摘要
本发明提供了一种视频微振动信号校正方法,涉及数据处理技术领域,该方法包括将振动传感器布置于待测结构上,对待测结构的视频进行捕捉;基于视频捕捉结果,提取振动信号的时域特征和频域特征;利用时域特征和频域特征训练构建多模态融合校准模型,其中,多模态融合校准模型为混合的CNN‑LSTM网络架构;引入基于傅里叶谱对数振幅差的谱损耗项,并利用构建的多模态融合校准模型得到时域波形重构与频域关键模态对齐的双重校正目标结果,完成对视频微振动信号的校正。本发明解决了直接从监测视频提取微振动信息时,受环境因素、噪声、现场操作等影响造成的精度低的问题。
技术关键词
信号校正方法
时域特征
频域特征
瞬态特征
视频
多模态
振动传感器布置
长短期记忆网络
一维卷积神经网络
非线性映射关系
校准
点式传感器
滑动窗口
动态特征提取
表达式
幅值
网络架构
索引
系统为您推荐了相关专利信息
视频生成方法
多模态
滑动时间窗
自动编码器
注意力
煤矿地质
机器人主体
内齿轮
雷达感应器
视频采集器
视频背景
离线
特征点
图像轮廓特征
生成视频图像
高压套管
故障分类模型
故障诊断方法
融合特征
动态