Wyniki wyszukiwania - Biblioteka Nauki

1

Estimation of possibilities of a military vehicle type recognition on the basis of ground vibrations independently upon vehicle speed

100%

Jackowski J. , Wieczorek M.

|

tom Vol. 14, No. 2

209-216

EN

This work presents the results of the measurement of the seismic vibration generated by differentiated in respect of the vehicle weight and structure. The analysis of registered seismic signals was carried out on the basis of frequency representation. Based on the Student difference test, a series of parameters of determined spectral signal power densities were examined for their usefulness for a differentiating feature vector. A process of qualifying a registered signal of a detected object to a proper class can be realized by various methods. Most often it is carried out on the basis of the object feature vector position against spaces separating it from the vectors of other objects in the multidimensional space of features. Meeting the requirement of maximum classifier structure simplification, searching for the best separating plane was limited to the neuron network method based on the Rosenblatt perception education. Specification of measurement results indicates that there is a high probability of correct recognition of seismic signals generated by the wheeled and tracked vehicles motion. The method of signal classifying of ground vibrations indicated the possibility of the correct recognition of movement of tracklaying and vehicular vehicles with the probability close to 100% and with regard of distribution on "light" and "heavy with the probability close to 90%.

PL

W pracy przedstawiono proces wskazania cech charakterystycznych sygnałów sejsmicznych, wywołanego przez zróżnicowane pod względem masy i konstrukcji pojazdy. Analizę zarejestrowanych sygnałów drgań podłoża przeprowadzono na podstawie reprezentacji częstotliwościowej. Bazując na teście różnic Studenta wykonano badania szeregu parametrów wyznaczonych widmowych gęstości mocy sygnałów pod kątem ich przydatności dla zbioru cech różnicujących. Proces zakwalifikowania zarejestrowanego sygnału badanego obiektu do odpowiedniej klasy może być realizowany różnymi metodami. Najczęściej przeprowadza się go na podstawie położenia zbioru cech obiektu względem powierzchni oddzielających go od zbiorów innych obiektów w wielowymiarowej przestrzeni cech. Wychodząc naprzeciw wymogowi maksymalnego uproszczenia struktury klasyfikatora, poszukiwanie najlepszej płaszczyzny rozdzielającej ograniczono do wykorzystania metody sieci neuronowej bazującej na uczeniu perceptronowym Rosenblatta. Zestawione wyniki obliczeń wskazują na wysokie prawdopodobieństwo poprawnego rozpoznania sygnałów sejsmicznych wywołanych przejazdem pojazdów kołowych i gąsienicowych. Metoda klasyfikowania sygnałów drgań podłoża wskazała na możliwość poprawnego rozpoznania ruchu pojazdów gąsienicowych i kołowych z prawdopodobieństwem bliskim 100% oraz z uwzględnieniem ich podziału na "lekkie" i "ciężkie" z prawdopodobieństwem bliskim 90%.

2

Zaawansowane metody zwiększania koherencji sygnału sejsmicznego

75%

Zaręba M.

|

tom nr 209 wyd. konferencyjne

201--204

PL

W pracy przedstawiono zaawansowane metody poprawy koherencji sygnału sejsmicznego wraz z przykładami wykorzystania ich efektywności. Dokonano szczegółowej analizy trzech algorytmów: algorytm –Structural Smoothing wykorzystuje symulowany proces dyfuzji anizotropowej. Eliminacja szumów niekoherentnych odbywa się z dużą wiarygodnością, poprzez uwzględnienie orientacji istotnych nieciągłości geologicznych, dzięki którym istnieje możliwość zdefiniowania tensora dyfuzji; algorytm –Nonlinear Stack realizuje procedurę składania ważonego, opartego na lokalnej korelacji z sumą kontrolną zwaną pilotem. Pozwala on na uzyskanie wzrostu koherencji sygnału oraz na efektywną kontrolę jakości działania tej procedury, poprzez wizualizację strat energii pomiędzy ważonymi i nieważonymi sumami; algorytm –Image Domain Beam ma na celu poprawę jakości danych, poprzez ich dekompozycję, a następnie rekonstrukcję uwzględniającą aplikację ograniczeń wynikających z informacji geologicznej.

EN

In this paper the questions of coherency enhancement on seismic data by using Omega® Schlumberger software’s algorithms are raised. A detailed analysis of the three ones – Image Domain Beam, Nonlinear Stack and Structural Smoothing 3D with examples of their use on seismic data from territory of Poland are presented. Particular attention was paid to their usability in order to noticeably increase data quality in the final processing steps by enhancing the level of the useful signal, while minimizing the noise, which could not be removed earlier. Omega® Schlumberger’s ICE modules maximize the objectivity of the procedure by determining angels of collapsing structures without user intervention through the application bands linear affine function or by using Z transform.

3

Wykorzystanie analizy falkowej do redukcji szumów w sygnałach sejsmicznych o małej amplitudzie

63%

Wyżgolik R.

|

tom z. 98

457-466

PL

W referacie przedstawiono metodę redukcji szumów w sygnałach sejsmicznych o małej amplitudzie, w oparciu o analizą falkową. Pokazano przykładowe wyniki jakie uzyskano, implementując odpowiednie algorytmy cyfrowej transformaty falkowej w LabVIEW.

EN

Noise suppression in low-amplitude seismic signals with wavelets methods are presented. Wavelet based denoising procedures has been implemented in Lab VIEW, and some results are shown here.