Μπαεσιανή τεχνική αντιστροφής βασισμένη σε στατιστικά χαρακτηριστικά ακουστικού σήματος με εφαρμογές στην ακουστική ωκεανογραφία

Bayesian inversion technique based on the statistical characterization of acoustic signals with applications in Ocean Acoustic Tomography

Σίσκογλου, Ουρανία

Μακράκης, Γεώργιος

Σκαρτσούλης, Εμμανουήλ

Ταρουδάκης, Μιχαήλ

Σκοπός της εργασίας είναι η χρήση στατιστικού χαρακτηρισμού ακουστικού σήματος σε συνδιασμό με μπαεσιανή τεχνική αντιστροφής για την ανάκτηση του προφίλ ταχύτητας του ήχου σε ένα θαλάσσιο περιβάλλον. Το πρόβλημα του υπολογισμού του προφίλ ταχύτητας του ήχου με χρήση δεδομένων που παράγονται από μετρήσεις ακουστικού σήματος, που έχει παραχθει στο θαλάσσιο περιβάλλον, είναι ένα κλασσικό πρόβλημα ακουστικής ωκεανογραφίας. Τα δεδομένα του αντίστροφου προβλήματος είναι τα σταστιστικά χαρακτηριστικά των συντελεστών που προκύπτουν από την ανάλυση σε επίπεδα του καταγραφόμενου σήματος. Οι παράμετροι προς ανάκτηση είναι οι συντελεστές των Εμπειρικών Ορθογώνιων Συναρτήσεων που συνθέτουν το προφίλ ταχύτητας. Τρέξαμε μια προσομοίωση ενός πραγματικού προβλήματος ακουστικής τομογραφίας με χρήση ενός αλγόριθμου που κατασκευάσαμε σε Μάτλαμπ. Στο τελευταίο κεφάλαιο παρουσιάζουμε τα αποτελέσματα της ανάκτησης, αρχικά για σήματα χωρίς θόρυβο και στη συνέχεια για σήματα με Γκαουσιανό θόρυβο που έχουν αποθορυβοποιηθεί. Για το ευθύ πρόβλημα χρησιμοποιήθηκε το ευθύ μοντέλο 'mode1' [1] ενώ για την αποθορυβοποίηση ακουστικού σήματος χρησιμοποιήθηκε ο αλγόριθμος [2]. (EL)

The purpose of this thesis is to use a statistical characterization of acoustic signals and a bayesian inversion method for the estimation of the sound speed profile in a marine environment. The problem of estimating the sound speed profile in the water column using data derived from the recordings of an acoustic signal that has been propagated in the marine environment is a typical problem of Ocean Acoustic Tomography. The forward acoustic propagation problem in a typical marine environment is presented and analyzed in 1.2. For the inverse problem we apply bayesian inver-sion based on the statistical characterization of the signal (1.4). According to our knowledge, this is the first time that the bayesian inverse methodology has been applied in connection with the statistical signal characterization scheme. The observables are the statistical characteristics of the wavelet sub-band coef-ficients. The parameters that are retrieved by this method are the coefficients of the Empirical Orthogonal Functions (EOF) which uniquely define the sound speed profile. As prior assumption, the coefficients are assumed to follow Gaus-sian distributions within their upper and lower limits (search space) and to be independent of each other. The likelihood probability is also assumed to follow gaussian distribution. We are considering a simulation of a real-world acoustic tomography problem to test our method. An algorithm has been created to perform all the necessary procedures for the inversion scheme. In Chapter 4, we present some results de-rived through the application of our algorithm, at first for noise-free signals and then for noisy signals. When a noisy signal is considered, a denoising procedure is applied. The algorithm is written in MATLAB. For the forward model we use 'model' [1] and for the denoising the algorithm presented in [2]. (EN)

text

Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης

Πανεπιστήμιο Κρήτης

E-Locus Ιδρυματικό Καταθετήριο

Elocus

Αγγλική γλώσσα

2018-03-23

http://elocus.lib.uoc.gr:443/dlib/1/c/e/metadata-dlib-1512212105-882185-20487.tkl

000412922

Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών--Μεταπτυχιακές εργασίες ειδίκευσης