文献

J-GLOBAL ID：202202211528224229   整理番号：22A0397650

教師なし特徴学習と時間調和周波数変換技術に基づく砂漠地震信号雑音除去【JST・京大機械翻訳】

Desert Seismic Signal Denoising Based on Unsupervised Feature Learning and Time-Frequency Transform Technique

著者 (4件)： Li Mo (Department of Information, College of Communication Engineering, Jilin University, Changchun, China) ,  Li Yue (Department of Information, College of Communication Engineering, Jilin University, Changchun, China) ,  Tian Yanan (Department of Information, College of Communication Engineering, Jilin University, Changchun, China) ,  Wu Ning (Department of Information, College of Communication Engineering, Jilin University, Changchun, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.7502705.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 騒音低減は地震探査における必須段階である。形式的に,砂漠地震におけるランダム広帯域雑音は非線形,非定常,非Gaussとして特徴付けられ,エネルギーは主に低周波域に集中している。さらに,反射信号は一般に強いランダム広帯域雑音と同じスペクトル領域をカバーする。本レターでは,教師なし特徴学習と時間-周波数変換(TFT)技術を組み合わせる方法を提案し,砂漠地震データにおけるランダム広帯域雑音を低減した。最初に,TFT技術として,変分モード分解(VMD)を行い,多成分砂漠地震信号を帯域制限モードのアンサンブルに分解した。次に,砂漠地震事象を検出するために,各分解モードに教師なし特徴学習法を適用した。最後に,逆VMD変換を行い,最終雑音除去結果を得た。この方法は,合成およびフィールド砂漠地震データの両方でテストされ,ランダム広帯域雑音を減らし,反射信号を保存するのに好ましい性能を示した。Copyright 2022 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： *雑音 ,  変分法 ,  *学習 ,  *周波数変換 ,  *地震 ,  *砂漠 ,  スペクトル ,  地震探査 ,  帯域制限 ,  LF【周波数】 ,  広帯域 ,  *雑音除去
準シソーラス用語： 騒音低減 ,  非定常性 ,  モード分解 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (7件)： 教師 ,  学習 ,  調和 ,  周波数変換 ,  砂漠 ,  地震 ,  信号雑音除去