基于智能语音技术的闪电哨声波自动识别

闪电哨声波是一种重要的电磁波动,了解其传播特征及传播过程有助于揭开圈层电磁耦合机理.从卫星观测资料识别闪电哨声波通常需要将原始电磁波形进行滤波处理再转化为时频图像,最后采用目视方法识别图像中的色散状形态,整个过程消耗大量人机时间和内存资源,不能满足张衡一号(ZH-1)卫星观测的海量电磁场数据处理的需求.针对该问题,鉴于闪电哨声波原始波形数据能够通过播放器产生降调的声音,本文打破以视觉分析为主的闪电哨声波研究惯例,首次采用语音智能技术研究其自动识别算法.首先,以张衡一号卫星感应磁力仪(SCM)的VLF波段的波形数据为研究对象,截取时间窗口为0.16 s的波形数据作为音频片段;然后对该片段进行去趋势处理;基于梅尔频率倒谱系数(MFCCs)能够刻画人耳的听觉机理,提取闪电哨声波的MFCCs特征;其次,构建长短期记忆(LSTM)神经网络并输入波形数据的MFCCs特征训练分类模型;最后利用MFCCs特征和训练得到的LSTM分类模型实现闪电哨声波自动识别.通过对10200数据集(5100段包含闪电哨声波,5100段无闪电哨声波)上开展实验发现：该方法的准确率为96.7%,召回率为84.2%,调和平均得分(F1-score)为90.0%,AUC(Area under Curve)评分为90.1%,而且消耗的时间成本是2.28 s,消耗内存资源是82.89 MB;当前最优的基于时频图的闪电哨声波识别算法在本数据集上的准确率为97.3%,内存消耗为233 MB,在CPU上处理0.16 s的片段数据所消耗的时间是6.71 s,内存消耗和时间消耗比较严重.相比而言,基于智能语音的闪电哨声波识别算法准确率略低0.6%,但能够节约66%的时间成本以及65%的内存资源.这表明该算法不仅仅适合从卫星观测的海量数据中快速准确识别出闪电哨声波,且更适合应用于星载识别.

     

张衡一号卫星闪电哨声波扩散状态识别算法

闪电哨声波是由闪电激发的宽频带电磁脉冲,在穿越南北两半球沿地磁线传播时携带了大量的空间环境信息.由于在闪电哨声波中高频的部分先到达低频的部分后到达,导致其在时频图中呈现色散状.其传播路径的长短、传播路径中的电子密度成分以及反射次数等不同使得其存在多种扩散状态.为了进一步探索闪电哨声波的扩散状态与空间环境之间的关系,将闪电哨声波依据其扩散状态进行分类是现在一个亟需解决的问题.然而,目前的检测算法还无法对闪电哨声波扩散状态进行细分.基于此,本文以张衡一号(ZH-1)卫星感应磁力仪(SCM)的VLF波段的波形数据为研究对象,首次将闪电哨声波的散度信息作为其特征,统计并制作了2303张闪电哨声波的时频图像数据集并对其进行特征提取,最后将提取到的特征输入SVM分类器对闪电哨声波进行分类.实验结果表明该算法具有较好的分类效果,其准确率为94.35%、精确率为95.42%、召回率为98.58%、F1-Score为96.97%.     

基于电磁卫星的闪电哨声波智能检测算法的研究进展

闪电哨声波作为探索空间物理环境的重要媒介,淹没在海量的电磁卫星数据中.近年来随着计算机视觉和深度学习等人工智能技术的发展,从电磁卫星的存档数据中自动检测闪电哨声波的算法取得了一定的效果.本文对近年来闪电哨声波智能检测算法的文献进行了整理和总结.首先,阐述闪电哨声波在电磁卫星数据中呈现的时频特征和类型;然后,介绍了闪电哨声波智能检测算法的流程并从闪电哨声波的特征提取、分类和定位三个方面对主要的智能检测算法进行归纳、总结和评述;其次,简述了闪电哨声波智能检测模型的评价指标;接着,在张衡一号（ZH-1）卫星的磁场数据上对三种典型的闪电哨声波智能检测算法进行复现,并对三种算法的优缺点进行了较深入的分析;最后,对基于电磁卫星的闪电哨声波智能检测的研究领域进行总结和展望.

     

频高图F层异常分层现象的自动识别

频高图F层异常分层(增层)是指在常规电离层结构的基础上,由于电子密度被扰动而在频高图中出现多层回波结构,该F层异常分层(增层)现象在白天和晚上均可观测到.电离层异常分层(增层)主要由某种电动力学或者突发电离源导致电子密度出现扰动而形成,已经引起国内外学者的广泛关注和研究.目前从频高图中识别F层异常分层(增层)主要还是通过人工的方法,海量的频高图数据使该方法在研究F层异常分层(增层)统计特征时变得非常困难.有别于传统的图像分类算法中需要对图像特征进行提取,本文通过引入卷积神经网络(Convolution Neural Network, CNN),设计开发出一种能够自动识别存在F层异常分层(增层)频高图的方法,该方法可以直接输入频高图样本数据,省去了复杂的图像特征提取过程.本文设计的卷积神经网络经过训练以后F层异常分层(增层)识别率为85.82%,准确率90.36%.实验结果表明该卷积神经网络可以较好地自动识别出F层异常分层(增层)的频高图.     

基于GPR信号和卷积核的水泥路面脱空识别算法

脱空缺陷在水泥路面中不可避免,严重影响水泥路面的结构安全性,迫切需要建立脱空缺陷早期识别定位方法,为路面精准预养护提供依据.根据探地雷达(GPR)数据的成像原理,提出了标准化和去背景的脱空特征增强算法.依据GPR发射Ricker子波的工作特点,借鉴深度学习中卷积网络的特征提取特性,以A-Scan数据集为对象,设计了提取脱空特征的二维卷积核,并提出基于卷积核和阈值判断的脱空定位算法.采用数值模拟和室内验证相结合的方法,研究了不同卷积尺度的影响,并将设计的卷积识别算法在水泥路面进行现场验证.实验结果表明,提出的标准化和去背景的预处理算法可替换传统的GPR多步骤数据处理的算法组合,有效实现脱空区域的特征增强作用;卷积算法有效突出了脱空特征,卷积核尺度过大会降低图谱分辨率,卷积尺度过小无法突出脱空特征,合适卷积纵向尺寸为1～1.5倍f_s/f₀,横向尺寸根据检测对象一般取对应实际距离10～20 cm的采样点.实验统计方法设置了卷积核判断阈值,可有效确定脱空区域的深度以及判断脱空区域是否含水,为水泥路面病害的自动识别奠定基础.     

小地震与人工爆破记录的时频分析

基于Matlab软件,编制了对近震记录进行时-频分析试验研究的程序,搜集2006—2008年间首都圈地区震级介于ML2.4~2.7的5次天然地震和5次人工爆破的27个台站的宽频带记录,根据震中距离的相似性挑选5组天然地震和人工爆破地震,分析其时频特征。对于所有的数据都给出其三分向的时频图、原始波形图和频谱图,以及水平向和三分向的叠加图。分析结果表明,天然地震和人工爆破的记录具有明显不同的时频特征,天然地震的时频呈现出"多峰"特征,而人工爆破的时频分布则相对"少峰";天然地震的时频峰值分布在较宽的频率范围内,人工爆破的峰值则分布在频率较低的相对狭窄的范围内。通过以上实践,发现时频分析在分析不同时间点的频谱信息以及整个数据的时频分布特点时比傅里叶变换具有优势。     

基于BSWT-DDTFA方法的地球天然脉冲电磁场震前信号时频分析研究

地球天然脉冲电磁场（ENPEMF）信号,可理解为地球天然变化磁场的瞬间扰动,携带了大量有用的地质构造及其动力学信息.研究ENPEMF信号所蕴含的时间-频率联合分布特点,有利于深入了解目标对象的地球物理现象及其地质动力学原理.本文针对ENPEMF信号的非平稳特点,在数据驱动时频分析方法（DDTFA）的基础上提出了基于二值化同步压缩小波变换的改进算法（BSWT-DDTFA）.该算法可以实现数据驱动初始相位自动赋值的功能,具有自适应性.实验仿真和实际数据均证明了该改进算法不仅能够得到较为精确的频率曲线和更加清晰的时频分布,而且具有较强的抗噪声能力.以2013年芦山M_S7.0地震为例,利用BSWT-DDTFA方法提取ENPEMF信号的时频特性,结果表明ENPEMF信号的时间-频率-幅度分布在震前有明显的异常特征.

     

基于时频能量重排的改进小波变换谱分解

小波变换作为一种具有多分辨率特征的时频分析方法已被地球物理学家广泛应用,受不确定性原理影响,其时频分辨率有限.能量重排小波变换通过对小波变换能谱向其局部重心进行重新分配,进一步提高了时频谱图的精度.拟合信号和实际地震数据表明,利用该方法能够更准确地刻画信号的时频特征,有助于获得更好的解释效果.     

地震勘探信号时频分析方法对比与应用分析

针对地震勘探信号,对非平稳信号时频分析几种适效方法:短时Fourier变换、小波变换、S变换、Wigner分布、平滑伪Wigner分布、锥形核时频分布、AOK(adaptive optimum kernel,自适应最优核函数)分布等进行对比与应用研究.在阐明各种方法基本原理的基础上,进行数值分析与应用研究.首先对非平稳地震勘探模拟信号进行试算及时频属性提取,结合各类方法的信号表示理论,在时频局部化的精度和交叉项抑制等方面对计算结果进行对比分析;进一步应用于实际二维地震数据,提取瞬时频率和瞬时带宽等时频属性,进行比较研究.研究表明:对于地震勘探信号,就本文涉及的几种时频分析方法而言,AOK分布是时频局部化精度最高、交叉项抑制最好、时频匹配最优的方法,值得在地震勘探信号分析和地震属性提取、频谱分解等应用中深入研究和应用.     

稀疏时频分解方法的研究与运用（英文）

Gabor变换和S变换是常用的时频分析工具。根据测不准原理,它们的时频分解结果无法在时间域和频率域同时具有很高的分辨率。为了提高非平稳信号时频分解结果的分辨率,本文提出瞬时频率分布函数（IFDF）并利用它表达非平稳信号。当非平稳信号时频成分的分布满足测不准原理对信号可分辨的要求时,瞬时频率分布函数的支集和短时Fourier变换的小波脊支集是同一个集合。利用IFDF的该特征,本文提出一种迭代算法（Sparse-STFT）实现了信号的稀疏时频分解。该算法在每次迭代过程中利用残留信号的短时Fourier变换结果的脊支集更新信号的时频成分,每次迭代得到的时频成分的叠加结果即为最终的稀疏时频分解结果。文中的数值实验证明了Sparse-STFT可以有效地提高非平稳信号时频分解结果的分辨率。最后,本文将该方法应用于地震数据面波的压制中,取得了理想的处理结果。     

基于多输入卷积神经网络的天然地震和爆破事件识别

天然地震和爆破事件识别是地震监测预警的重要内容.近年来, 快速发展的深度学习算法以其强大的数据特征挖掘和图像识别能力, 能够较快并准确地约束地震事件属性.利用多输入卷积神经网络算法构建天然地震和爆破事件自动分类网络模型, 其中输入信息包括多台站地震波形和单台站的地震时频数据, 使得卷积神经网络同时获取事件的波形、频谱和极性特征.根据美国犹他州2012年记录到的天然地震和采石场爆破的观测资料, 构建深度学习的训练数据集并进行模型训练, 并据此判断2013—2016年间已知的天然地震和爆破事件.结果表明, 多输入卷积神经网络具有较高的识别精度, 识别率高达97%.

     

Simulation of nonducted whistler spectrograms observed aboard the MAGION 4 and 5 satellites

New observations of nonducted VLF waves aboard MAGION 4 and 5 are used as a basis for discussion of the magnetospherically reflected (MR) whistlers first observed by the Ogo 1 and 3 satellites. The attention is focused on general properties of MR whistler spectrograms determined only by propagation features in a smooth magnetosphere. We develop a computer program that accumulates the results of the ray tracing calculations for a representative 2D continuum of wave trajectories, which permits to generate in one step a spectrogram for a given observation point and illuminating region. Such a spectrogram keeps no trace of spectral intensity, but in turn, it contains the information on the region of origin, the number of hops, and the direction of group velocity of the wave packets which form the spectrogram. The simulations performed together with the analytical consideration yield understanding of several features of MR whistler spectrograms, such as principal dependence of a spectrogram on the observation point rather than on the illuminating region; the correspondence of the nose frequency to the wave packet propagating along the geomagnetic field (v_g⊥=0); the decrease of the nose frequency with increasing trace number, and others.     

单程波角度域内压制多次波偏移假象

多次波偏移中的假象主要来自于不同地震事件之间的互相关,由于这种互相关满足成像条件,很难直接在偏移过程中去除.但是对于准确的速度模型,真实的成像结果在角度域内应该是平直的.根据这个判断准则,可以在角度域内移除多次波偏移中的假象.本文以数据自相关偏移为例,提出了在单程波多次波偏移中移除假象的主要流程：首先在在单程波偏移过程中高效地提取角度域共成像点道集,然后对角度域共成像点道集应用高分辨率的抛物线型Radon变换,用合适的切除函数处理后,反变换回到角度域,最后叠加各个角度成分,得到偏移结果.Marmousi模型的合成数据测试表明,这种方法可以很好地压制多次波偏移过程中产生的假象,有效地提高成像结果的信噪比.     

广义付里叶变换及其在磁共振成像中的应用

许多共振成像（ＭＲＩ）的应用,要求人体组织磁化强度的空间分布Ｆｏｕｒｉｅｒ变换的幅度和相位的精确分离,及利用正交双通道采集时间和空间高分辨图象序列。在传统的基于Ｆｏｕｒｉｅｒ变换的成象方法中,图象序列从一帧空间编码独立地重建得到,因此给定空间分辨率的情况下,每帧空间编码的数量限制了图象序列的时间分辨力;又常通过牺牲空间分辨率来提高图象序列的空间分辨录。由于传统Ｆｏｕｒｉｅｒ变换的核函数是线性相位,若变换ＭＲＩ技术必须很好地满足主磁场均匀性和梯度场线性的条件,因此传统Ｆｏｕｒｉｅｒ变换成象方法对临床应用中常出现ＭＲ信号相位失真极为敏感。本文提出：利用主磁场中组织的磁化强度不变,能很好消除图象的相位失真。     

基于褶积原理和改进广义S变换的震动波衰减补偿试验研究

为了恢复震动波能量在传播过程中产生的衰减损耗,提出基于褶积原理求取品质因子Q的方法与改进广义S变换相结合的反Q滤波法。通过震动波衰减补偿模型试验,对试验数据进行改进广义S变换的时频特性分析,得出了信号的能量分布情况以及时间频率对应关系;采用基于褶积原理求取品质因子的方法,得到时变Q值;对试验数据进行反Q滤波处理,使震动波能量得到了补偿。结果表明本文提出的反Q滤波法提高了对震动波能量衰减补偿的效果,拓宽了地震资料的频带,提高了地震资料分辨率,有利于进行高分辨率地震勘探、深部信号增强和油气藏预测工作的开展。     

小波分析在遥感图像融合中的应用

利用小波分析的方法对多分辨率、多波段的遥感图像信息进行融合，原始图像经小波变换，分解成多个子图像，选择适宜的小波基，进行分块处理，再做逆变换，进行图像融合重构，使得融合后的图像最大限度地保留多波段光谱信息的同时，提高了图像的空间分辨率及局部目标的清晰度，与传统方法相比，小波分析方法具有明显的优越性。     

一种基于PPNet的地震直达P波到时拾取方法

针对现有地震直达P波到时拾取网络精度低、误差大等问题,结合UNet++编码、解码器,融入特征过滤器设计一种具有地震震相特征分析与融合能力的轻量级P波到时拾取网络PPNet,实现对地震P波的高精度、低误差拾取。首先,该网络在编码器模块采用大卷积核、低通道数的卷积层,对输入的地震信号进行深度特征提取;其次,在解码器模块的特征还原过程中加入特征融合机制,补全特征信息,避免序列特征污染问题;最后,仅对编码器后三个下采样模块添加特征过滤器,深入挖掘特征序列,通过细化P波到时特征,提升到时拾取精度。实验结果表明,提出的网络在0.1 s、0.2 s、0.3 s误差阈值下P波拾取率分别为80.73%、94.01%、97.81%,平均绝对误差0.078 s,均方误差0.021,与现有P波拾取传统方法和深度学习算法相比性能更优。     

基于扩张卷积的智能化规则缺失炮插值重建方法

地震数据采集过程中, 由于采集成本的制约, 炮点间距相对检波点间距大, 导致地震数据一致性弱, 影响自由表面多次波衰减与偏移成像的精度.较大的炮点间距使得共检波点道集在傅里叶变换域出现严重的空间假频, 给压缩感知插值重建方法带来巨大挑战, 需研究抗假频机制.本文利用深度学习强大的非线性表征能力, 设计结合ResNet和U-net优势的Res-U-net网络; 运用格林函数空间互易性, 自适应构建训练集, 利用共炮点道集对设计的网络进行训练和验证, 应用于共检波点道集, 实现缺失炮的智能重建.为了进一步提高缺失炮重建精度, 基于地震数据的周期和波长属性, 设计合理的卷积核大小, 并考虑地下速度变化情况, 利用扩张卷积组合实现高效高精度地震数据表征, 达到缺失炮插值重建的目的.模拟数据分析和实际资料处理验证了基于周期和波长的卷积核设计的合理性以及扩张卷积的有效性, 为后续偏移成像提供横向连续性较好的地震数据.