计算来对复杂的矩阵方程进行求解,因此可能同样存在边界处奇异、计算效率较低、达不到高通量计算的要求等问题。
因此,当前迫切需要一种高通量且可靠性高的电磁探测信息反演解决方案,其中电磁探测信息反演包括电磁性质反演与电磁活动反演。
发明内容
本发明的目的在于,克服现有技术的不足,提供一种高通量且可靠性高的电磁探测信息反演解决方案。
为解决上述技术问题,本发明提供了一种电磁探测信息反演方法,其包括:1)构建实体仿真电路网络;其中所述仿真电路网络由多条支路组成,每条所述支路构成一个基本电路单元,所述基本电路单元为实体模拟电路;2)获取对所述被测物进行实际电磁探测的实际电磁探测数据,所述实际电磁探测数据包括已知电磁探测信息和扫描所述被测物获得的实测高空间分辨响应数据;其中,电磁探测激发场和所述被测物的电磁性质中的一项被作为所述的已知电磁探测信息,而另一项是未知的电磁探测信息;其中所述电磁探测激发场是探测过程中施加于所述被测物的外界激发场,或者由所述被测物中内生的未知电磁活动信号所构成的激发场;3)通过对所述仿真电路网络注入电流来模拟所述电磁探测激发场,通过扫描所述仿真电路网络来获得仿真高空间分辨响应数据,用各个所述基本电路单元的电路参数来模拟所述被测物的各个不同位置处的电磁参数;并且,基于上述对应关系,通过对所述仿真电路网络的电流注入和响应过程来模拟对所述被测物的实际电磁探测过程,然后根据所述电流注入和响应过程的已知信息,来计算所述实际电磁探测过程中的所述未知的电磁探测信息。
其中,所述步骤1)中,所述仿真电路网络的拓扑电路网络由多个网格构成,所述拓扑电路网络中的每一条边代表所述仿真电路网络的一条支路;所述网格为多维网格。
其中,所述步骤1)中,将所述被测物划分成多个基本区块,每个所述基本区块均可映射到所述仿真电路网络的一个或多个所述网格。
其中,所述未知的电磁探测信息,所述未知的电磁探测信息为所述被测物的未知的电磁性质;所述步骤1)中,所述基本电路单元的电路参数是可调的;所述步骤3)包括下列子步骤:31)通过调节所述仿真电路网络的各个所述基本电路单元的电路参数来寻找匹配电路参数组合,其中所述匹配电路参数是所述仿真电路网络的注入电流与所述外界激发场一致时,能够使得所述仿真高空间分辨响应数据与实测高空间分辨响应数据匹配的各个所述基本电路单元的电路参数的组合;以及32)根据所获得的所述匹配电路参数组合和所述仿真电路网络的拓扑结构,推算所述被测物的电磁性质;其中,所述被测物的每个所述基本区块的电磁性质根据该基本区块所述映射的所述一个或多个网格的电路参数得出。
其中,所述步骤3)中,根据预设的比例因子将所述外界激发场换算为所述仿真电路网络的相对应的各个节点处的注入电流,用纯电容网络模拟激发源到被测物之间的介质,进而模拟所述外界激发场作用于所述仿真电路网络的效果。
其中,所述步骤1)中,所述基本电路单元是由可调模拟电阻元件、可调模拟电感元件和可调模拟电容元件中的一种或多种所构成的实体电路;以及所述步骤3)中,通过调节所述可调模拟电阻元件的电阻值、所述可调模拟电感元件的电感值或者所述可调模拟电容元件的电容值来调节各个所述基本电路单元的电路参数;所述步骤3)还包括:用所述基本电路单元的电路参数来表征所述被测物的所述基本区块的复磁导率和复介电率。
其中,所述步骤31)还包括:311)先寻找能够与所述被测物质的实际电磁响应数据在局部范围内匹配的局部优化电路参数,然后基于该局部优化电路参数来设置整个所述仿真电路网络,再用探针扫描整个所述仿真电路网络,以获得针对该局部优化电路参数的全局范围的仿真电磁响应数据;312)对于每个局部优化电路参数,基于该局部优化电路参数来设置整个所述仿真电路网络,再用探针扫描整个所述仿真电路网络,获得针对该局部优化电路参数的全局范围的仿真电磁响应数据;以及313)最后再对各个所述的局部优化电路参数及其各自对应的所述的全局范围的仿真电磁响应数据进行融合计算,获取所述的匹配电路参数组合,进而得到所述被测物的电磁性质。
其中,所述步骤1)中,在所述的局部范围内,在所述仿真电路网络的对应节点处注入依据所述外界激发场换算得到的电流,并将对应节点处的电压锁定为依据所述实测高空间分辨响应数据换算得到的电压,所述仿真电路网络通过反馈电路自动调节电路参数并自动稳定,将稳定后的电路参数作为该局部范围的所述局部优化电路参数。
其中,所述步骤1)中,所述仿真电路网络中,所有所述的基本电路单元采用相同的电路结构。
其中,所述未知的电磁探测信息是所述被测物中内生的未知电磁活动信息;所述步骤3)包括下列子步骤:3a)通过对所述仿真电路网络注入电流来模拟所述未知电磁活动信息,通过扫描所述仿真电路网络来获得仿真高空间分辨响应数据,通过调整注入电流的大小和位置,来寻找适配注入电流,使得所述仿真高空间分辨响应数据与所述实测高空间分辨响应数据匹配;以及3b)根据所找到的所述适配注入电流的大小和位置来识别真实场景下的所述未知电磁活动信息的大小和位置。
其中,所述被测物为脑区结构,所述未知的电磁探测信息为脑活动信息。
根据本申请的另一方面,还提供了一种电磁探测信息反演装置,其包括:实体的仿真电路网络,其中所述仿真电路网络由多个基本电路单元在空间中排布并连接而成,所述基本电路单元为模拟电路,所述基本电路单元的电路参数用于模拟被测物的电磁参数;模拟驱动加载单元,用于向所述仿真电路网络加载初始配置信息,所述初始配置信息包括:所述仿真电路网络的注入电流与所述电磁探测激发场之间的转换关系,基于所述仿真电路网络的仿真高空间分辨响应数据与被测物的实测高空间分辨响应数据之间的转换关系,以及各个所述基本电路单元的电路参数与所述被测物的各个不同位置处的电磁参数之间的转换关系;其中,所述电磁探测激发场包括实际探测过程中施加于所述被测物的外界激发场,或者由所述被测物中内生的未知电磁活动信号所构成的激发场;电路元件调节单元,用于调节各个所述基本电路单元的电路参数;电路状态测量单元,用于测量所述仿真电路网络的仿真高空间分辨响应数据;以及控制处理分析单元,用于对所述仿真电路网络进行受控地电流注入,控制所述电路状态测量单元完成对所述仿真电路网络的仿真高空间分辨响应数据的测量;通过对所述仿真电路网络的电流注入和响应过程来模拟对所述被测物的实际电磁探测过程,然后根据所述初始配置信息进行换算,基于所述电流注入和响应过程的已知信息,来计算所述实际电磁探测过程中的未知的电磁探测信息;其中未知的电磁探测信息为所述被测物的未知的电磁性质,或者是所述被测物中内生的未知电磁活动信号。
与现有技术相比,本申请具有下列至少一个技术效果:
1.本申请使用实体模拟元件构成的拓扑电路网络来模拟被测物质,基于该拓扑电路网络的实测数据来反演该被测物质的电磁性质,可以显著提升反演效率和吞吐量,实现高通量电磁性质反演。
2.相对于传统的数值计算方法,本申请可以显著提高高通量电磁性质反演的可靠性。
3.本申请可以用于电磁勘探和电磁材料基因芯片的电磁性质探测。
4.本申请可以用于反演脑信号活动,从而帮助实现脑机接口信号特征提取。
附图说明
图1示出了本申请一个实施例中的用于对被测物进行仿真的实体电路网络的拓扑网络图;
图2示出了被测物不同区域与实体电路网络的对应关系的示例;
图3示出了本申请一个实施例中的拓扑电路仿真与反演原理示意图;
图4示出了本申请一个实施例中的电磁性质反演的流程示意图。
具体实施方式
为了更好地理解本申请,将参考附图对本申请的各个方面做出更详细的说明。应理解,这些详细说明只是对本申请的示例性实施方式的描述,而非以任何方式限制本申请的范围。在说明书全文中,相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
还应理解的是,用语“包括”、“包括有”、“具有”、“包含”和/或“包含有”,当在本说明书中使用时表示存在所陈述的特征、整体、步骤、操作、元件和/或部件,但不排除存在或附加有一个或多个其它特征、整体、步骤、操作、元件、部件和/或它们的组合。此外,当诸如“...中的至少一个”的表述出现在所列特征的列表之后时,修饰整个所列特征,而不是修饰列表中的单独元件。此外,当描述本申请的实施方式时,使用“可以”表示“本申请的一个或多个实施方式”。并且,用语“示例性的”旨在指代示例或举例说明。
如在本文中使用的,用语“基本上”、“大约”以及类似的用语用作表近似的用语,而不用作表程度的用语,并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。
除非另外限定,否则本文中使用的所有用语(包括技术用语和科学用语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是,用语(例如在常用词典中定义的用语)应被解释为具有与它们在相关技术的上下文中的含义一致的含义,并且将不被以理想化或过度正式意义解释,除非本文中明确如此限定。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本发明的一个实施例,提供了一种基于实体电路网络的物体电磁性质反演方法。该方法的基本原理如下:构建一个基于可调电路单元(本文中也可以称为基本电路单元)的实体电路网络来对被测物进行仿真,在该实体电路网络中的各节点注入电流以模拟实际外界激发场,探测该实体电路网络各个位置的响应电压(或其它类型的电磁响应数据)以模拟被测物的实际电磁响应数据。然后,调整各个电路单元的电路参数,使得注入电流与实际外界激发场匹配时,所探测的实体电路网络的各个节点的响应电压与被测物质的实际电磁响应数据匹配。此时,调节获得的各个电路单元的电路参数可称为各个电路单元的适配电路参数。这些电路单元各自的适配电路参数的组合可称为适配电路参数组合(或者称为匹配电路参数组合)。最后,根据实体电路网络的电路拓扑结构和各个电路单元的适配电路参数(或者所述的适配电路参数组合),来还原被测物体的电磁性质。需注意,本实施例中的实体电路网络是指实际搭建的由模拟电路元件(这里,模拟电路元件是相对于数字电路元件而言的)构成的电路网络,该实体电路网络并非仅运行在计算机中的虚拟的电路网络。
进一步地,图1示出了本申请一个实施例中的用于对被测物进行仿真的实体电路网络的拓扑网络图。为便于描述,下文中将用于对被测物进行仿真的实体电路网络简称为仿真电路网络(需注意,该仿真电路网络是指用实体的电路元件所实际搭建的电路网络,并非是仅运行在计算机中的虚拟的电路网络)。图1示出了仿真电路网络的拓扑关系。参考图1,本实施例中,仿真电路网络可以基于六边形网格构建,如图1所示的拓扑关系图中,六边形网络中的每一条边代表仿真电路网络的一条支路(branch),拓扑关系图中的节点代表仿真电路网络的相应支路两端的端点。本实施例中,每条支路可以视为一个基本电路单元。该基本电路单元的电路参数,例如阻抗、感抗、容抗等,可以模拟被测物相应位置处的介质复磁导率与复介电率。本实施例中,可以将被测物在空间上划分成多个基本区块,每个基本区块可以对应于仿真电路网络中的一个或多个六边形网格。这样,当获得电路拓扑图(即前文所述的拓扑关系图)中每个支路的电路参数时,即可推导出被测物的高空间分辨力的电磁性质分布图。
进一步地,图2示出了被测物不同区域与实体电路网络的对应关系的示例。对于电磁材料基因芯片等二维被测物来说,芯片表面可以具有多个具有不同电磁性质的不同材料,图2中用虚线划分除了D1、D2和D3区域,它们分别代表芯片表面三种不同的电磁材料。可以看出,每个区域覆盖多个六边形网格。换句话说,芯片表面的任意一种电磁材料的电磁性质,均可以用多个六边形网格的电路参数来进行仿真。需要注意,每种电磁材料可以覆盖多个前文所述的基本区块,也可以与所述的基本区块一一对应,基本区块的尺寸也可以根据实际情况灵活设置。
进一步地,图3示出了本申请一个实施例中的拓扑电路仿真与反演原理示意图。参考图3,本实施例中,可以通过在实体电路网络中的多个节点注入电流,来模拟实际外界激发场。图3中,H_ij代表位置坐标在(i,j)位置处的外界激发场。其中i,j可以分别代表芯片表面的横纵坐标值。图3中的灰色圆形代表外界激发场H_ij所覆盖的区域。根据外界激发场的激发源(指生成该外界激发场的装置)到芯片表面的距离,可以计算出该外界激发场的覆盖区域,以及所覆盖的拓扑电路的各个节点处的电流(指该外界激发场作用下生成的电流)。这样,对于实体的仿真电路网络来说,只需要在相应的节点处分别注入对应的电流,即可模拟所述的外界激发场H_ij。
下面将结合一个具体实施例对基于实体电路网络的物体电磁性质反演方法做更加详细的描述。
根据本发明的一个实施例,还提供了另一种基于实体拓扑电路网络的物体电磁性质反演方法,该方法包括(图4示出本申请一个实施例中的电磁性质反演的流程示意图):
步骤S1,构建可调仿真电路网络。该仿真电路网络的拓扑关系(即拓扑电路网络)可以如图1所示。参考图1,本实施例中,该拓扑电路网络可以由六边形网格构成,其中每一条边可以代表仿真电路网络的一条支路(branch),其各个节点就是仿真电路网络的对应支路两端的端点。本实施例中,拓扑电路网络中的所有支路可以采用相同的基本电路单元。例如,所有支路可以均为简单LC电路。其中感抗元件L和容抗元件C可以均是可调的,以便在实现过程中对支路的电路参数进行调节,进而对被测物进行准确的模拟。需要注意,在本发明中的其它实施例中,基本电路单元也可以是其它结构的电路,例如RLC电路,或者多个子电路的串联或并联,以实现更加复杂的模拟效果。
进一步地,本实施例中,感抗元件L可以是微型可调电感器,其电感值可以在控制信号的作用下改变,从而实现电容可调的效果。容抗元件C可以是微型可调贴片电容,其电容值可以在控制信号的作用下改变,从而实现电容可调的效果。
步骤S2,获取外界激发场和相应的实测高空间分辨响应数据。本步骤中,所述外界激发场是对被测物(电磁特征未知的被测对象)进行实际探测时使用的激发场。以对电磁材料基因芯片的探测为例进行说明。电磁材料基因芯片是一种二维结构。可以驱动激发源以一定步长在电磁材料基因芯片的表面移动(这个过程也可以称为扫描),然后用探针来探测该电磁材料基因芯片表面各个位置处的电磁响应数据,从而获得实测高空间分辨响应数据。需注意,激发源通常不与电磁材料基因芯片的表面接触,二者通过会保留一个固定的距离。
本步骤中,外界激发场和相应的实测高空间分辨响应数据可以由实施上述实验的客户方或第三方来提供,也可以通过直接实施上述实验的方式来获得。
需注意,前述实施例中,通过激发源扫描被测电磁材料基因芯片表面的方式来获得分布式的实测高空间分辨响应数据,但本发明并不限于此,例如在一个变形的实施例中,也可以采用一个功率较大的激发源来生成覆盖范围足够大的激发场,从而一次获得所述的高空间分辨响应数据。不论外界激发场和相应的实测高空间分辨响应数据是如何获得的,理论上被测物(例如被测电磁材料基因芯片)均可被步骤S1所述的仿真电路网络模拟仿真。
步骤S3,根据真实场景中的物理位置比例,将外界激发场转换为所述仿真电路网络中的对应节点处的电流。在一个示例中,激发场与注入电流之间的量值可以根据比例因子SI换算。激发源与芯片表面之间的空气介质可以使用低损耗的纯电容网络模拟,从而构建出仿真电路网络中模拟真实场景中对被测物所施加的激励场。
步骤S4,将高空间分辨响应数据转换为所述仿真电路网络中的对应节点处的电压。在一个示例中,真实场景的高空间分辨响应数据可以是电压响应。真实场景中的实际响应电压与仿真电路中的电压的量值根据比例因子SV换算。这样,在后续步骤中,可以通过统一调节仿真电路网络中的元件参数,在维持激励电流的前提下,使得电压数据逐个与对应该点的仿真电压数据一致,进而真实场景的每个位置的实测电压y-激励x组合都可以映射为每个基本区块d中各基本电路单元的元件参数Ryx-d。其中,d表示区块标识,元件参数例如可以是容抗、感抗等。
步骤S5,利用步骤S3中的计算结果对所述仿真电路网络注入电流与电压组合,测量每个组合对应所述仿真电路网络的对应节点处的电压Byx-r。其中r表示适合被反演问题的维度空间位置。当维度空间为二维时,该位置可以由二维坐标表示,当维度空间为三维时,该空间位置可以用三维坐标表示。如前文所述各基本电路单元的电路参数可以对应于被测物各个基本区块的电磁性质(例如复磁导率、复介电率等),因此可以根据适配的每个基本区块中各基本电路单元的电路参数Ryx-d与电压分布Byx-r进一步得出被测物各个不同区块的电磁性质。
进一步地,在本发明的一个实施例中,可以将对仿真电路网络的调节和实测,与一定融合计算方法相结合,以便缩短寻找适配的各基本电路单元的电路参数的时间。下面描述根据本发明一个实施例中的步骤S5的示意性流程。本实施例中,所述步骤S5可以包括下列步骤S51-S55。
步骤S51,将被测物划分为多个基本区块,每个基本区块关联(或映射)仿真电路网络的一定区域,该区域可以包括该仿真电路网络电路拓扑图中的一个或多个网格。被测物基本区块与仿真电路网络的网格建立关联关系后,遍历被测物的每一个基本区块(即遍历仿真电路网络的所述基本区块关联的每一组网格),对于每一个基本区块,执行步骤S52-S54。
步骤S52,根据施加在当前基本区块的外界激发场计算仿真电路网络的电流分布,根据计算结果在仿真电路网络的对应节点处注入电流。为便于描述,将当前基本区块记为D_ij,即坐标位置为(i,j)的基本区块。其中i,j分别代表横纵坐标。本实施例中,还可以以X_ij来表示坐标位置为(i,j)的基本区块的电磁性质。以X_ij为元素构成的矩阵X即可表示整个被测物的电磁性质。
步骤S53,保持步骤S52所注入的电流(在一个示例中,为兼顾成本和效率,每个时刻工作的仿真电流源数量可以尽可能减少,比如只有一个),调节当前基本区块D_ij所关联的网格的各个支路的电路参数,使得所关联的网格的各个节点处的电压与实际电磁响应数据反推的结果一致,从而得到当前基本区块的适配电路参数R_ij。需注意,在进行仿真模拟前,整个仿真电路网络的基本电路单元可以具有一个初始电路参数,这个初始电路参数可以是全电路网络一致的。本步骤中,调节的可以仅限于当前基本区块所关联的网格范围内的各个支路的电路参数。所检测的电压也可以仅限于当前基本区块所关联的网格范围内的各个节点处的电压。这样就可以在较短时间内获得初步适配的对应于当前基本区块的电路参数。本步骤中,当前基本区块D_ij所关联的网格可以是一个也可以是多个,这可以由步骤S51的初始设定来决定。在一个实施例中,各基本区块内的元件参数大小可以通过反馈电路自动稳定。例如针对某一当前基本区块D_ij,可以在仿真电路网络的对应节点处注入电流和电压,通过反馈电路自动调节所对应的各个支路的电路参数。其中,所对应的各个支路是指当前基本区块D_ij所对应的仿真电路网络的各个支路。所注入的电流和电压可以根据真实场景的激励场和响应数据按照比例因子(例如前文所述的比例因子SI和SV)换算得到。
步骤S54,将所述仿真电路网络中的所有基本电路单元的电路参数均设置成与步骤S53所得的适配电路参数一致(即所有电路单元的电路参数均设置成R_ij),扫描并获得所述仿真电路网络中所有节点处的电压,从而得到基于当前基本区块D_ij的适配电路参数R_ij的全局的响应数据。这里全局响应数据可以用响应数据矩阵B来表示,响应数据矩阵B中的每个元素B_mn代表扫描过程中在位置(m,n)处的响应数据。本步骤中,由于该响应数据矩阵B是与当前基本区块D_ij的适配电路参数R_ij相关联的,因此可以进一步记为B(i,j)。由于响应数据矩阵B(i,j)是基于仿真电路网络的仿真结果,所以可以称为仿真响应数据矩阵B(i,j)。
进一步地,在另一个实施例中,本步骤(步骤S54)中,还可以用静磁传感器直接对所述仿真电路网络进行扫描,从而获得基于当前基本区块D_ij的适配电路参数R_ij的全局的仿真响应数据矩阵B(i,j)。
步骤S55,在遍历结束后,将基于每个基本区块D_ij的适配电路参数R_ij以及仿真响应数据矩阵B(i,j)进行融合计算,最终得到待测物的电磁特征。
下面介绍本步骤(步骤S55)中的一种融合计算方法。在一个实施例中,可以根据每个实测激励x-响应电压y组合下,每个基本区块D_ij的适配电路参数R_ij进行以仿真响应数据矩阵B(i,j)/B_实测为权重进行叠加组合,从而获得仿真电路的解,进而根据最初设置的比例因子SI与SV(比例因子也可以称为转换系数)将电路元件网络参数的解通过线性换算成与目标被测场景匹配的真实问题的解。通常来说,这个电路参数组合中,仿真电路网络的各个支路的电路参数是不一致的。
在得出所述的电路参数组合后,即可根据仿真电路网络与实际的被测物之间的对应关系,得出被测物各个不同基本区块的电磁性质。即得到被测物的电磁性质矩阵X。
需注意,上述融合计算仅是一个示例,本发明的融合计算不限于此。本质上说,通过实体电路网络进行仿真,可以快速得到基于每个基本区块D_ij的适配电路参数R_ij以及仿真响应数据矩阵B(i,j),从而达到快速分离变量的效果,这样就大大简化了通过融合计算来寻找完全匹配的电路参数组合(指完全匹配所述的实测响应数据矩阵B_实测的仿真电路网络的电路参数组合)的计算复杂度,同时还提高了计算的可靠性。具体来说,本发明可以帮助避免现有的有限元方法进行反演所碰到的源-场混叠、边界处奇异等因素,从而避免或抑制了这些因素所带来的低效率与稳定性降低等问题。因此,本发明可以为电磁性质反演的高通量算法提供一条捷径。
进一步地,在本发明的另一个实施例中,由于所构建的是一个实体的仿真电路网络,因此反演被测物体的电磁性质的过程可以利用到仿真电路网络的实测电磁响应数据,从而加快被测物的电磁性质反演的速度,提升反演可靠性。例如可以先寻找能够与被测物质的实际电磁响应数据在局部范围内匹配的电路参数(即寻找局部优化电路参数),然后基于该电路参数来设置整个仿真电路网络,用探针扫描整个仿真电路网络,以获得针对该电路参数的全局范围的仿真电磁响应数据(其中,全局范围指仿真电路网络的整个范围)。这样,先行获得多个局部优化电路参数,其中每个局部优化电路参数各自是针对仿真电路网络中一个特定的局部区域的优化电路参数。然后,对于每个局部优化电路参数,基于实体的仿真电路网络来探测(指用实体探针对仿真电路网络进行扫描探测,或者实际测量仿真电路网络的各个节点电压进而推算其等效电磁响应数据)基于该局部优化电路参数所获得的全局范围的仿真电磁响应数据(需注意,该仿真电磁响应数据是对仿真电路网络进行实测所获得的响应数据)。最后再对这些局部优化电路参数及其对应的全局范围的仿真电磁响应数据进行融合计算,以获取所述的适配电路参数组合,进而得到被测物的电磁性质。
进一步地,上述实施例中,仿真电路网络的六边形网格的所有边都具有相同的基本电路单元,这种设计通常更加适合于各项同性的简单电磁材料的电磁性质反演。对于被测物具有各项异性特性的情况,可以通过仿真电路网络内部的元件演变函数进行模拟。
在另一个实施例中,还可以对六边形网格的不同的边设计不同结构的基本电路单元。例如在每个六边形网格(仍然参考图1)中,两条横向的边可以采用第一种电路结构,两条向左倾斜的边可以采用第二种电路结构,两条向右倾斜的边可以采用第三种电路结构。这样,对于仿真电路网络来说,不同的方向可以具有不同的基本电路单元,从而便于模拟各项异性的情况。
进一步地,上述实施例中,仿真电路网络均由六边形网格构成,但需要注意,本发明并不限于此,例如在另一个实施例中,仿真电路网络可以由矩形网格构成。在又一个实施例中,仿真电路网络可以由两种甚至更多种不同形状的多边形网格构成。
进一步地,上述实施例中均以电磁材料基因芯片为例进行描述。电磁材料基因芯片通常是二维平面结构,但本发明可以推广到三维结构的电磁性质反演中。
在一个实施例中,可以构建三维的仿真电路网络。该三维的仿真电路网络可以由单一形状(例如六边形)或多种不同形状的网格构成,被测三维结构的每个基本立体区块可以与仿真电路网络的一定立体区域相关联。使用这个立体区域的网格即可代表被测三维结构的对应的基本立体区块。基于该三维仿真电路网络对被测物(三维结构)进行仿真,在该实体的仿真电路网络的各节点注入电流以模拟实际外界激发场,探测该实体的仿真电路网络各个位置的响应电压以模拟被测物的实际电磁响应数据。然后,调整三维仿真电路网络的各个电路单元的电路参数来,使得注入电流与实际外界激发场匹配时,所探测的实体电路网络的各个节点的响应电压与被测物的实际电磁响应数据匹配。最后,根据实体电路网络的电路结构和各个电路单元的适配电路参数,来还原三维被测物体的电磁性质。在电磁勘探领域中,被测物通常为具有一定三维结构的地层,因此本实施例的三维的仿真电路网络可以便于对地层的电磁探测进行仿真。
进一步地,上述实施例均属于电磁性质反演方法。即真实场景下,生成已知的可控的激励场,将该激励场施加于被测物并探测出高空间分辨响应数据,其目标是反演被测物的电磁性质。需注意的是,本发明并不限于电磁性质反演方法。在本发明的另一些实施例中,可以利用仿真电路网络对电磁活动信号进行反演。例如,本发明可以应用于脑活动信息的反演。相比电磁勘探与材料基因芯片反演,脑活动信息的电路反演过程的不需外加激励,而是使用基本已知的脑区结构信息,在适当的地方布置电流源,通过跟测量结果比对来定位电流源的位置及强度信息,从而获得脑活动信息。
进一步地,根据本发明的另一个实施例,提供了一种基于电磁探测的脑活动信息反演方法,该方法可以包括下述步骤S10-S40。
步骤S10,构建仿真电路网络;其中所述仿真电路网络由多条支路组成,每条所述支路构成一个基本电路单元。所述基本电路单元的电路参数可以用于模拟脑区结构各个区块的电磁参数。具体来说,可以利用已知的脑区结构研究成果,将脑区划分成多个基本区块,每个基本区块可以映射仿真电路网络中的一个或多个网格。对于每个脑区基本区块,其电磁参数(例如复磁导率、复介电率等)可以用仿真电路网络中对应的一个或多个网格的电路参数(例如阻抗、容抗、感抗等)进行模拟。需注意,本实施例中,仿真电路网络的各个基本电路单元的电路参数可以是固定的,这与前文中提供的用于电磁性质反演的实施例是有所不同的。
步骤S20,获取对所述脑活动信息进行探测的实际电磁探测数据。所述实际电磁探测数据包括通过扫描受试者大脑获得的实测高空间分辨响应数据。具体来说,在受试者进行思维活动、产生动作意识之前和动作执行之后,或者受试者受到外界刺激等时候,其神经系统会产生一系列的生物电活动变化,这些生物电活动变化可以理解为脑活动信息。在对脑活动信息进行电磁探测的真实场景下,人们难以直接测量大脑深层次的生物电活动变化,所测得的数据实际上是这些生物电活动变化作用于脑区结构后的电磁响应数据(即前文所述的实际电磁探测数据)。而步骤S10中通过建立基于实体模拟电路的仿真电路网络,来模拟脑区结构的电磁性质,这样便可以基于真实场景下测得的高空间分辨电磁响应数据来反演脑活动信息。
步骤S30,通过对所述仿真电路网络注入电流来模拟脑活动信息,通过扫描所述仿真电路网络来获得仿真高空间分辨响应数据。通过调整注入电流的大小和位置,来寻找适配注入电流,使得所述仿真高空间分辨响应数据与实测高空间分辨响应数据匹配。以及
步骤S40,根据所找到的适配注入电流的大小和位置来识别真实场景下的脑活动信号的大小和位置(即找到该脑活动信号产生于脑区结构中的哪个位置)。
进一步地,根据本发明的一个实施例,还提供了一种电磁探测信息反演装置,该装置可以包括:实体的仿真电路网络、模拟驱动加载单元、电路元件调节单元、电路状态测量单元和控制处理分析单元。下面对这些部件做分别描述。
本实施例中,所述仿真电路网络由多个基本电路单元在空间中以一定规则排布并连接而成,所述基本电路单元为模拟电路,所述基本电路单元的电路参数用于模拟被测物的电磁参数。仿真电路网络的电路拓扑图可以是网格状的,即整个仿真电路网络可以有大量的网格(例如如图1所示的二维六边形网格)构成,网格中的每条边可以作为一个基本电路单元。但需要注意,这并非本申请唯一的基本电路单元实现形式。例如,在另一个例子中,基本电路单元可以由单个或多个网格构成。仿真电路网络的电路拓扑图也并不限于二维网络,例如,在另一个例子中,该电路拓扑图可以是由三维网格构成的三维网络。总之,只要可以划分为多个基本电路单元,并且这些基本电路单元可以在空间中以一定规则排布并连接成电路网络,即可构成本实施例的仿真电路网络。电磁探测的被测物可以划分为多个基本区块,所述仿真电路网络的各个基本电路单元可以分别映射为被测物的基本区块,进而可以用各个基本电路单元的电路参数来表征或模拟被测物的各个基本区块的电磁性质。基本电路单元的具体规则排布和连接方式可以根据被测物的特性(例如被测物是各项同性还是各向异性)进行设计。进一步地,本实施例中,模拟驱动加载单元用于向所述仿真电路网络加载驱动模块(所述驱动模块可以包括初始配置信息),所述初始配置信息例如可以包括:所述仿真电路网络的注入电流与所述电磁探测激发场之间的转换关系,基于所述仿真电路网络的仿真高空间分辨响应数据与被测物的实测高空间分辨响应数据之间的转换关系,以及各个所述基本电路单元的电路参数与所述被测物的各个不同位置处的电磁参数之间的转换关系。上述转换关系均可以用公式的形式表达。本实施例中,模拟驱动加载单元可以由计算设备(例如PC机)及相关软件实现。通过模拟驱动加载单元,可以为仿真电路网络加载不同的驱动模块,从而适配不同的电磁探测信息反演场景。进一步地,所述电磁探测激发场包括实际探测过程中施加于所述被测物的外界激发场,或者由所述被测物中内生的未知电磁活动信号所构成的激发场。具体来说,在物体电磁性质反演的场景下,例如对地层的电磁勘探场景或者对电磁材料基因芯片的电磁探测场景下,被测物(例如被测的地层或电磁材料基因芯片)的电磁性质未知,此时所述电磁探测激发场是实际探测过程中施加于所述被测物(例如被测的地层或电磁材料基因芯片)的外界激发场。在电磁活动信息反演的场景下,例如脑活动信号反演的场景下,此时所述电磁探测激发场可以理解为由大脑中内生的未知电磁活动信号所构成的激发场。电路元件调节单元用于调节各个所述基本电路单元的电路参数。本实施例中,组成仿真电路网络的各个基本电路单元的电路元件可以是可调的,电路元件调节单元可以向可调电路元件(例如可调电容、可调电阻、可调电感等)输出控制信号,从而调节基本电路单元的电路参数。电路状态测量单元用于测量所述仿真电路网络的仿真高空间分辨响应数据。本实施例中,电路状态测量单元可以包括移动机构和安装在移动机构的测量探头。测量探头可以是非接触式电压(或其它物理量)测量探头(例如静磁传感器)。通过移动机构在二维或三维空间中移动测量探头,即可对整个仿真电路网络的不同位置的响应数据进行测量,从而获得整个仿真电路网络的仿真高空间分辨响应数据。控制处理分析单元用于对所述仿真电路网络进行受控地电流注入,控制所述电路状态测量单元完成对所述仿真电路网络的仿真高空间分辨响应数据的测量;通过对所述仿真电路网络的电流注入和响应过程来模拟对所述被测物的实际电磁探测过程,然后根据所述初始配置信息进行换算,基于所述电流注入和响应过程的已知信息,来计算所述实际电磁探测过程中的未知的电磁探测信息;其中未知的电磁探测信息为所述被测物的未知的电磁性质,或者是所述被测物中内生的未知电磁活动信号。控制处理分析单元可以用计算设备(例如PC机)及相关软件实现。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (12)
1.一种电磁探测信息反演方法,其特征在于,包括:
1)构建实体仿真电路网络;其中所述仿真电路网络由多条支路组成,每条所述支路构成一个基本电路单元,所述基本电路单元为实体模拟电路;
2)获取对被测物进行实际电磁探测的实际电磁探测数据,所述实际电磁探测数据包括已知电磁探测信息和扫描所述被测物获得的实测高空间分辨响应数据;其中,电磁探测激发场和所述被测物的电磁性质中的一项被作为所述的已知电磁探测信息,而另一项是未知的电磁探测信息;其中所述电磁探测激发场是探测过程中施加于所述被测物的外界激发场,或者由所述被测物中内生的未知电磁活动信号所构成的激发场;
3)通过对所述仿真电路网络注入电流来模拟所述电磁探测激发场,通过扫描所述仿真电路网络来获得仿真高空间分辨响应数据,用各个所述基本电路单元的电路参数来模拟所述被测物的各个不同位置处的电磁参数;并且,基于上述对应关系,通过对所述仿真电路网络的电流注入和响应过程来模拟对所述被测物的实际电磁探测过程,然后根据所述电流注入和响应过程的已知信息,来计算所述实际电磁探测过程中的所述未知的电磁探测信息。
2.根据权利要求1所述的电磁探测信息反演方法,其特征在于,所述步骤1)中,所述仿真电路网络的拓扑电路网络由多个网格构成,所述拓扑电路网络中的每一条边代表所述仿真电路网络的一条支路;所述网格为多维网格。
3.根据权利要求2所述的电磁探测信息反演方法,其特征在于,所述步骤1)中,将所述被测物划分成多个基本区块,每个所述基本区块均可映射到所述仿真电路网络的一个或多个所述网格。
4.根据权利要求3所述的电磁探测信息反演方法,其特征在于,所述未知的电磁探测信息,所述未知的电磁探测信息为所述被测物的未知的电磁性质;
所述步骤1)中,所述基本电路单元的电路参数是可调的;
所述步骤3)包括下列子步骤:
31)通过调节所述仿真电路网络的各个所述基本电路单元的电路参数来寻找匹配电路参数组合,其中所述匹配电路参数是所述仿真电路网络的注入电流与所述外界激发场一致时,能够使得所述仿真高空间分辨响应数据与实测高空间分辨响应数据匹配的各个所述基本电路单元的电路参数的组合;以及
32)根据所获得的所述匹配电路参数组合和所述仿真电路网络的拓扑结构,推算所述被测物的电磁性质;其中,所述被测物的每个所述基本区块的电磁性质根据该基本区块所述映射的所述一个或多个网格的电路参数得出。
5.根据权利要求4所述的电磁探测信息反演方法,其特征在于,所述步骤3)中,根据预设的比例因子将所述外界激发场换算为所述仿真电路网络的相对应的各个节点处的注入电流,用纯电容网络模拟激发源到被测物之间的介质,进而模拟所述外界激发场作用于所述仿真电路网络的效果。
6.根据权利要求4所述的电磁探测信息反演方法,其特征在于,所述步骤1)中,所述基本电路单元是由可调模拟电阻元件、可调模拟电感元件和可调模拟电容元件中的一种或多种所构成的实体电路;以及所述步骤3)中,通过调节所述可调模拟电阻元件的电阻值、所述可调模拟电感元件的电感值或者所述可调模拟电容元件的电容值来调节各个所述基本电路单元的电路参数;所述步骤3)还包括:用所述基本电路单元的电路参数来表征所述被测物的所述基本区块的复磁导率和复介电率。
7.根据权利要求4所述的电磁探测信息反演方法,其特征在于,所述步骤31)包括下列子步骤:
311)先寻找能够与所述被测物质的实际电磁响应数据在局部范围内匹配的局部优化电路参数,然后基于该局部优化电路参数来设置整个所述仿真电路网络,再用探针扫描整个所述仿真电路网络,以获得针对该局部优化电路参数的全局范围的仿真电磁响应数据;
312)对于每个局部优化电路参数,基于该局部优化电路参数来设置整个所述仿真电路网络,再用探针扫描整个所述仿真电路网络,获得针对该局部优化电路参数的全局范围的仿真电磁响应数据;以及
313)最后再对各个所述的局部优化电路参数及其各自对应的所述的全局范围的仿真电磁响应数据进行融合计算,获取所述的匹配电路参数组合,进而得到所述被测物的电磁性质。
8.根据权利要求7所述的电磁探测信息反演方法,其特征在于,所述步骤1)中,在所述的局部范围内,在所述仿真电路网络的对应节点处注入依据所述外界激发场换算得到的电流,并将对应节点处的电压锁定为依据所述实测高空间分辨响应数据换算得到的电压,所述仿真电路网络通过反馈电路自动调节电路参数并自动稳定,将稳定后的电路参数作为该局部范围的所述局部优化电路参数。
9.根据权利要求1所述的电磁探测信息反演方法,其特征在于,所述步骤1)中,所述仿真电路网络中,所有所述的基本电路单元采用相同的电路结构。
10.根据权利要求3所述的电磁探测信息反演方法,其特征在于,所述未知的电磁探测信息是所述被测物中内生的未知电磁活动信息;
所述步骤3)包括下列子步骤:
3a)通过对所述仿真电路网络注入电流来模拟所述未知电磁活动信息,通过扫描所述仿真电路网络来获得仿真高空间分辨响应数据,通过调整注入电流的大小和位置,来寻找适配注入电流,使得所述仿真高空间分辨响应数据与所述实测高空间分辨响应数据匹配;以及
3b)根据所找到的所述适配注入电流的大小和位置来识别真实场景下的所述未知电磁活动信息的大小和位置。
11.根据权利要求10所述的电磁探测信息反演方法,其特征在于,所述被测物为脑区结构,所述未知的电磁探测信息为脑活动信息。
12.一种电磁探测信息反演装置,其特征在于,包括:
实体的仿真电路网络,其中所述仿真电路网络由多个基本电路单元在空间中排布并连接而成,所述基本电路单元为模拟电路,所述基本电路单元的电路参数用于模拟被测物的电磁参数;
模拟驱动加载单元,用于向所述仿真电路网络加载初始配置信息,所述初始配置信息包括:所述仿真电路网络的注入电流与所述电磁探测激发场之间的转换关系,基于所述仿真电路网络的仿真高空间分辨响应数据与被测物的实测高空间分辨响应数据之间的转换关系,以及各个所述基本电路单元的电路参数与所述被测物的各个不同位置处的电磁参数之间的转换关系;其中,所述电磁探测激发场包括实际探测过程中施加于所述被测物的外界激发场,或者由所述被测物中内生的未知电磁活动信号所构成的激发场;
电路元件调节单元,用于调节各个所述基本电路单元的电路参数;
电路状态测量单元,用于测量所述仿真电路网络的仿真高空间分辨响应数据;以及
控制处理分析单元,用于对所述仿真电路网络进行受控地电流注入,控制所述电路状态测量单元完成对所述仿真电路网络的仿真高空间分辨响应数据的测量;通过对所述仿真电路网络的电流注入和响应过程来模拟对所述被测物的实际电磁探测过程,然后根据所述初始配置信息进行换算,基于所述电流注入和响应过程的已知信息,来计算所述实际电磁探测过程中的未知的电磁探测信息;其中未知的电磁探测信息为所述被测物的未知的电磁性质,或者是所述被测物中内生的未知电磁活动信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910828936.6A CN112444887B (zh) | 2019-09-03 | 2019-09-03 | 电磁探测信息反演装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910828936.6A CN112444887B (zh) | 2019-09-03 | 2019-09-03 | 电磁探测信息反演装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112444887A CN112444887A (zh) | 2021-03-05 |
CN112444887B true CN112444887B (zh) | 2022-03-11 |
Family
ID=74735415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910828936.6A Active CN112444887B (zh) | 2019-09-03 | 2019-09-03 | 电磁探测信息反演装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112444887B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010151354A1 (en) * | 2009-06-26 | 2010-12-29 | Exxonmobil Upstream Research Company | Constructing resistivity models from stochastic inversion |
CN103236212A (zh) * | 2013-04-19 | 2013-08-07 | 华南师范大学 | 电磁诱导透明现象仿真仪及其模拟方法 |
CN103344994A (zh) * | 2013-06-07 | 2013-10-09 | 中国地质大学(武汉) | 一种基于无线传感器网络的分布式瞬变电磁数据采集系统 |
CN103440374A (zh) * | 2013-08-23 | 2013-12-11 | 中国南方电网有限责任公司电网技术研究中心 | 基于状态变量节点分析混合框架的电磁暂态仿真建模方法 |
CN108508351A (zh) * | 2018-03-30 | 2018-09-07 | 西北核技术研究所 | 一种基于双-双指数电流源的单粒子故障注入仿真方法 |
CN108693444A (zh) * | 2018-05-23 | 2018-10-23 | 西安交通大学 | 一种基于电磁信号时间反演的输电线路故障点定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9195783B2 (en) * | 2010-08-16 | 2015-11-24 | Exxonmobil Upstream Research Company | Reducing the dimensionality of the joint inversion problem |
BR112013018398A2 (pt) * | 2011-01-21 | 2017-08-01 | Groundmetrics Inc | métodos, sistemas e aparatos para sentir e medir o campo elétrico dentro da terra |
-
2019
- 2019-09-03 CN CN201910828936.6A patent/CN112444887B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010151354A1 (en) * | 2009-06-26 | 2010-12-29 | Exxonmobil Upstream Research Company | Constructing resistivity models from stochastic inversion |
CN103236212A (zh) * | 2013-04-19 | 2013-08-07 | 华南师范大学 | 电磁诱导透明现象仿真仪及其模拟方法 |
CN103344994A (zh) * | 2013-06-07 | 2013-10-09 | 中国地质大学(武汉) | 一种基于无线传感器网络的分布式瞬变电磁数据采集系统 |
CN103440374A (zh) * | 2013-08-23 | 2013-12-11 | 中国南方电网有限责任公司电网技术研究中心 | 基于状态变量节点分析混合框架的电磁暂态仿真建模方法 |
CN108508351A (zh) * | 2018-03-30 | 2018-09-07 | 西北核技术研究所 | 一种基于双-双指数电流源的单粒子故障注入仿真方法 |
CN108693444A (zh) * | 2018-05-23 | 2018-10-23 | 西安交通大学 | 一种基于电磁信号时间反演的输电线路故障点定位方法 |
Non-Patent Citations (1)
Title |
---|
"BP神经网络在大地电磁反演中的应用";孔凡涛 等;《科技创新与应用》;20181231(第32期);第19-21页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112444887A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Caorsi et al. | Electromagnetic detection of dielectric cylinders by a neural network approach | |
CN103376367B (zh) | 放射信号可视化装置 | |
CN111339695B (zh) | 用于电磁场仿真的装置和方法 | |
KR20080023946A (ko) | 오일러 해를 이용한 지하공동의 3차원 중력역산 방법 및이를 이용한 3차원 영상화 방법 | |
CN107766666A (zh) | 一种基于分数阶差分法的三维时域电磁反常扩散模拟方法 | |
CN106296766B (zh) | 一种基于rof模型的电容层析成像的图像重构方法 | |
CN110852025A (zh) | 一种基于超收敛插值逼近的三维电磁慢扩散数值模拟方法 | |
CN110346834A (zh) | 三维频率域可控源电磁的正演方法、系统 | |
CN115238550A (zh) | 自适应非结构网格的滑坡降雨的地电场数值模拟计算方法 | |
CN110119586B (zh) | 轴向电导率各向异性瞬变电磁三分量三维fdtd正演方法 | |
Wang et al. | Nonlinear inversion for magnetotelluric sounding based on deep belief network | |
CN110276094B (zh) | 基于贝叶斯弹性网正则化方法的电流元三维反演方法 | |
EP3902313A1 (en) | Field strength testing method | |
US9329146B2 (en) | Transient electromagnetic geophysics system with cooperative source(s) | |
CN112285435B (zh) | 一种大功率磁场辐射源的等效模拟方法 | |
CN113569447B (zh) | 一种基于舒尔补方法的瞬变电磁三维快速正演方法 | |
CN112444887B (zh) | 电磁探测信息反演装置与方法 | |
Ntampaka et al. | The importance of being interpretable: Toward an understandable machine learning encoder for galaxy cluster cosmology | |
CN106361278B (zh) | 一种单次激励的感应式磁声快速成像方法 | |
CN111291316B (zh) | 一种基于小波变换的多尺度电阻率反演方法及系统 | |
CN109633494B (zh) | 航天器磁场分布信息成像方法 | |
CN110363863A (zh) | 一种神经网络的输入数据生成方法和系统 | |
CN109655910A (zh) | 基于相位校正的探地雷达双参数全波形反演方法 | |
Capalbo et al. | Morphological analysis of SZ and X-ray maps of galaxy clusters with Zernike polynomials | |
CN110045362B (zh) | 基于rnn的雷达目标航迹识别方法和装置 |
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 |