文献

J-GLOBAL ID：202002222083186169   整理番号：20A0215974

多重スケール幾何学的解析畳込みニューラルネットワークに基づく地震データにおける低周波砂漠雑音インテリジェント抑制【JST・京大機械翻訳】

Low-Frequency Desert Noise Intelligent Suppression in Seismic Data Based on Multiscale Geometric Analysis Convolutional Neural Network

著者 (3件)： Zhao Yuxing (Department of Information, College of Communication Engineering, Jilin University, Changchun, China) ,  Li Yue (Department of Information, College of Communication Engineering, Jilin University, Changchun, China) ,  Yang Baojun (Department of Information, College of Communication Engineering, Jilin University, Changchun, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 58  号： 1  ページ： 650-665  発行年： 2020年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 既存の雑音除去アルゴリズムは,しばしばいくつかの前提条件を満たす必要があり,信号対雑音比(SNR)のような適用可能な条件はあまりにも低く,雑音は特定の分布(Gauss分布のような)に従う必要があり,いくつかの特性(定常性のような)を満足する必要がある。同じ周波数帯を有効信号と共有し,複雑な特性(非線形,非定常,非Gauss)を持つ砂漠雑音に対して,普遍的に適用可能な方法を見つけることは困難である。本論文では,この問題に対応して,マルチスケール幾何学的解析(MGA)畳込みニューラルネットワーク(CNN)を提案した。CNNの最も重要な特徴の一つは,事前の仮定に頼ることなく,訓練集合からデータに富む固有情報を抽出できることである。MGAにCNNを導入することによって,新しい種類の雑音除去方法を作ることができて,それは低いSNRの下でも良い結果を達成することができた。本論文では,砂漠地震データの高効率で知的な雑音除去のために,NC-CNNと名付けた雑音除去ネットワークを生成するための例として,非サブサンプルカンターレット変換を取り上げた。合成地震記録と現場地震記録の処理結果は,NC-CNNが効果的に低周波雑音(ランダムノイズと表面波)を抑制することができて,効果的信号がほとんどエネルギー損失を持たないことを証明した。さらに,欠落信号の再構成能力もこの方法の利点である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 不規則雑音 ,  地震記象 ,  *LF【周波数】 ,  低周波雑音 ,  アルゴリズム ,  *砂漠 ,  理論地震記象 ,  正規分布 ,  表面波 ,  *ネットワーク ,  周波数帯 ,  エネルギー損失 ,  雑音除去 ,  *雑音 ,  SN比

分類 (1件)： リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (8件)： 多重スケール ,  幾何学 ,  解析 ,  畳込みニューラルネットワーク ,  地震データ ,  低周波 ,  砂漠 ,  雑音